摘要
针对用遗传算法优化神经网络时存在"近亲繁殖"以及在后期搜索效率低的问题,分析常见遗传编码存在的问题,把每一个网络转换成一个规范形式,从而排除神经网络的冗余编码,并通过评价节点相关性删除对网络输出无贡献的隐节点.为提高算法寻优速度,将自适应交叉变异概率用于遗传操作,并限制进入交叉的两个个体适应度距离要满足规定的阈值,从而保持种群的多样性,最后从不同角度验证本文所提出的方法的有效性.实验表明该方法对保持种群的多样性,加快进化速度比较有效,一定程度上缓解"早熟收敛",从而大大减少学习参数,提高学习效率.
This paper analyzes the problems of the traditional genetic encode and improves it and evaluates the correlation of nodes,because traditional GA is easy to lead inbreeding and low search efficiency when it optimizes NN.Mutation rate,crossover rate,crossover operator and selection operator are improved to a certain extent.The simulation shows our new method keeps the population diversity from different prospects and accelerates the speed of evolution.So it reduces the learning parameters significantly and improves the learning efficiency.
出处
《曲靖师范学院学报》
2010年第3期63-66,共4页
Journal of Qujing Normal University
基金
云南省社会发展科技计划项目(2009ZC128M)阶段性研究成果
关键词
遗传算法
神经网络
遗传编码
交叉概率
变异概率
genetic algorithm
neural network
genetic encode
mutation rate
crossover rate
