基于动量自适应BP神经网络的鸢乌贼模式识别

作者：杨柳青青; 储莫闲; 刘必林^*; 孔祥洪

来源：热带海洋学报, 2021, 40(06): 102-110.

• BP神经网络
• 鸢乌贼
• 角质颚
• 种群区分
• 模式识别

近年来,计算机模式识别技术因其识别结果准确、快速,而不断被用于生物判别邻域。本文利用MATLAB软件实现动量自适应BP神经网络(back propagation neural networks)对西北印度洋、中东太平洋和南海3个海区的鸢乌贼角质颚及其胴长进行模式识别。研究结果显示,训练成型的神经网络收敛误差仅为4.416×10–2,加入动量和自适应学习率的BP神经网络对鸢乌贼地理种群的识别率有显著提高。3个海区的正确识别率分别为100%、88.89%和94.12%,总成功率为93.24%,说明角质颚外部形态和胴长可用于鸢乌贼地理种群的区分。而BP神经网络的其他学习算法,如梯度下降法、单一动量法和单一自适应法的总识别率分为74.32%,77.03%和87.84%。本研究的识别效果稳定,对于大样本训练集的识别率也高达92.77%,为头足类的种群判别提供了新的方法和思路。

• 单位
  上海海洋大学