基于全局和局部搜索的整型权值神经网络混合学习算法 |
| |
作者单位: | ;1.杭州电子科技大学智能与软件技术研究所 |
| |
摘 要: | 提出基于全局搜索(差分进化算法)和局部搜索(模式搜索)的混合型神经网络学习算法(DEPS),并采用查找逼近法对sigmoid函数进行优化。实验部分采用曲线逼近和纱线图片分类两个实验,并与基本差分进化算法(ODE)和可再生动态差分进化算法(RDDE)在算法效率和性能进行对比、验证,说明算法的有效性。最后对整型和浮点型神经网络进行速度测试比较,说明整型权值神经网络在计算速度上远远快于浮点型权值神经网络。经算法训练后的神经网络更适合于结构精简、速度快的嵌入式系统。
|
关 键 词: | 整型权值 浮点型权值 神经网络 差分进化算法 模式搜索 嵌入式系统 |
A HYBRID LEARNING ALGORITHM BASED ON GLOBAL AND LOCAL SEARCH TECHNIQUES FOR INTEGER WEIGHT NEURAL NETWORKS |
| |
Abstract: | |
| |
Keywords: | |
本文献已被 CNKI 等数据库收录! |
|