基于混合杂草算法的神经网络优化策略

本资料包含pdf文件1个，下载需要1积分

摘要通过对入侵式杂草优化算法（invasiveweedoptimization，简称IWO）和神经网络（neuralnetworks，简称NN）特点的分析，提出了一种新的混合杂草算法（hybridinvasiveweedoptimization，简称HIW0）来优化NN的权值、阈值和结构。为了提升算法的效果，在HIWO中引入遗传算法（geneticalgorithm，简称GA）的交叉算子和粒子群算法（particleswarmopmtimization，简称PSO）的矢量跟踪思想。构建了NN模型参数的IWO主副分区编码方案，根据个体适应度值的大小来动态调整隐层节点及连接权个数，并给出算法的整个实现过程。以转子实验台故障数据的四类谱熵作为HIWO-NN的训练样本，通过实例仿真与GA，PS0和1w0构建的NN结构进行比较。仿真结果表明，采用HIWO的NN能快速、准确地实现故障信号的分类，验证了该算法的有效性，为故障诊断提供了一种新的方法和手段。