资源描述：
《BP神经网络的IAPSOBPNN组合训练算法》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。
1、第22卷第9期重庆工学院学报(自然科学)2008年9月Vol.22No.9JournalofChongqingInstituteofTechnology(NaturalScience)Sep.2008XBP神经网络的IAPSOBPNN组合训练算法黄丽,唐万梅(重庆师范大学数学与计算机科学学院,重庆400047)摘要:针对BP神经网络易陷入局部极小点、泛化能力低的缺陷,提出了BP神经网络的IAP-SOBPNN(ParticleSwarmOptimizationwithImmunityAlgorithmBac
2、kPropagationNeuralNetwork)组合训练算法,即免疫算法、粒子群算法和BP算法的组合.将此组合训练算法应用到非线性函数逼近和具有复杂非线性动力学特征的股价预测中,仿真实验表明,该算法避免了网络陷入局部极小点,提高了网络的泛化能力,同时为BP网络参数的确定提供了一条崭新的思路.关键词:BP神经网络;IAPSOBPNN组合训练算法;非线性函数逼近;股价预测中图分类号:TP183文献标识码:A文章编号:1671-0924(2008)09-0120-07IAPSOBPNNCombinedTra
3、iningAlgorithmsforBPNeuralNetworkHUANGLi,TANGWan-mei(CollegeofMathematicsandComputerSciences,ChongqingNormalUniversity,Chongqing400047,China)Abstract:BPneuralnetworkiseasilytrappedintolocalminima,andhaslowgeneralizationability.Intermsoftheseproblems,IAPSO
4、BPNN(ParticleSwarmOptimizationwithImmunityAlgorithmBackPropa-gationNeuralNetwork)combinedtrainingalgorithmisproposed,namely:acombinationofimmunityalgo-rithm,particleswarmoptimizationandbackpropagationalgorithm.Thecombinedtrainingalgorithmisap-pliedtotheno
5、nlinearfunctionapproximationandstockpriceforecastwithcomplexnonlineardynamicchar-acteristic,andthesimulationresultsindicatethatthealgorithmavoidsthenetworkfromlocalminima,en-hancesthegeneralizationabilityofthenetwork,providesanewideaforfixingtheparameters
6、ofBPnet-work.Keywords:BPneuralnetwork;IAPSOBPNNcombinedtrainingalgorithm;nonlinearfunctionapproxima-tion;stockpriceforecastX收稿日期:2008-03-17基金项目:重庆市教委科研项目(KJ060818,KJ060804);重庆师范大学校级科研项目(06XLB23).作者简介:黄丽(1982)),女,重庆铜梁人,硕士研究生,主要从事人工神经网络及其应用研究.黄丽,等:BP神经网络的IA
7、PSOBPNN组合训练算法121BP神经网络是目前应用最广、最具代表性的SO算法对BP网络进行训练,找到一个较优解,然网络,被广泛应用于模式识别、函数逼近、预测等后将此时网络参数作为BP算法的初始参数再进领域.由于BP网络采用的BP算法是基于梯度的行训练,最终搜索出最优的网络参数.最速下降法,不可避免地存在易陷入局部极小点、泛化能力低的缺陷,但这很大一部分原因是网络1BP神经网络参数的问题,参数成为BP神经网络最引人注意的特征.可说在BP神经网络的发展过程中,网络参1.1BP神经网络结构数的研究一直占据重
8、要地位.鉴于此,国内外研究BP神经网络是以美国DERumenlhart为首的[1-2]者对其提出了大量的改进算法,如遗传算法、学者在1986年提出的,它是由非线性变换单元组[3-4][5-6]成的多层前馈网络,一般由输入层、隐含层和输出模拟退火算法、粒子群算法等,在BP网络参数确定方面取得了一定效果.层3部分构成,隐含层可以为1层或多层.理论表[16-17]粒子群算法(ParticleSwarmOptimization,PSO
