基于旋转曲面变换PSO算法的神经网络用于胺类有机物毒性分类

摘要

神经网络模型能有效地模拟非线性的输入输出关系.本研究应用三层前馈网络对51种胺类有机物进行了结构-毒性关系的分类研究.常规的神经网络权值训练算法,例如误差反传算法,存在着收敛速度慢,容易陷入局部极值点等问题.因此提出旋转曲面变换粒子群优化算法,将被优化函数的局部极小点变换为全局最大点,同时不改变比局部极小点的值更小的区域的函数形状.此方法和粒子群优化相结合,能使待优化函数跳出局部极值点,提高训练神经网络权值的效率.实验结果显示,基于旋转曲面变换粒子群优化算法的神经网络,权值训练过程收敛速度较快,且自检误差和预报误差都较小,是一种有效的胺类有机物毒性分类方法.