基于遗传算法优化的BP神经网
络算法
13管科-毛文涛
本文框架
网络结构图
信息的正向传播
输入层
隐层
输出层
输
入
输
出
误差的逆向传播
BP神经网络结构图
算法流程
N
N
Y
Y
基于遗传算法的BP神经网络学习算法流程图
相关公式
f= 11+
带有附加动量项的权值和阈值调节公式为:
()=(1−)...+.(
(+1)=(1−)..+.(
(2)
其中,k 为训练次数,α 为学习率, mc为动量因子,
0 <α < 1,0 ≤ mc < 1。
适应度函数:
(1)
(3)
个体编码
遗传算法的优
化
网络结构
初始连接权
初始的阈值
学习率
动量因子
连接权 编码 阈值 编码 连接状态 c 编码 学习率α 编码 动量因子mc 编
码
a
个体编码的组成
算例分析
各参数取值为: pc = 0.6, pm = 0.001,MSE≤10 −3 ,
经遗传算法优化的学习率α = 0.955 ,动量因子mc = 0.700。