WNN中的改进PSO算法及参数初始化.pdf

《WNN中的改进PSO算法及参数初始化.pdf》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34卷第8期华中科技大学学报自然科学版Vol.34No.8Z006年8月J.uazhongUniv.ofSci.Tech.NatureScienceEditionAug.Z006WNN中的改进PSO算法及参数初始化岑翼刚孙德宝李宁!华中科技大学控制科学与工程系"湖北武汉430074#摘要!利用粒子群PSO算法替代BP算法对小波神经网络WNN进行训练针对局部极小值问题提出了改进的PSO算法即判断当粒子陷入局部极小时将其重新初始化并对小波的平移和伸缩参数的初始化进行了研究避免了网络的盲目搜索减少了

2、迭代次数.通过非线性函数逼近的仿真结果表明上述措施有效提高了网络搜索成功率在一定程度上解决了局部极小值的问题.关键词!小波神经网络粒子群优化算法平移参数伸缩参数中图分类号!TP391文献标识码!A文章编号!1671-451ZZ00608-0043-03InitializationofthewaveletparametersandtheapplicationsofadvancedPSoalgorithminWNNCenYigangSunDebaoLiNingAbstractPSOalgorithm

3、toinsteadoftheBPalgorithmforthewaveletneuralnetworktrainingwasused.TheadvancedPSOalgorithmisproposedbyaimingatthelocalminimumproblem.Theinitial-izationmethodofthescaleparametersandthetranslationparametersofthewaveletareproposedinordertoavoidthenetwor

4、kblindsearching.Accordingtothesemeansthenetworkconvergencerateisgreatlyenhancedandtheiterationisdecreased.Provenbythesimulationsofthenonlinearfunctionapproximationthenetworkconvergencerateisimprovedefficientlyandthelocalminimumproblemissolvedinacerta

5、indegree.KeywordswaveletneuralnetworkWNNparticleswarmoptimizerPSOtranslationparameterscalingparametersCenYigangDr.Dept.ofControlSci.Eng.uazhongUniv.ofSci.Tech.Wuhan430074China.小波神经网络WaveletNeuralNet-试验的比较结果.1Zwork是基于小波分析所构造的一种新的神经网络模型具有较强的逼近容错能力.粒子群小

6、波基参数初始化优化算法是Eberhart和Kennedy于1995年提出的一种新的基于群智能的优化算法这种算法以小波重构公式为K其实现容易精度高收敛快等优点引起了学术界*t-bi1ft=EUi的重视并且在解决实际问题中展示了其优越i=1ai3～5式中为小波基的个数.上式可以理解为原信号性.本文主要研究了改进的粒子群算法及其函数可以由加权小波基进行线性叠加来实现.对在小波神经网络中的应用以及小波伸缩和平移参于一个三层的前向神经网络的输出表达式为数的初始化问题并针对搜索成功率给出了仿真收稿日期!Z

7、005-05-19.作者简介!岑翼刚1978-男博士武汉华中科技大学控制科学与工程系430074.E-mailcenyigang1＠etang.com基金项目!航天技术创新基金资助项目.44华中科技大学学报(自然科学版)第34卷}=f(EwiJi6i)(Z)式中:i表示第i个神经元Sf(J)为神经元激励函2粒子群改进算法数Sw为加权系数SJ为输入S6为偏移量.iii原有的粒子群算法收敛速度虽然快然而其对比式(1)和(Z)不难看到可以构造一个三很容易陷入局部极小为了使得算法的搜索成功层的神经网络通

8、过将所选取的小波基进行线性率增大需要对原有的粒子群算法进行改进目加权叠加来实现对非线性函数的逼近即式(1).前改进的PSO算法有局部PSO多相PSO在一定的误差范围内总可以选择一组数量最少的小波基min