文献类型：期刊文章

作　　者：刘坤[1,2] 谭营[1,2] 何新贵[1,2]

机构地区：[1]北京大学机器感知与智能教育部重点实验室,北京100871 [2]北京大学信息科学技术学院,北京100871

出　　处：《北京大学学报（自然科学版）》

基　　金：国家自然科学基金(60875080;60673020);863计划(2007AA01Z453)资助

年　　份：2011

卷　　号：47

期　　号：2

起止页码：238-244

语　　种：中文

收录情况：AJ、BDHX、BDHX2008、CAS、CSCD、CSCD2011_2012、EI、IC、INSPEC、JST、MR、PROQUEST、RCCSE、RSC、SCOPUS、WOS、ZGKJHX、ZMATH、ZR、核心刊

摘　　要：基于粒子群优化为过程神经元网络提出了一种新的学习算法。新算法在对网络输入函数和连接权函数进行正交基函数展开后,将网络中的结构参数和其他参数整合成一个粒子,再用粒子群优化算法进行全局优化。新算法不依赖于函数梯度信息,不需要手动调节网络结构。粒子群优化具有良好的全局优化性能和收敛性能,保证了过程神经元网络的全局学习能力和新学习算法的收敛能力,更好地发挥过程神经网络的逼近性能。两个实际预测问题的实验结果表明,基于粒子群优化的学习算法比现有的基于梯度的基函数展开方法以及误差反传神经网络模型具有更好的预测精度。

关 键 词：过程神经元网络 学习算法 粒子群优化 基函数展开  

分 类 号：TP183]