改进的粒子群算法优化神经网络及应用

摘要

针对神经网络权值选取不精确的问题,提出改进的粒子群优化算法结合BP神经网络动态选取权值的方法.在改进的粒子群优化算法中,采用动态惯性权重,并且认知参数与社会参数相互制约.同时,改进的粒子群优化算法结合差分进化算法使粒子拥有变异与交叉操作,保持粒子的多样性.基于改进的粒子群优化算法与BP神经网络,构建IPSONN神经网络模型并运用于酒类品质的预测.实验分别从训练精度、正确率及粒子多样性三方面验证了IPSONN模型的有效性.