神经网络优化方法

摘要

本发明公开了一种神经网络优化方法，通过遗传算法确定最优的神经网络权重以及隐含层输出参数值，隐含层输出参数值与隐含层层数对应，根据隐含层输出参数值可以确定隐含层的层数，当隐含层输出参数值变化时，隐含层层数随之变化，神经网络再通过权重与隐含层层数构件神经网络，由于该权重与隐含层层数是较优的，预测输出结果误差会大大减小，整个神经网络的预测性能很大程度上得到提高。

主权项

一种神经网络优化方法，其特征在于，包括以下步骤：对神经网络的权值及隐含层输出参数值编码形成遗传算法个体；随机产生包含多个所述个体的初始种群；计算所述种群中每个所述个体的适应度；判断是否满足停止条件；若判断不满足，则执行以下步骤：对所述个体进行选择；对选择后的所述个体进行随机交叉；对交叉后的所述个体进行变异；产生新个体组成的新种群；统计迭代的次数，并返回继续执行所述计算所述种群中每个所述个体的适应度的步骤；若判断满足停止条件，则执行以下步骤：选择所述适应度最大的所述个体；对所述个体进行解码，得到神经网络的权值及隐含层更输出参数；根据所述权值及所述隐含层输出参数值，构建神经网络。