基于改进量子遗传算法的过程神经元网络训练
DOI:
CSTR:
作者:
作者单位:

大连理工大学电子与信息工程学院 116024

作者简介:

李欣

通讯作者:

中图分类号:

TP183

基金项目:


Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    针对过程神经元网络由于模型参数较多BP算法不易收敛的问题,提出一种基于量子位Bloch坐标的量子遗传算法.将该算法融合于过程神经网络的训练,按权值参数的个数确定量子染色体上的基因数并完成种群编码,通过新的量子旋转门完成个体的更新.算法中的每条染色体携带3条基因链,因此可扩展对解空间的遍历性,加速优化进程.以两组二维三角函数的模式分类问题为例,仿真结果表明该方法不仅收敛速度快,而且寻优能力强.

    Abstract:

    参考文献
    相似文献
    引证文献
引用本文

李欣;程春田;曾筠.基于改进量子遗传算法的过程神经元网络训练[J].控制与决策,2009,24(3):347-351

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2008-01-30
  • 最后修改日期:2008-04-25
  • 录用日期:
  • 在线发布日期: 2009-03-20
  • 出版日期:
文章二维码