%0 Journal Article
%T Optimizing structure and parameters of feedforward neural networks using hybrid particle swarm optimization<br>混合粒子群优化算法优化前向神经网络结构和参数
%A 唐贤伦
%A 庄陵
%A 李银国
%A 曹长修
%J 计算机应用研究
%D 2007
%I 
%X 提出了综合利用粒子群优化算法（PSO）和离散粒子群优化算法（D-PSO）同时优化前向神经网络结构和参数的新方法。该算法使用离散粒子群优化算法优化神经网络连接结构,用多维空间中0或1取值的粒子来描述所有可能的神经网络连接,同时使用粒子群优化算法优化神经网络权值。将经过该算法训练的神经网络应用于故障诊断,能够有效消除冗余连接结构对网络诊断能力的影响。仿真试验的结果表明,相比遗传算法等其他算法,该算法能够有效改善神经网络结构和参数的优化效率,提高故障模式识别的准确率。
%K particle swarm optimization(PSO)
%K artificial neural network
%K fault diagnosis
%K genetic algorithm<br>粒子群优化
%K 神经网络
%K 故障诊断
%K 遗传算法
%U http://www.alljournals.cn/get_abstract_url.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=A9D9BE08CDC44144BE8B5685705D3AED&aid=4F722F68ABE4FDEA4272D9E6638761F9&yid=A732AF04DDA03BB3&vid=B91E8C6D6FE990DB&iid=59906B3B2830C2C5&sid=C753EB8AC8F551B9&eid=39EEF47180459690&journal_id=1001-3695&journal_name=计算机应用研究&referenced_num=2&reference_num=10