论文部分内容阅读
在遗传算法(GA)的基础上引入了梯度算法,用它在内层无互联的前向神经网络中代替传统算法来学习和优化权值,并对算法的几个主要模块进行了描述.利用GA的突变性和全局最优性搜索可能的极值,用自适应代沟替代策略更好地进行优胜劣汰,利用梯度下降算法在较优极值点附近快速收敛.实验表明,这种算法的收敛速度比基本遗传算法要快得多,学习质量也比神经网络传统的算法有显著的提高.