前馈神经网络的一种高精度快速训练法——混合遗传算法

针对前馈型人工神经网络(FANN)的训练问题,提出了一种把遗传算法(Genetic Algorithm)与共轭梯度算法(Conjugate Gradient Algorithm)相结合的混合遗传算法。遗传算法主要用于初始权值的优化,而共轭梯度算法则是一步实行高精度训练。使用混合算法的目的有三:1)绕过局部极小值;2)加快前馈神经网络的训练速度;3)提高训练精度。通过混合遗传算法与改进BP算法的对的对比显示,用混合遗传算法要比改进的BP算法快数十倍,且不易遇到局部极小点。 文章首先阐述了FANN的训练方法概况,然后提出混合遗传算法,并介绍遗传算法和共轭梯度算法的原理。最后给出FANN的应用实例,给出混合遗传算法,解释各步的含义,并给出改进的BP算法与混合遗传算法对比的结果。