| 改进的粒子群算法及其在软测量建模中的应用 |
| |
| 引用本文： | 宁国忠,孟科,颜学峰,钱锋.改进的粒子群算法及其在软测量建模中的应用[J].医学教育探索,2007(3):400-404. |
| |
| 作者姓名： | 宁国忠 孟科 颜学峰 钱锋 |
| |
| 作者单位： | 华东理工大学信息科学与工程学院; |
| |
| 基金项目： | 国家自然科学基金项目(20506003);;上海启明星项目(04QMX1433);;教育部科学技术研究重点项目(106073);;国家杰出青年基金(60625302);;国家973计划基金(2002CB3122000) |
| |
| 摘 要： | 提出了一种改进的粒子群算法,很好地解决了基本粒子群算法中易陷入局部最优的缺点。通过比较和分析几个标准测试函数的计算结果,改进的粒子群算法的优良性得到充分的证明。改进的粒子群算法被用于优化神经网络的结构和参数,结果表明:不但网络的结构得到控制,而且泛化性能有了较大的提高。同时,算法在优化神经网络上的有效性也在4-CBA含量的软测量建模中得到了很好的证实。
|
| 关 键 词： | 粒子群算法 软测量 建模 神经网络 |
An Improved Particle Swarm Algorithm and Its Application in Soft Sensor Modeling |
| |
| NING Guo-zhong,MENG Ke,YAN Xue-feng,QIAN Feng.An Improved Particle Swarm Algorithm and Its Application in Soft Sensor Modeling[J].Researches in Medical Education,2007(3):400-404. |
| |
| Authors: | NING Guo-zhong MENG Ke YAN Xue-feng QIAN Feng |
| |
| Institution: | School of Information Science and Engineering;East China University of Science and Technology;Shanghai 200237;China |
| |
| Abstract: | An improved PSO(particle swarm optimization) algorithm is presented which well addresses slow convergence speed and low calculation precision in the basic PSO algorithm.By comparing and analyzing the results of several standard test functions,the excellent performance of PSO is proved.Then,the improved PSO is applied to optimization of the structure and parameters in NN(neural network).The availability of algorithm in optimizing neural network is proved by applying NN in soft sensor modeling of 4-CBA measur... |
| |
| Keywords: | particle swarm optimization soft sensor modeling neural network |
|
| 点击此处可从《医学教育探索》浏览原始摘要信息 |
| 点击此处可从《医学教育探索》下载免费的PDF全文 |
