基于改进的樽海鞘算法优化BP神经网络参数的分类识别方法 |
| |
作者姓名: | 徐任倩 汪超 王璐 |
| |
作者单位: | 1. 安徽工业大学管理科学与工程学院;2. 安徽工程大学土木建筑工程学院 |
| |
基金项目: | 安徽省自然科学基金项目(NO.2108085MG237);;安徽省教育厅高校自然科学研究项目(KJ2021A0506); |
| |
摘 要: | 针对BP神经网络容易陷入局部最优解从而无法收敛到全局最优解,以及收敛速率过慢的现象,本文采用一种改进的樽海鞘算法寻找BP神经网络的权重和阈值这两个参数的最优参数。之后采用BCI 2003运动想象数据集进行分类识别测试,并且分别利用樽海鞘算法、粒子群优化算法、差分进化算法、权重自适应樽海鞘算法、疯狂自适应樽海鞘算法对BP神经网络进行参数优化作对比研究,结果显示,采用改进的樽海鞘算法优化BP神经网络参数的模型比其他模型得到的平均分类准确率要高。
|
关 键 词: | 樽海鞘算法 参数优化 BP神经网络 分类识别 |
|