基于遗传算法的BP神经网络优化
1 前言
BP神经网络是人工神经网络中应用最广泛的算法,但是也存在一些缺陷,例如学习收敛速度太慢,不能保证收敛到全局最小点、网络结构不易确定。另外,网络结构、初始连接权值和阈值的选择对网络训练的影响很大,但是又无法准确获得,针对这些特点可以采用遗传算法对神经网络进行优化。
注:此篇文章为个人学习笔记总结,如有资源冒犯,请与我联系,我将立即进行处理,谢谢
2 思路与步骤
遗传算法优化BP神经网络主要分为三步:BP神经网络结构的确定、遗传算法优化权值和阈值、BP神经网络训练与预测。
2.1 BP神经网络结构的确定
- 网络创建
BP网络结构的确定有以下两条比较重要的指导原则。
1 .对于一般的模式识别问题,三层网络可以很好地解决问题
2 .在三层网络中,隐含层神经网络个数n2和输入层神经元个数n1之间有近似关系:n2=2n1+1
也可用其余的关系计算隐含层个数,如下:
(1) m=√(n+l) + a
m为隐含层个数,n为输入层节点数,l为输出层节点数,a为1-10之间的常数
(2) m=√(nl)
m为隐含层个数,n为输入层节点数,l为输出层节点数
(3) m=log2(n)
m为隐含层个数,n为输入层节点数 - 传递函数
logsig 输入值为任意值,输出值为0~1之间
tansig 输入值为任意值,输出值为-1~1之