科研之友
微信
新浪微博
Facebook
分享链接
摘要
BP神经网络被广泛用于分类与回归问题，对初值选取较敏感，易陷入局部最优；ACO-BP算法可用于改进神经网络的训练，提升全局寻优能力，但训练中网络预测性能易出现抖动。基于ACO-BP算法，引入核光滑方法，采用自适应信息素挥发率，优化神经网络的训练。使用四折交叉验证方法，将ACO-BP算法、BP算法与改进ACO-BP算法，应用于UCI数据库中三组数据集进行验证。改进算法的收敛速度与ACO-BP算法相近；对复杂问题预测性能显著优于ACO-BP算法。实验结果表明，与ACO-BP算法相比，改进ACO-BP算法在加速网络收敛的同时，具有较强的鲁棒性与全局寻优能力。
- 单位
