Все статьи автора в журнале: Тань В.

1. Применение генетического алгоритма для оптимизации нейронных сетей ВР

   Application of a genetic algorithm to optimize BP neural networks

   Номер: 2020 / 06

   Сюй Ц. | Syuy TS. | Лукьянова Н.В. | Lukyanova N.V. | Лун С. | Lun S. | Цибизова Т.Ю. | TSibizova T.YU. | Тань В. | Tan V. | vesta952006@yandex.ruvesta952006@yandex.ru

   Авторы статьи

   Authors

   Сюй Ц.

   Syuy TS.

   Лукьянова Н.В.

   Lukyanova N.V.

   Лун С.

   Lun S.

   Цибизова Т.Ю.

   TSibizova T.YU.

   Тань В.

   Tan V.

   vesta952006@yandex.ru

   vesta952006@yandex.ru

   ---

   Применение генетического алгоритма для оптимизации нейронных сетей ВР

    

   УДК 681.513 

   DOI: 10.36652/0869-4931-2020-74-6-259-263

    

   Для предотвращения дефекта локального минимума при использовании алгоритма обучения нейронной сети BP предложено использовать генетический алгоритм. Генетический алгоритм сначала используется для оптимизации веса и порога нейронной сети BP, а затем полученные значения применяются для оптимизации нейронной сети BP. Производительность оптимизированной сети оценивается с использованием данных моделирования. Результаты численного моделирования показывают, что нейронная сеть BP, оптимизированная с помощью генетического алгоритма, может эффективно устранить дефект локального минимума, который легко найти в исходной нейронной сети BP, и обладает преимуществами быстрой скорости сходимости и высокой точности.

   ---

   Ключевые слова

   нейронная сеть BP; генетический алгоритм; дефект локального минимума; оптимизация

   Application of a genetic algorithm to optimize BP neural networks

   A genetic algorithm is proposed to us to prevent a local minimum defect when using the BP neural network learning algorithm. The genetic algorithm is first used to optimize the weight and threshold of the BP neural network, and then obtained values are used to optimize the BP neural network. Optimized network performance is estimated using simulation data. The results of numerical simulations show that the BP neural network optimized by the genetic algorithm can effectively eliminate a local minimum defect, which is easy to find in the original BP neural network, and has the advantages of fast convergence rate and high accuracy.

   ---

   Keywords

   BP neural network; genetic algorithm; local minimum defect; optimization