针对深度信念网络在参数训练过程中易陷入局部搜索、收敛速度慢等问题,提出利用改进的混沌免疫算法优化深度信念网络参数的方法。采用混沌初始化和自适应变异,提高抗体种群的多样性;引入可变选择算子,加快算法的寻优速度。函数拟合实验和滚动轴承故障诊断实验结果表明,与粒子群优化算法和基本的克隆选择算法相比,该算法能够得到更优的网络参数,提高了深度信念网络的特征提取能力,加快了网络训练的收敛速度。
科研之友
微信
新浪微博
Facebook
分享链接
