李莉
- 作品数：3 被引量：11H指数：2
- 供职机构：江南大学通信与控制工程学院更多>>
- 发文基金：国家高技术研究发展计划更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于NSGA-Ⅱ算法的BP神经网络优化研究被引量：6
- 2009年
- 针对BP(Back Propagation)网络训练时,会遇到陷入局部极小点、收敛速度慢等问题,提出将BP训练看成多目标寻优过程,以网络输出节点的误差最小作为并行搜索的多个目标,通过带精英策略的非支配排序遗传算法(NSGA-Ⅱ,Non-Dominated Sorting Genetic Algorithm Ⅱ)对BP网络的初始权值和阈值进行优化,给出了应用该方法的步骤。通过仿真验证,这种NSGA-Ⅱ&BP算法对一个单输入双输出非线性系统进行逼近,能克服BP网络训练的缺陷,且所建模型对检测样本的拟合程度比单独BP网络的效果要好。
- 李莉史仲平潘丰
- 关键词：BP网络
- 基于NSGA-Ⅱ和BP融合的青霉素发酵过程建模被引量：2
- 2008年
- 针对BP(Back Propagation)网络对青霉素发酵过程建模时,会遇到陷入局部极小点、收敛速度慢等问题,提出将BP训练看成多目标寻优过程,以网络输出节点的误差最小作为并行搜索的多个目标,通过精英策略的非支配排序遗传算法(NSGA-Ⅱ,Non-Dominated Sorting Genetic AlgorithmⅡ)算法对BP网络的初始权值和阈值进行优化,给出了应用该方法的步骤。通过仿真验证,这种NSGA-Ⅱ& BP融合的算法对青霉素发酵过程建模,能克服BP网络训练的缺陷,且所需训练次数大大减少。
- 李莉潘丰
- 关键词：青霉素发酵
- 基于NSGA-Ⅱ的SVM参数优化方法研究被引量：4
- 2008年
- 针对SVM的参数通常依靠经验试凑来确定,提出了将多目标寻优算法NSGA-Ⅱ运用到SVM的参数选取中。该算法利用SVM的三个参数(宽度系数σ,不敏感系数ε,惩罚系数C)作为决策变量,以SVM在实际运用中的寻优对象为目标,进行NSGA-Ⅱ寻优迭代,可获得SVM有效参数。通过有目标约束的参数优化过程,克服了SVM参数选取的随机性和经验性。给出了该方法应用于青霉素发酵过程建模的具体步骤,通过仿真实验证明该算法的有效性。
- 李莉潘丰
- 关键词：支持向量机参数优化青霉素发酵
