用于前馈神经网络的遗传设计

摘要

在人工神经网络应用中，由于存在网络规模和拓扑结构难以预先确定，网络学习速度慢，且易于收敛到局部最优点等问题，有关文献提出了采用基于遗传算法（ＧＡｓ） 思想进行设计和学习的方法，该方法能够同时确定网络的结构及有关参数。该文在此基础上，对此方法进行了改进，改进之处在于，采用浮点数矩阵来表示编码，同时对于遗传算法的进化过程也进行了一定的改进，使该方法能够接受一定的约束条件。针对前馈型神经网络，该方法在满足一定约束条件的情况下，能同时有效地寻找到合适的网络结构和相应的参数（ 神经网络的权值和阈值） ， 新方法较原方法在精度和速度上都有较大的提高。