贾凯¹，倪志伟¹，李敬明^1,2，陆玉佳¹，朱旭辉¹

1. 合肥工业大学管理学院过程优化与智能决策教育部重点实验室,合肥 230009; 2. 安徽财经大学管理科学与工程学院,蚌埠 233030

出版日期:2019-03-25发布日期:2019-06-21

Research on IBABC-BP Parallel Integration Learning Algorithm and Its Application

JIA Kai¹ ,NI Zhiwei¹ ,LI Jingming ^1,2 ,LU Yujia¹ ,ZHU Xuhui¹

1. Key Laboratory of Process Optimization and Intelligent Decision-Making, School of Management, Hefei University of Technology, Hefei 230009; 2. School of Management Science and Engineering, Anhui University of Finance & Economic, Bengbu 233030

Online:2019-03-25Published:2019-06-21







摘要
图/表
参考文献
相关文章
编辑推荐
-->Metrics
本文评论

BP神经网络算法具有寻优效率不高、易发生早熟且最终求解精度不够等特点, 针对以上问题, 文章提出一种基于改进二进制人工蜂群 算法(Improved Binary Artificial Bee Colony Algorithm)的BP神经网络并行集成学习算法(IBABC-BP).首先, 文章构建以高斯变异函数作为概率映射函数的离散二进制人工蜂群算法(IBABC), 分析证明了算法的有效性, 并通过在4个Benchmark标准测试函数上证明了其寻优精度和收敛速度较其他4 种改进人工蜂群算法均有大幅提高;其次, 将改进的二进制人工蜂群算法(IBABC)用于训练BP 神经网络, 设计了IBABC-BP并行集成学习算法;最后, 将IBABC-BP 算法用于雾霾评估预测, 以合肥地区的雾霾历史数据作为仿真数据.实验结果表明, IBABC-BP算法在寻优精度和收敛速度上较原始BP算法、人工蜂群ABC-BP 算法、遗传GA-BP 算法等算法有明显的提升, 可以有效地提高雾霾评估预测的准确性.

分享此文:

()

[1]	陆文星，戴一茹，李楚，李克卿. 基于改进PSO-BP神经网络的旅游客流量预测方法[J]. 系统科学与数学, 2020, 40(8): 1407-1419.
[2]	相鑫，刘秀丽. 四层参数自调整BP神经网络模型及其在人口死亡率预测中的应用[J]. 系统科学与数学, 2018, 38(6): 702-710.
[3]	陈增强，国峰，张青. 基于模糊神经网络建模的RFID室内定位算法[J]. 系统科学与数学, 2014, 34(12): 1438-1450.

-->

PDF全文下载地址:

http://sysmath.com/jweb_xtkxysx/CN/article/downloadArticleFile.do?attachType=PDF&id=13608