針對深度信念網(wǎng)絡(luò)在參數(shù)訓練過程中易陷入局部搜索、收斂速度慢等問題,提出利用改進的混沌免疫算法優(yōu)化深度信念網(wǎng)絡(luò)參數(shù)的方法。采用混沌初始化和自適應(yīng)變異,提高抗體種群的多樣性;引入可變選擇算子,加快算法的尋優(yōu)速度。函數(shù)擬合實驗和滾動軸承故障診斷實驗結(jié)果表明,與粒子群優(yōu)化算法和基本的克隆選擇算法相比,該算法能夠得到更優(yōu)的網(wǎng)絡(luò)參數(shù),提高了深度信念網(wǎng)絡(luò)的特征提取能力,加快了網(wǎng)絡(luò)訓練的收斂速度。 

【文章來源】：計算機工程與設(shè)計. 2019,40(09)北大核心

【文章頁數(shù)】：6 頁

【參考文獻】：
期刊論文
[1]基于PCA-PDBNs的故障檢測與自學習辨識[J]. 王培良,夏春江.  儀器儀表學報. 2015(05)

碩士論文
[1]改進的螢火蟲算法及應(yīng)用[D]. 李瑞青.吉林大學 2015



本文編號：3568515