王闪闪

(上海理工大学 光电信息与计算机工程学院，上海200093)

基于群智能算法的神经网络建模研究

王闪闪

(上海理工大学 光电信息与计算机工程学院，上海200093)

针对神经网络建模过程中不合理的权值选取，使训练陷入局部最优解而得不到全局最优解这一问题。采用群智能算法得出全局最优解，并且利用检验样本达到最低点时的权值与阈值正确建立神经网络模型。结果表明，网络模型的评价参数表现良好，其中预测精度与相关系数分别为97.55%和96.2%。从而证明了基于群智能算法的神经网络，在遵循建模条件情况下能够保证取得全局最优解，建立的模型性能良好，具有一定的理论与市场应用价值。

神经网络；群智能算法；全局最优解；优异性能

人工神经网络以其较强的自学习、自组织、较好的容错性和优良的线性逼近能力，采用误差反传算法或其变化形式的神经网络模型在很多领域得到了良好的应用[1]，如农作物的生产、价格的预测以及各种生物药剂的制造、基因的研究等方面，合理应用神经网络模型能够提高药物产量、节约时间、降低成本、减少人力物力财力的浪费从而提高效率。

神经网络建模必须遵循建模条件[2]，此外神经网络模型训练中最重要的就是寻找最优的权值[3]，只有通过不断改变最初的权值找出最优的权值和阈值，才能保证训练出来的网络具有很强的优异性能、线性逼近能力等优点[4]。针对这一问题，本文利用群智能与神经网络相结合的方法，通过群智能算法[5]计算出最优的权值和阈值,然后利用最优的权值和阈值建立神经网络模型。……