%0 Journal Article
%T DELTA势阱改进QPSO优化BP算法及其应用<br>BP neural network optimized with QPSO algorithm improved by DELTA potential trough and its application
%A 于凤玲
%A 周扬
%A 陈建宏
%A 周汉陵
%J 中国科学院大学学报
%D 2015
%R 10.7523/j.issn.2095-6134.2015.03.019
%X 摘要 为了改进BP算法预测性能,提出QPSO-BP模型.该模型采用DELTA势阱改进的量子粒子群(QPSO)算法优化BP网络的权值与阈值,然后利用各年的GDP数据进行训练和预测.结果表明:经过DELTA势阱改进的QPSO优化BP算法模型比PSO-BP模型和BP神经网络更稳定,预测精度更高且泛化能力更强.与文献中所用模型的运算结果相比较,这种改进模型运算结果的相对误差和平均误差更小,在准确性上也有一定的优势.<br>
%K BP神经网络
%K PSO模型
%K QPSO模型
%K &delta
%K 势阱
%K GDP&lt
%K br&gt
%K back-propagation neural network
%K PSO model
%K QPSO model
%K δ potential trough
%K GDP
%U http://journal.ucas.ac.cn/CN/abstract/abstract12242.shtml