基于文化量子粒子群的模糊神经网络参数优化

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (10): 17-19.

基于文化量子粒子群的模糊神经网络参数优化

赵晶1，2，孙俊1，须文波1

1.江南大学物联网工程学院，江苏无锡 214122
2.山东轻工业学院现代教育技术中心，济南 250353

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-04-01 发布日期:2011-04-01

Parameter optimization of fuzzy neural networks based on cultural quantum- behaved particle swarm optimization

ZHAO Jing1，2，SUN Jun1，XU Wenbo1

1.School of Internet of Things Engineering，Jiangnan University，Wuxi，Jiangsu 214122，China
2.Center of Modern Education Technology，Shandong Polytechnic University，Jinan 250353，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-04-01 Published:2011-04-01

摘要/Abstract

摘要： 模糊神经网络参数学习是一个函数优化问题。针对已有优化方法收敛精度不高的缺点，提出基于文化量子粒子群算法的模糊神经网络参数优化，并将其应用于混沌时间序列预测。仿真实例结果证实了该算法的优越性。

关键词: 模糊神经网络, 参数优化, 量子粒子群算法, 文化算法, 混沌时间序列

Abstract: The parameter optimization of Fuzzy Neural Network（FNN） is function optimization.According to the low convergence precision of the existed algorithms，a hybrid Cultural Quantum-behaved Particle Swarm Optimization（C-QPSO） is introduced to train the parameter optimization of FNN.The results of experiment show the proposed technique is effective.

Key words: Fuzzy Neural Network（FNN）, parameter optimization, Quantum-behaved Particle Swarm Optimization（QPSO）, Cultural Algorithm（CA）, chaotic time series

赵晶1，2，孙俊1，须文波1. 基于文化量子粒子群的模糊神经网络参数优化[J]. 计算机工程与应用, 2011, 47(10): 17-19.

ZHAO Jing1，2，SUN Jun1，XU Wenbo1. Parameter optimization of fuzzy neural networks based on cultural quantum- behaved particle swarm optimization[J]. Computer Engineering and Applications, 2011, 47(10): 17-19.

[1]	高一锴，彭力，徐龙壮. 改进AFSA算法优化TWSVM的火焰识别方法[J]. 计算机工程与应用, 2021, 57(8): 204-213.
[2]	张水平，王丽娜. 果蝇优化算法的进展研究分析[J]. 计算机工程与应用, 2021, 57(6): 22-29.
[3]	白首华，郭广颂，胡天彤. 交互式多目标文化算法优化多模态混合指标[J]. 计算机工程与应用, 2021, 57(17): 80-87.
[4]	张琳，汪廷华，周慧颖. 基于群智能算法的SVR参数优化研究进展[J]. 计算机工程与应用, 2021, 57(16): 50-64.
[5]	巫光福，陈颖. 花授粉算法研究与应用综述[J]. 计算机工程与应用, 2021, 57(15): 30-41.
[6]	于国龙，赵勇，吴恋，崔忠伟. QPSO算法的改进及其在DBN参数优化中应用[J]. 计算机工程与应用, 2021, 57(10): 154-162.
[7]	胡春阳，姜平，周根荣. 改进蚁群算法在AGV路径规划中的应用[J]. 计算机工程与应用, 2020, 56(8): 270-278.
[8]	李道全，王雪，于波，黄泰铭. 基于一维卷积神经网络的网络流量分类方法[J]. 计算机工程与应用, 2020, 56(3): 94-99.
[9]	周非，罗晓勇，刘云萍. 基于概率模型的实时修正IMM目标跟踪算法[J]. 计算机工程与应用, 2020, 56(21): 85-92.
[10]	梁华刚，张志伟，王亚茹. 自适应Gabor卷积核编码网络的表情识别方法[J]. 计算机工程与应用, 2020, 56(10): 149-156.
[11]	王丽婷，张金鑫，张金华. 乌鸦搜索算法在SVM参数优化中的应用[J]. 计算机工程与应用, 2019, 55(21): 214-219.
[12]	邓辉，罗倩，王岩. 基于IMF能量矩和Bayes-LSSVM的滚动轴承诊断[J]. 计算机工程与应用, 2019, 55(17): 156-161.
[13]	马占飞1，杨晋2，金溢2，边琦3. 基于IQPSO-IDE算法的网络入侵检测方法[J]. 计算机工程与应用, 2019, 55(10): 115-120.
[14]	陈佳瑜，李梁，罗云. 采用多样性选择的量子粒子群双向聚类算法[J]. 计算机工程与应用, 2018, 54(9): 42-46.
[15]	李婕1，李昊2，赵新蕖1. 免疫遗传算法的混合动力汽车多目标优化[J]. 计算机工程与应用, 2018, 54(4): 237-243.