基于GA改进的LM-BP神经网络大规模模拟电路故障检测研究

LM-BP神经网络在使用过程中容易产生局部最优解的问题,这一现象严重地影响了检测效率和准确性,其自身的流量检测模型在进行大规模模拟电路检测时性能也不够优化,因此,本文设想了一种基于GA进行改进的BP神经网络算法来改善这一问题。在传统的大规模模拟电路故障检测中,经常会发生算法异常现象,所以必须对其进行优化和改进。借助混合编码方式对其进行优化,并对经常应用到的参数进行优化,其中包含交叉、变异算子等。新构建出的LM-BP神经网络大规模模拟电路故障检测系统可由网络异常流量数据对其进行实际检测,判断其可应用性。从研究结果来看,该种故障检测方式的准确性要远高于传统检测方式,无论是自身网络结构或是权值都都得到了大幅度地提升,解决了传统BP算法经常发生局部最优解的问题。