基于改進的粒子群優(yōu)化算法的小波神經(jīng)網(wǎng)絡(luò).pdf

1、在傳統(tǒng)小波神經(jīng)網(wǎng)絡(luò)中，一般采用的網(wǎng)絡(luò)訓練方法是梯度下降法，這是一種局部搜索算法，容易使網(wǎng)絡(luò)陷入局部極值，所得的網(wǎng)絡(luò)訓練誤差較大?；玖Ｗ尤簝?yōu)化小波神經(jīng)網(wǎng)絡(luò)避免了梯度下降法中要求激活函數(shù)可微、對函數(shù)求導的過程計算，但是迭代公式依然復雜，計算量依然比較大。
　　 本論文將一種改進的粒子群優(yōu)化算法運用于小波神經(jīng)網(wǎng)絡(luò)，以更小的種群數(shù)和進化世代數(shù)優(yōu)化了小波神經(jīng)網(wǎng)絡(luò)中的各個參數(shù)，并將該方法應(yīng)用于曲線擬合仿真實驗。實驗表明，該算法能減少迭代次

2、數(shù)、提高收斂精度，是小波神經(jīng)網(wǎng)絡(luò)的有效訓練算法，獲得了非常好的優(yōu)化效果。本文一共包括六章。
　　 第一章主要介紹目前國內(nèi)外小波神經(jīng)網(wǎng)絡(luò)的發(fā)展和研究現(xiàn)狀，并闡述本文所做研究的背景、主要工作和創(chuàng)新。第二章主要介紹了小波神經(jīng)網(wǎng)絡(luò)的基本原理及幾種常見的訓練算法。第三章介紹了基本粒子群優(yōu)化算法以及本文用到的改進了的粒子群優(yōu)化算法。第四章主要闡述基于改進的粒子群優(yōu)化算法的小波神經(jīng)網(wǎng)絡(luò)的設(shè)計思想及訓練算法。第五章中，筆者對所設(shè)計的改進的粒子群