申请/专利权人：桂林理工大学

申请日：2023-02-20

公开（公告）日：2023-05-26

公开（公告）号：CN116167428A

主分类号：G06N3/08

分类号：G06N3/08;G06N3/0499;G06Q10/04;G06N3/006

优先权：

专利状态码：在审-实质审查的生效

法律状态：2023.06.13#实质审查的生效;2023.05.26#公开

摘要：本发明公开一种基于改进人工电场算法的BP神经网络优化方法，属于人工智能技术领域。该发明首先搭建BP神经网络，并设计一种改进的人工电场IAEF算法对BP神经网络的初始权值和阈值进行寻优，以增强网络的可应用性。在IAEF算法中，对原始人工电场AEF算法中的库伦系数生成规则进行重新设计，实现了全局勘探和局部开发之间的平衡，增强了算法的收敛性能。在此基础上，采用优化的BP神经网络对Mackey–Glass混沌时间序列进行预测，获得了较高的预测精度。

主权项：1.一种基于改进人工电场算法的BP神经网络优化方法，其特征在于，具体按照如下步骤实施：步骤1、搭建BP神经网络，包含定义BP神经网络的层数与各层的神经元个数等；步骤2、初始化改进人工电场IAEF算法参数：种群规模Np、解空间维数D、最大迭代次数T、初始参数b、步长c等；步骤3、生成IAEF算法初始种群，并评估每个粒子位置xi的适应度fxii＝1,2,…,Np，确定全局最优位置xbest；步骤4、生成库伦系数kt；步骤5、更新种群中每个粒子的速度vi和位置xi；步骤6、计算粒子新位置xit+1的适应度，若fxit+1fxit，则保留粒子的新位置，即xit＝xit+1；步骤7、判断是否达到给定的最大迭代次数T，如是，则输出全局最优位置xbest，否则，返回步骤4继续循环；步骤8、将全局最优位置xbest赋予BP神经网络，并对Mackey–Glass混沌时间序列进行训练与预测。

全文数据：

权利要求：

百度查询： 桂林理工大学 一种基于改进人工电场算法的BP神经网络优化方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD