基于改进PSO算法的模糊神经网络研究

作者:罗勇;向奕雪 刊名:信息通信 上传者:陈浩

【摘要】现阶段,科学技术的研究与发展较为快速,模糊神经网络项目的研究价值逐渐被人们挖掘出来。从现阶段神经网络类型学科的拓展研究及发展状况来看,该领域研究成果的实践应用范围十分宽泛,而且,更需要要注重各项细节的处理与完善,以此来推进智能化核心技术的进步。文章就基于改进PSO算法的模糊神经网络的相关内容进行研究,以期能为进一步探索该领域带来一丝启示,并将有益的研究内容充实到理论成果当中,为日后类似项目的研究提供素材。

全文阅读

18 基于改进 PSO 算法的模糊神经网络研究 罗 勇,向奕雪 (海军工程大学 电子工程学院,湖北 武汉 430033) 摘要:现阶段,科学技术的研究与发展较为快速,模糊神经网络项目的研究价值逐渐被人们挖掘出来。从现阶段神经网络类型学科的拓展研究及发展状况来看,该领域研究成果的实践应用范围十分宽泛,而且,更需要要注重各项细节的处理与完善,以此来推进智能化核心技术的进步。文章就基于改进 PSO 算法的模糊神经网络的相关内容进行研究,以期能为进一步探索该领域带来一丝启示,并将有益的研究内容充实到理论成果当中,为日后类似项目的研究提供素材。 关键词:改进 PSO 算法;模糊神经网络;研究中图分类号:TP183 文献标识码:A 文章编号:1673-1131(2014)011-0018-01 0 引言 对于模糊神经网络项目的研究一直备受关注,同时,神经网络具备极强的学习能力以及良好的自适应性等特点,令其与实践领域的融合较为良好。因此,诸多研究此课题内容的专家和学者认为,可以将模糊逻辑与神经网络结合起来,构并一种基于改进 PSO 算法的模糊神经网络。事实表明,该类型的模糊神经网络成为了目前智能领域中的重要内核,为相关项目的升级带来新的能量。 1 浅析改进的粒子群优化算法 1.1 粒子群优化算法的内容概述 从根本上来看,模糊神经网络凭借着它较强的模拟人类推理能力,才使得模糊神经网络的研究与发展都较为快速,尤其是渗入到组织内部故障诊断以及股票预测系统之中,取得了极佳的实践成效[1]。从具体情况来看,粒子群优化算法(即PSO 算法),是近几年来涌现出来的一种新型进化算法,和它同质的项目有遗传算法等,简单来说,就是通过系统决策处理,找寻到某种范围内部的符合既定条件及规则的最佳结果。 1.2 PSO 算法的基本原理以及流程分析 相对于传统的遗传算法而言,粒子群算法(PSO算法)可以通过跟踪当前所能够捕捉到的最佳结果来探寻全局最优解。因此,我们可以说,粒子群算法是一种精度较高且具备一定的搜寻优势的进化算法。 (1)PSO 算法的基本原理分析。粒子群算法的基本原理很简单,就类似之前我们所研究过的遗传算法的机理一样,通过寻找最优解来达成目标。相对于遗传算法而言,粒子群算法的优势较为明显,因其不易陷入到局部极小的窘境中,更有利于凭借该算法来为实践做技术支撑,促使整个研究项目的推进更为稳定,直至实现最终的探寻或测算目标[2]。 (2)PSO 算法的流程。纵观全局,粒子群优化算法的流程较为明晰,首先,要进行初始化种群操作,并设置相应的参数初始值;然后,计算每个粒子的适应性,并将其记录下来;第三,根据上两个步骤的操作,选择当前局部最优值;最后,通过系统比较,结合 PSO 本身的位置结构,判断最优解,确定最终结果并输出系统[3]。 2 在改进 PSO 算法影响下的模糊神经网络研究 (1)模糊神经网络研究的初衷。从以往的研究资料中可以看到,智能系统领域的遗传算法和基于梯度下降的BP算法是一段时期以来被广泛采用的方法,但是遗传算法需设置的参数较多,基于梯度下降的 BP 算法的收敛速度慢,且容易陷入 局部极小值[4]。因此,探寻一种在改进的粒子群优化算法影响下的模糊神经网络成为该领域研究人员重点关注的内容。 (2)改进 PSO 算法本身及其性能分析。通过研究 PSO 算法的原理及其相关内容可知,该算法存在一定的局限性,因此,需要借助调整公式参数的方法来改进PSO算法当中的收敛速度,进而提升 PSO 算法的搜寻效率,以及改进 PSO 算法结论 的精准度。 (3)模糊神经网络发展的轨迹及其优势

参考文献

引证文献

问答

我要提问