针对神经网络迭代过程中易陷入局部极小点的问题,提出一种BP-PSO算法。采用负梯度下降法迭代神经网络中的各项参数,利用得到的权值和偏置作为一个解向量,在该参数的邻域内引入简单PSO粒子群算法进行全局寻优,将最优解代入负梯度下降法,循环求解。结果表明,在Tensorflow鸢尾花分类数据集上的测试中,该组合算法与梯度下降算法相比,损失函数下降了49. 54%,训练次数减少了43. 33%,达到了收敛速度更快、识别度更高的效果。
科研之友
微信
新浪微博
Facebook
分享链接
