基于遗传算法的多阶段神经网络模型训练方法

摘要

本发明涉及一种基于遗传算法的多阶段神经网络模型训练方法，其技术特点是包括以下步骤：对数据进行预处理以消除字段的量纲影响；根据输入层、隐含层、输出层节点数，构建多输入层网络结构；采用遗传算法训练初始权重和阈值；利用迭代算法更新权重；根据迭代次数及模型误差判断是否满足模型终止条件：如果满足，则模型结束，否则重新更新权重。本发明针对过程控制中参数分阶段影响输出的问题，构建一个多阶段神经网络结构，根据遗传算法具有全局搜索的特点，采用其为网络结构选择一组较合理的初始权重，从而尽可能地防止网络训练进行局部极小点，解决了只有一个输入层的神经网络结构无法解决工程控制中具有前后顺序的参数影响产品加工的问题。