基于布谷鳥搜索算法優(yōu)化神經(jīng)網(wǎng)絡(luò)的研究.pdf

1、人工神經(jīng)網(wǎng)絡(luò)已成功應(yīng)用到許多領(lǐng)域，如模式識別、機(jī)器學(xué)習(xí)、信號處理和信息融合等，但是，如果神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法或拓?fù)浣Y(jié)構(gòu)選擇不當(dāng)，可能導(dǎo)致出現(xiàn)神經(jīng)網(wǎng)絡(luò)的預(yù)測準(zhǔn)確度低的問題。為此，許多研究者開始將元啟發(fā)式優(yōu)化算法應(yīng)用于神經(jīng)網(wǎng)絡(luò)的性能優(yōu)化。
　　布谷鳥搜索算法(Cuckoo Search，CS)是一種新型的元啟發(fā)式搜索算法，其只有一個(gè)控制參數(shù)，且布谷鳥搜索算法尋優(yōu)過程簡單，因此能夠很好地協(xié)調(diào)全局搜索(Exploration)和局部搜索(E

2、xploitation)。本文將采用布谷鳥搜索算法應(yīng)用于神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值優(yōu)化。本文主要工作如下:
　　本文在介紹了布谷鳥搜索算法和BP神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上，提出了布谷鳥搜索算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的算法(CSBP)，該算法以神經(jīng)網(wǎng)絡(luò)的訓(xùn)練誤差為適應(yīng)度函數(shù)，對神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值進(jìn)行優(yōu)化，它已成功應(yīng)用到意大利葡萄酒分類的問題。仿真實(shí)驗(yàn)結(jié)果表明，CSBP神經(jīng)網(wǎng)絡(luò)的預(yù)測誤差明顯小于BP和GRNN算法。為提高CSBP神經(jīng)網(wǎng)絡(luò)運(yùn)行效率和識別效果