基于改进遗传算法的多示例神经网络优化

？多示例神经网络是一类用于求解多示例学习问题的神经网络，但由于其中有不可微函数，使用反向传播训练方法时需要采用近似方法，因此多示例神经网络的预测准确性不高。〖bp）〗为了提高预测准确性，构造了一类优化多示例神经网络参数的改进遗传算法,借助基于反向传播训练的局部搜索算子、排挤操作和适应性操作概率计算方式来提高收敛速度和防止早熟收敛。通过公认的数据集上实验结果的分析和对比，证实了这个改进的遗传算法能够明显地提高多示例神经网络的预测准确性，同时还具有比其他算法更快的收敛速度。