吴永明，吴 晟

（昆明理工大学 信息工程与自动化学院，云南 昆明 650051）

改进的遗传算法在神经网络结构优化中的应用

吴永明，吴 晟

（昆明理工大学 信息工程与自动化学院，云南 昆明 650051）

为了解决人工神经网络隐层节点数目难以确定的问题，针对三层BP神经网络提出了一种最大上限隐层节点数模型，并用改进的遗传算法对其优化。最后，将优化的神经网络对语音特征信号进行分类。仿真结果表明优化后的神经网络具有很好的泛化能力，验证了该方法的有效性。

遗传算法；神经网络；结构优化

人工神经网络[1]（ANN）和遗传算法[2]（GA）都是将生物学原理运用到智能计算研究中。人工神经网络是对人脑和动物神经的若干特点的人工模拟[3]，具有一个隐含层的神经网络就能逼近任意复杂的连续函数[4]。但在实际运用中，隐含层的节点数目、初始的权值或阈值的确定都依赖于使用者的经验[5-6]，隐含层的节点数太少，拟合的精度很难达到要求，反之，则可能出现过拟合现象，从而增加了训练的时间。遗传算法是从自然界生物的进化中得到启示，利用遗传算子进行全局搜索寻优。因此，利用遗传算法优化神经网络结构具有十分重要的意义。由于神经网络的初始化具有很大的随机性，输入和输出节点数一般根据具体问题而定，即便有确定的隐层节点数目，针对同一问题，得出的结论也可能不同。这是因为建立网络时，初始的权值或阈值都是系统随机分配的。……