前饋網絡的粒子群優(yōu)化研究.pdf

1、人工神經網絡以其良好的自學習、自組織和容錯能力充分顯示了在解決高度復雜非線性問題的巨大潛力。三層前饋網絡作為應用最為廣泛的一種人工神經網絡，在工業(yè)控制、金融行業(yè)和優(yōu)化計算等實際問題中得到了重要應用。
　　 隨著前饋網絡應用研究的深入，前饋網絡的學習能力和泛化能力作為兩個重要標準引起了研究者的廣泛討論。前饋網絡的泛化能力是在網絡應用中體現(xiàn)出來，但是由網絡訓練決定。總體來說，神經網絡泛化特性受網絡結構復雜性、目標函數(shù)和訓練算法的影響

2、。具體來說：神經網絡結構過大，容易出現(xiàn)過擬合問題，神經網絡結構過小，處理復雜問題的能力又不足；而且，采用訓練樣本均方誤差作為網絡目標函數(shù)，網絡很容易陷入局部極值，導致神經網絡雖然具有良好的學習能力，但泛化能力不足；同時，神經網絡性能的優(yōu)越與否還取決于對網絡的是否充分訓練。
　　 為了使神經網絡擁有良好的學習能力和識別能力。本文采用粒子群算法同時優(yōu)化網絡結構和權值，使網絡擁有合理的網絡結構和網絡性能。而且，采用目標函數(shù)動態(tài)正則化的