基于单形进化的多项式神经网络训练算法

来源 :电脑知识与技术 | 被引量 : 0次 | 上传用户:loveF
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
  摘 要: 在多项式神经网络训练算法中,当采用智能优化算法进行学习优化时,智能优化算法的控制参数对学习效果有很大影响,针对这一问题,本文提出了一种多项式神经网络的智能优化方法,其的控制参数是通过对单形领域的完全随机搜索来使用的,且粒子的多样性是通过种群的多特征状态来维持的,以避免算法陷入局部最优解,试验结果表明,该算法训练的神经网络不仅能有效提高识别率,而且能减小控制参数对学习性能的影响,提高算法的整体鲁棒性。
  关键词:多项式神经网络;识别率;进化策略;分类
  Abstract: In the polynomial neural network training algorithm, when the intelligent optimization algorithm is used for learning optimization, the control parameters of the intelligent optimization algorithm have a great impact on the learning effect. In order to solve this problem, this paper proposes an intelligent optimization method of polynomial neural network, whose control parameters are used by completely random search in the simplex field, The experimental results show that the neural network trained by the algorithm can not only effectively improve the recognition rate, but also reduce the influence of control parameters on the learning performance, and improve the overall robustness of the algorithm.
  Key words: polynomial neural network; Recognition rate; Evolutionary strategy; classification
  1 引言
  随着信息技术的不断发展,人工智能也在不断发展。在20世纪40年代,一个跨学科的人工神经网络被开发出来。它是一个简化的人工智能系统,模拟生物神经系统的结构、过程和功能[1],作为人类智能研究的重要组成部分,生物神经系统的处理和功能可以应用于许多学科,因此,它已成为许多学科关注的焦点[2]。由于人工神经网络是一种最接近人类实现的机器学习算法,目前已有近40种神经网络模型[3-7]。虽然人类学习如何区分事物很容易,但生物学的过程非常简单。另外,参数对神经网络有很大的影响。
  多项式神经网络(PNN)是根据用户的需要自动生成网络层和节点的一种神经网络学习算法,具有很强的自适应能力。在高度非线性系统仍然存在一些缺陷,网络变得非常复杂[8]。
  目前,大多数学者对全局优化问题感到困惑,提出了许多不同的全局优化算法,但该算法仍存在一些不足。例如,为了避免在搜索过程中陷入局部最优,大多数算法都是通过设置多个控制参数来实现的。同时,大多数改进算法都是通过增加算法的复杂度或引入更多的控制参数来实现的。这必然导致计算速度的降低和计算时间的延长。
  在此基础上,本文将单形进化智能优化算法引入到多项式神经网络中进行学习。
  2 多项式核函数神经网络
  考虑到實际应用数据的相关性,本文选取具有全局性的多项式核函数[9],设d为正整数,则d阶齐次多项式函数为:
  3 基于单形进化的多项式神经网络训练算法
  3.1 一种新的智能优化算法
  本文提出了一种新的智能优化算法,对新的智能优化算法的具体性能和原理、算法的理解在文献[10]中有较好的认识。该新的优化算法的目的是提高智能优化算法的收敛性和稳定性。新的智能优化算法训练多项式神经网络的基本步骤如下[17-18]:
  (1)根据搜索空间的均匀分布,将X个粒子进行初始化和随机定位;
  4 仿真实验
  4.1 数据集概述
  为了保证实验结果的可靠性和准确性,本文在UCI数据库中选取了两组数据集,对特征进行测试。
  (1)乳房组织数据集[11]
  测量了64名妇女106个乳腺样本的电阻抗特性[12]。测量了所有乳腺标本在7个频率下的电阻抗特性,提取了9个特征。根据样本数量和阻抗特性,将其分为六类,如表所示。
  (2)葡萄酒数据集[13]
  对同一地区种植的3种不同葡萄品种的13种成分进行了化学分析。这13个分量的个数作为特征向量。葡萄酒品种分为三大类,分别用数字1、2和3表示。其中,第一类样本59个,第二类样本71个,第三类样本48个。
  4.2 实验结果
  (1)乳房组织数据集
  表2显示实验训练测试的样本总数为9个,每个类的样本数为14个,与现有一些方法的识别率进行了比较。
  (2)葡萄酒数据集
  表3显示了这些数据的不同识别率,结果1nn(Z变换数据)的识别率来源于对葡萄酒识别数据集的描述。
  通过以上数据的比较,得出以下分析结果:
  1)从表2和表3可以看出,新算法的识别率高于大多数现有算法,但略低于一些已成熟的算法。   2)图2和图4表明,迭代次数的增加与样本数的增加有关,从而导致收敛速度的降低。
  3)图3和图5表明,迭代次数的增加与特征值个数有关,从而导致收敛速度的降低。
  4)该算法以种群数为控制参数,收敛速度快,且只需要一个控制参数,可以以较低的复杂度获得更好的性能。例如,虽然GA-SVM在乳腺组织数据集中列出的识别方法中识别率最高,但其识别率差异很大。识别率在92.31%~69.23%之间,只有在参数最优的情况下才能实现最佳。
  5)实验发现当样本数据具有总体分布特征时,选择多项式核函数来提高识别率。
  5 结论
  本文提出了一种新的多项式神经网络智能优化学习算法,并进行了实验研究。单形进化算法充分利用了其全局搜索和控制参数的优点, 它平衡了搜索精度和搜索范围,提高了收敛性能的方差和平均指标,体现了算法的稳定性和可靠性。应用于分类,并与其他算法进行了比较。实验结果表明,虽然实验中选取的两个数据库的识别率都不高,但单参数控制和多角色状态保证了算法的鲁棒性。且样本数据具有总体分布特征时,选择多项式核函数来提高识别率。
  参考文献:
  [1] 张青贵. 人工神经网络导论[M].北京:中国水利水电出版,2004.
  [2] Xu Y J,You T,Du C L.An integrated micromechanical model and BP neural network for predicting elastic modulus of 3-D multi-phase and multi-layer braided composite[J].Composite Structures,2015,122:308-315.
  [3] Cheng C,Cheng X S,Dai N,et al.Prediction of facial deformation after complete denture prosthesis using BP neural network[J].Computers in Biology and Medicine,2015,66:103-112.
  [4] Zhou F,Peng H,Qin Y M,et al.RBF-ARX model-based MPC strategies with application to a water tank system[J].Journal of Process Control,2015,34:97-116.
  [5] Qin Y M,Peng H,Zhou F,et al.Nonlinear modeling and control approach to magnetic levitation ball system using functional weight RBF network-based state-dependent ARX model[J].Journal of the Franklin Institute,2015,352(10):4309-4338.
  [6] 张德丰.MATLAB B2016a智能计算25个案例分析[M]. 北京:清华大学出版社,2017.
  [7] 李喆,吕卫,闵行,等.机器学习在乳腺肿瘤分类检测中的应用研究[J].计算机工程与科学,2016,38(11):2303-2309.
  [8] 杨晓伟,郝志峰.支持向量机的算法设计与分析[M].北京:科学出版社,2013.
  [9] 梁礼明,钟震,陈召阳.支持向量机核函数选择研究与仿真[J].计算机工程与科学,2015,37(6):1135-1141.
  [10] Quan H, Shi X. A Surface-Simplex Swarm Evolution Algorithm[J]. 武漢大学学报(自然科学英文版), 2017, 22(1):38-50.
  [11]Marques J P, Jossinet J. Breast Tissue [DB/OL]. 2010-05-10. http://archive.ics.uci.edu/ml/datasets/Breast Tissue.
  [12] Jossinet J.Variability of impedivity in normal and pathological breast tissue[J].Medical
其他文献
摘要:目前社会老龄化现象严重,大量空巢老人的自身安全不能及时得到保障,由于子女不在身边陪伴,造成老人孤独等心理问题从而对身体健康造成影响,因此需要开发一款软件将子女和老人们联系到一起,无时无刻关爱空巢老人。该App采用了React前端交互技术,后端采用ASP.NET中的MVC 开发模式,使用红外人体感应模块HC-SR501实现信息传递,实现了友好的图形化交互界面,开发了社区广播、亲情沟通、健康检测
摘要:在21世纪,计算机技术正在朝着集成和网络发展。信息技术推动信息社会的飞速发展,另外,伴随着微电子技术的飞速发展,对传统的效率低下的办公方式发起了冲击。随着大学教育的普及,越来越多的学生可以接受高等教育,另外由于近几年的教学改革,学生自由选课,修学分成为主流高校的培养模式。利用互联网技术开发学生选课管理系统,符合目前的发展状况。学生选课变得尤为重要,学生选课系统的设计与开发时间紧迫。该系统以J
摘要:Java程序设计语言由于采用面向对象和程序设计思想,并且与C、C 程序设计语言有着很多的相似之处,由于其简单、易学、跨平台、安全性等优势,因此受到了广大程序设计人员的喜爱,也成为目前Web开发、Android软件开发的主要语言,在计算机软件开发中得到了广泛的应用。该文在对Java程序设计语言的特点与应用分析的基础之上,对目前软件开发的现状与需求进行了分析,最后提出了Java在软件开发中应用
摘要:随着社会的不断发展,人们的空闲时间越来越多。然而,这些空闲时间都有一个共同点,就是太过于分散了,随着这一问题的出现,渐渐引发了一种新的学习方式——碎片式学习。该文根据碎片化的学习方式,提出一款基于Android的英语学习App,可以帮助人们碎片化学习,满足大多数人的英语学习需要。日趋成熟的网络技术,价格低廉的移动设备,加上广阔的社会需求为移动英语学习的发展奠定了好的基础。  本设计针对现在学
摘要:随着Internet商用化所带动的视频、音频及数字通信的发展,人们对光纤通信寄予了更高的希望,渴望能发现一种无论是在速率方面还是在容量方面都优于传统无线网络的技术,OFDM技术所具备的各项优点让其在光通信领域中脱颖而出,被视作光通信领域的未来之光。但OFDM技术并不局限于此,而是一直向新领域扩展并尝试与各个领域结合。光正交频分复用技术(Optical orthogonal Frequency
摘要:在当前的汽车生产制造行业中,汽车软件开发制造属于十分重要的一个环节,也是保证企业有效生产的重要基础,也就需要合理进行汽车软件开发。在目前的汽车软件开发中,相关技术人员需要结合Aspice实行具体软件开发,全面把握汽车软件开发流程,在此基础上才能够使汽车软件的开发取得比较理想的成果,进而制造出高质量的汽车软件,满足汽车的应用需求及制造要求,最终实现有效的汽车生产制造。  关键词:Aspice;
在互联网飞速发展的今天,图书教育也在由传统的图书向互联网和移动互联网化过渡,而图书教育二维码管理系统正是互联网在图书教育方面的应用体现。通过在图书上部署相应的二维码,当图书用户扫描二维码后,可以在原有图书实体文字的基础上通过移动设备为读者带来文本、音频、视频等多媒体扩展资源,让图书教育不拘泥于单纯的书本本体阅读,而是多元化扩展阅读。图书教育二维码系统是利用移动设备App扫码并且基于SaaS模式,使
摘要:个人出行逐渐成为人们出游的首选,但是市场上缺少可以为用户深度定制旅行路线的软件。该文介绍了一种基于SpringBoot后端和Android客户端的个性化旅游路线推荐系统,实现了北京区域内景点的推荐功能。经过测试,可以实现用户登录注册以及路线规划功能。  关键词:Android;SpringBoot;Mybatis;個性化旅游;TSP  1 背景  随着移动互联网的发展和人们生活水平的提高,旅
摘要:路径规划技术已经成为各大领域研究的话题,在生活中被广泛使用,具有很高的研究价值。而路径规划技术的主要核心在于路径规划算法。首先,对路径规划技术进行概述。其次,对常用的路径规划相关算法进行分析和总结,提出其所存在的缺点及问题。再着重对目前各种改进算法、混合算法的使用等方面进行分析,对其改进方向、使用场景等方面进行总结。最后,对路径规划算法所存在的问题进行提出,对下一步的改进与研究趋势进行展望。
腺体病变引起的疾病如结肠腺癌、乳腺癌等的发病率逐年增高,病理检查是临床诊断的"金标准",从病理图像中准确分割病灶范围对疾病的诊疗至关重要,然而这是一项费时费力的工作,同时与病理医生的水平与经验有关。近年来,计算机辅助诊断系统和深度学习(Deep learning)在医学图像处理领域快速发展并得到广泛应用,为进一步减轻医生的工作负担,采用经典神经网络对腺体病理图像进行区域分割,并使其能够适用于更加广