摘要
基于变尺度混沌优化的方法可以利用混沌变量的特定内在随机性和遍历性来跳出局部最优点,并可以变尺度搜索提高局部空间的搜索速度和精度。把该方法应用到神经网络的权值优化中,可以得到很好的效果。
The variable-metric chaos optimization algorithm(COA)takes advantage of the intrinsic stochastic property and ergodicity of chaos movement to escape from the local minimum.And the local search ability of variable-metric can speed up the rate of convergence.The method has been used in NN and gained good effect.
出处
《计算机工程与应用》
CSCD
北大核心
2001年第21期21-23,共3页
Computer Engineering and Applications
基金
国家937重点基础研究专向经费资助(编号:G1998-030405)
关键词
变尺度混沌优化
混沌变量
神经网络
学习算法
variable-metric chaos optimization algorithm,chaos movement ,neural network(NN)