论文研究基于改进的PSO算法的神经网络相关性剪枝优化.pdf

针对传统的神经网络训练算法收敛速度慢、易陷入局部最优的问题，提出了一种基于改进的分期变异微粒群优化算法（SMPSO）的神经网络相关性剪枝优化方法。SMPSO在初期使适应度过低的微粒发生变异，在后期使停滞代数过高的个体极值和全局极值发生变异,后将SMPSO用于优化神经网络相关性剪枝算法。实验结果表明，该方法与采用BP算法及标准PSO算法进行相关性剪枝相比，在训练收敛速度、剪枝效率及分类正确率三方面都有较大提高。