基于混沌免疫算法的深度信念网络参数优化

发布时间：2022-01-04 14:32

　　针对深度信念网络在参数训练过程中易陷入局部搜索、收敛速度慢等问题,提出利用改进的混沌免疫算法优化深度信念网络参数的方法。采用混沌初始化和自适应变异,提高抗体种群的多样性;引入可变选择算子,加快算法的寻优速度。函数拟合实验和滚动轴承故障诊断实验结果表明,与粒子群优化算法和基本的克隆选择算法相比,该算法能够得到更优的网络参数,提高了深度信念网络的特征提取能力,加快了网络训练的收敛速度。 

【文章来源】：计算机工程与设计. 2019,40(09)北大核心

【文章页数】：6 页

【参考文献】：
期刊论文
[1]基于PCA-PDBNs的故障检测与自学习辨识[J]. 王培良,夏春江.  仪器仪表学报. 2015(05)

硕士论文
[1]改进的萤火虫算法及应用[D]. 李瑞青.吉林大学 2015



本文编号：3568515