一种基于粒子群优化的神经网络学习算法

摘要

本发明公开了一种基于粒子群优化的神经网络学习算法。首先获取数据作为RBF神经网络的训练样本数据；对训练样本数据进行减聚类处理，确定基函数中心的数量；将粒子群进行初始化处理；对粒子群中每个粒子的适应度进行处理，将该粒子当前的适应度与历史最优适应度相比较，如果更优，则更新pid；将每个粒子的适应度与群体所经历的最好位置的适应度进行比较，如果更优，则更新pgd；调整粒子的速度和位置重复直至符合要求为止；将整个群体所经历过的最好位置的值，解码后作为RBF神经网络的参数，并进行神经网络的训练、精度验证及预测；停止运算。本发明的有益效果是通过引入神经网络改进粒子群优化算法，使得RBF神经网络性能更佳。