科研之友
微信
新浪微博
Facebook
分享链接
摘要
由于现有优化算法在全局优化方面的局限性，导致神经网络需要多次训练才能获得满意的结果；为了解决神经网络训练中的一致性问题，文章提出了一种自适应并联结构神经网络(APSNN);APSNN由多个神经网络单元并联组成，在训练过程中，采用常规优化算法对各神经网络单元进行训练；神经网络单元的训练样本由上一级神经网络单元的训练残差构成，通过训练残差在各神经网络单元中的单向传递，实现训练残差的逐级减少；神经网络根据训练残差，决定是否进行神经网络单元级联和结构扩张，从而保证训练结果的一致性；文章对5种非线性函数进行了神经网络逼近测试。与BP神经网络相比较，APSNN在50次不同初始条件下，训练精度十分稳定，具有很好的一致性；为了实现对交通流量预测，文章将APSNN与BP神经网络和小波神经网络进行了对比研究，结果表明：APSNN的预测总体标准差均小于BP神经网络和小波神经网络，交通流量的预测偏差较BP神经网络和小波神经网络分别降低2.7%和9.7%。
- 单位
