資源描述：
《GA_BP神經(jīng)網(wǎng)絡與BP神經(jīng)網(wǎng)絡性能比較_劉春艷》由會員上傳分享，免費在線閱讀，更多相關內容在行業(yè)資料-天天文庫。
1、中國衛(wèi)生統(tǒng)計2013年4月第30卷第2期·173·*GA-BP神經(jīng)網(wǎng)絡與BP神經(jīng)網(wǎng)絡性能比較11，21，21△3劉春艷凌建春寇林元仇麗霞武俊青【提要】目的在MATLAB軟件上擬合BP與GA-BP神經(jīng)網(wǎng)絡數(shù)據(jù)，比較傳統(tǒng)BP與GA-BP神經(jīng)網(wǎng)絡擬合數(shù)據(jù)的效果，并確定網(wǎng)絡模型。方法利用計生、衛(wèi)生部門聯(lián)合開展VCT服務影響因素分析結果的資料，研究采用遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡的初始權值和閾值，并通過“試錯法”確定隱含層神經(jīng)元數(shù)，比較傳統(tǒng)BP神經(jīng)網(wǎng)絡與GA-BP神經(jīng)網(wǎng)絡擬合數(shù)22據(jù)的效果。結果GA-BP神經(jīng)網(wǎng)絡相對于BP神經(jīng)網(wǎng)絡擬合數(shù)據(jù)迭代步數(shù)更少、能更快地達到預設目
2、標;在R和調整R無統(tǒng)計學差異的前提下，當隱含層神經(jīng)元為15時，BP神經(jīng)網(wǎng)絡和GA-BP神經(jīng)網(wǎng)絡均比較穩(wěn)定，GA-BP擬合效果更好。結論GA-BP神經(jīng)網(wǎng)絡建模穩(wěn)定性高，GA-BP神經(jīng)網(wǎng)絡較BP神經(jīng)網(wǎng)絡能達到預設目標的次數(shù)更多，能達到全局最優(yōu)，表明遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡具有可行性?！娟P鍵詞】BP神經(jīng)網(wǎng)絡GA-BP神經(jīng)網(wǎng)絡人工神經(jīng)網(wǎng)絡(artificialneuralnetwork)是近年來神經(jīng)網(wǎng)絡初始權重和閾值，提高BP神經(jīng)網(wǎng)絡的穩(wěn)定應用廣泛的一種模擬人腦神經(jīng)系統(tǒng)的結構和功能的人性，縮短占機時間。工智能方法，它采用非線性并行處理方式，具有強大的針對BP神經(jīng)網(wǎng)
3、絡存在的“初始權值和閾值的隨學習和適應能力，可用于影響因素分析。BP(back機性”，本文通過擬合此次調查數(shù)據(jù)，研究采用遺傳算propagation)神經(jīng)網(wǎng)絡是非線性不確定性數(shù)學模型，是法(geneticalgorithms，GA)優(yōu)化BP神經(jīng)網(wǎng)絡的初始權一種具有連續(xù)傳遞函數(shù)的多層前饋人工神經(jīng)網(wǎng)絡，訓值和閾值，并通過“試錯法”確定隱含層神經(jīng)元數(shù)，比練方式是誤差反向傳播算法(BP算法)，并以均方誤較傳統(tǒng)BP神經(jīng)網(wǎng)絡與GA-BP神經(jīng)網(wǎng)絡擬合數(shù)據(jù)的效差最小化為目標不斷修改網(wǎng)絡的權值和閾值，最終能果，并計算各輸入變量的敏感度?！?〕高精度地擬合數(shù)據(jù)。BP神經(jīng)網(wǎng)絡對
4、資料的分布沒原理和方法有要求，有多種連接函數(shù)，對多重共線性和離群點的影響不敏感，可定性地揭示輸入變量對輸出變量的影響1.BP神經(jīng)網(wǎng)絡工作原理及過程〔2〕程度，從而達到分析影響因素的目的。BP神經(jīng)網(wǎng)絡的產生歸功于BP算法的獲得，BP算〔3〕在使用過程中發(fā)現(xiàn)BP算法也存在著缺陷:(1)法屬于梯度下降算法，是一種監(jiān)督式的學習算法。設BP神經(jīng)網(wǎng)絡建模過程中，為保證逼近樣本性質，必須輸入層神經(jīng)元為P=［p1，p2，…，pi］，隱含層神經(jīng)元為適當?shù)剡x擇隱含層神經(jīng)元數(shù)，降低網(wǎng)絡誤差，提高精S=［s1，s2，…，sk］，輸出層神經(jīng)元為A=［a1，a2，…，1度，但隱含層神
5、經(jīng)元數(shù)的最佳數(shù)量沒有定論;(2)網(wǎng)絡aj］，Wk，i表示輸入層第i個神經(jīng)元與隱含層第k個神2的初始權值和閾值是隨機產生的，選擇缺乏依據(jù)，而經(jīng)元之間的連接權值，Wj，k表示隱含層第k個神經(jīng)元與BP神經(jīng)網(wǎng)絡連接權值和閾值的整體分布決定著數(shù)據(jù)輸出層第j個神經(jīng)元之間的連接權值;隱含層的激發(fā)121擬合的效果。傳統(tǒng)的權值和閾值獲取方法都是隨機給函數(shù)為f，輸出層的激發(fā)函數(shù)為f，bsk表示隱含層各神定一組初始權值，然后是采用BP算法，在訓練中逐步2經(jīng)元的閾值，baj表示輸出層各神經(jīng)元的閾值。其中，調整，最終得到一個較好權值分布;(3)BP算法是基W1、W2、b1、b2∈(
6、－1，1)。k，ij，kskaj于梯度下降方法，存在局部最優(yōu)問題。因此，不同的初(1)信息的正向傳遞始權值可能會導致網(wǎng)絡不收斂或陷入局部極值點。輸入層各神經(jīng)元與隱含層各神經(jīng)之間以相應的權近年來新發(fā)展的遺傳算法是模擬生物進化過程的1，從輸入層的每一重連接，隱含層的第一個神經(jīng)元x1另一種人工智能方法。它遵循“優(yōu)勝劣汰”的原則，選11個神經(jīng)元處得到輸出值，加權求和p1×w1，1+p2×w1，2擇進化好的個體作為最優(yōu)解。該法具有全局最優(yōu)的特111+…+pi×w1，i，加上閾值bsi，通過激發(fā)函數(shù)f，得到該點，能很好地克服BP算法局部最優(yōu)缺陷，且能優(yōu)化BP神經(jīng)元的輸
7、出值:111111x1=f((p1×w1，1+p2×w1，2+…+pi×w1，i)+bsi)*:國家自然科學基金項目(30872183)輸出層第一個神經(jīng)元a1接收隱含層每一個神經(jīng)1.山西醫(yī)科大學公共衛(wèi)生學院衛(wèi)生統(tǒng)計學教研室(030001)11111元輸出值，并加權求和得x1×w1，1+x2×w1，2+…+xk2.山西省醫(yī)藥衛(wèi)生期刊社(030012)1223.上海計劃生育科學研究所(200032)×w1，k，加上閾值ba1，通過激發(fā)函數(shù)f，得到輸出層該△通信作者:仇麗霞，E-mail:qlx1126@yahoo.com.cn神經(jīng)元的輸出值:·174·Chin
8、eseJournalofHealthStatistics，Apr2
