基于反傳混沌粒子群訓(xùn)練前饋神經(jīng)網(wǎng)絡(luò)應(yīng)用研究.pdf

1、神經(jīng)網(wǎng)絡(luò)技術(shù)是一種重要的數(shù)據(jù)信息處理方法，近些年來(lái)，被廣泛應(yīng)用于數(shù)據(jù)挖掘、模式識(shí)別、智能控制及復(fù)雜過(guò)程系統(tǒng)建模當(dāng)中。前饋神經(jīng)網(wǎng)絡(luò)是神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)當(dāng)中可論證的最簡(jiǎn)單也是最為重要的一種網(wǎng)絡(luò)模型，理論證明三層前饋神經(jīng)網(wǎng)絡(luò)可以以任意精度逼近任何連續(xù)函數(shù)，所以近些年來(lái)對(duì)前饋神經(jīng)網(wǎng)絡(luò)訓(xùn)練算法的研究備受關(guān)注。
　　 本文針對(duì)目前前饋神經(jīng)網(wǎng)絡(luò)訓(xùn)練應(yīng)用較多的BP算法和智能優(yōu)化算法存在的缺陷和不足，提出了兩種基于反傳混沌粒子群的前饋神經(jīng)網(wǎng)絡(luò)訓(xùn)練方法，

2、將混沌映射和粒子群優(yōu)化方法結(jié)合，并引入誤差反傳概念形成新的混合算法用來(lái)訓(xùn)練前饋神經(jīng)網(wǎng)絡(luò)，通過(guò)仿真實(shí)驗(yàn)和實(shí)際應(yīng)用檢驗(yàn)算法的有效性。本文主要研究工作如下:
　　 1.綜述了前饋神經(jīng)網(wǎng)絡(luò)發(fā)展現(xiàn)狀，并介紹了本文所用到的主要技術(shù)如粒子群、混沌映射及誤差反傳梯度下降等方法。提出了一種基于反傳的混沌粒子群訓(xùn)練前饋神經(jīng)網(wǎng)絡(luò)的算法框架，具體思想是利用粒子群優(yōu)化方法訓(xùn)練前饋神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值等參數(shù)，當(dāng)算法陷入局部最優(yōu)解時(shí)，調(diào)用混沌映射帶領(lǐng)粒子逃離

3、局部極值點(diǎn);同時(shí)，針對(duì)粒子在訓(xùn)練后期迭代速度變慢等特點(diǎn)，調(diào)用誤差反傳梯度下降方法，加速粒子的局部搜索，保證算法在全局范圍搜索的同時(shí)，也具有較快的局部搜索速度。
　　 2.根據(jù)訓(xùn)練算法框架，提出了利用適應(yīng)度方差方法判斷粒子早熟收斂，并采用無(wú)限折疊迭代混沌映射的訓(xùn)練方法，即ICMICPSO-BP方法。采用三個(gè)UCI數(shù)據(jù)集和四個(gè)benchmark函數(shù)進(jìn)行仿真，證明算法的有效性和可行性。
　　 3.在ICMICPSO-BP算法的

4、基礎(chǔ)上，提出了利用適應(yīng)度絕對(duì)偏差判斷粒子早熟并采用伯努利移位混沌映射的訓(xùn)練方法，即BSCPSO-BP方法。同時(shí)為了證明算法的有效性，采用三個(gè)標(biāo)準(zhǔn)benchmark問(wèn)題檢驗(yàn)算法，結(jié)果表明所提算法在建模方面較ICMICPSO-BP具有更高的訓(xùn)練精度和泛化精度。
　　 4.將上述所提的兩種方法應(yīng)用于PTA溶劑裝置的電導(dǎo)率和高密度聚乙烯串級(jí)反應(yīng)裝置(HDPE)熔融指數(shù)和密度的軟測(cè)量建模。結(jié)果表明所提的兩種方法是可行和有效的，同時(shí)也說(shuō)明所