基于粒子群的bp神经网络算法在猪等级评定中的应用_王越

《基于粒子群的bp神经网络算法在猪等级评定中的应用_王越》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、第27卷第1期重庆理工大学学报(自然科学)2013年1月Vol．27No．1JournalofChongqingUniversityofTechnology(NaturalScience)Jan．2013doi:10．3969/j．issn．1674－8425(z)．2013．01．008基于粒子群的BP神经网络算法在猪等级评定中的应用1112王越，曾晶，董丽梅，张权(1．重庆理工大学，重庆400054;2．西南交通大学交通运输与物流学院，四川南充637900)摘要:现有的在猪等级评

2、定中应用的BP神经网络算法存在对初始权值敏感、易陷入局部最小值等缺陷，从而导致预测精度不高、收敛速度慢的状况。针对该问题，在神经网络训练中引入基于全局随机优化思想的粒子群优化(PSO)算法。先利用PSO优化BP神经网络的初始权值，然后采用神经网络完成给定精度的学习，建立了粒子群－BP神经网络模型。与传统BP神经网络相比，该方法预测精度高、收敛速度快，可以有效地运用到猪等级评定中。关键词:猪等级评定;粒子群算法;BP神经网络中图分类号:TP301．6文献标识码:A文章编号:1674－8425(2013)01－0037－05StudyonPorkGradeEvaluationo

3、fBPNeuralNetworkBasedonPSO1112WANGYue，ZENGJing，DONGLi-mei，ZHANGQuan(1．ChongqingUniversityofTechnology，Chongqing400054，China;2．SchoolofTransportationandLogistics，SouthwestJiaotongUniversity，Nanchong637900，China)Abstract:TheBPneuralnetworkalgorithmhasbeenwidelyappliedtotheporkgradeevaluation

4、．ButbecauseofthedefectinBPneuralnetworkofporkgradeevaluationatpresentwhichissensitivewiththeinitialweights，easytofallintothelocalleastvalue，lowforecastprecisionandslowconvergencespeedoccurred．Thispaperintroducedtheparticleswarmoptimization(PSO)algorithmbasedontherandomglobaloptimizationint

5、otheneuralnetworktraining．FirstthePSOisusedtooptimizeweightsofBPneuralnetwork，andthenneuralnetworkisusedforgivenaccuracytofoundthePSO-BPneuralnetworkmodel．ComparedwiththetraditionalBPneuralnetwork，thePSO-BPneuralnetworkmodelhasthemeritsoffasterconvergencespeedandhigherforecastprecision，and

6、itcanbeeffectivelyap-pliedtotheporkgradeevaluation．Keywords:porkgradeevaluation;particleswarmoptimizationalgorithm;BPneuralnetwork收稿日期:2012－08－03基金项目:重庆市科技攻关项目(2010GGB097)作者简介:王越(1961—)，男，博士，教授，主要从事数据挖掘、数据库技术、嵌入式系统及应用研究。38重庆理工大学学报传统的猪肉等级评定主要是使用

7、目测或者人向传播过程由输出层开始，经由每个隐藏层，最终工手动测量，但是，这种方法存在损伤肉样和效率到第1个隐藏层，逐层修正各连接权值。终止条低下的缺点，常常会导致评定的准确性很差，因件一般有2种:网络输出的误差小于某个指定的此，建立智能化的猪肉等级评定系统是非常必要阈值或者超过预先指定的学习次数。常见的BP的。猪肉品质包括很多方面，不同的用户在相同神经网络模型由1个输入层、1个或多个隐藏层［1］的环节可能有不同的要求。比如:消费者关心和1个输出层组成。算法的基本公式如下:的是猪肉的颜色;屠宰商关心的是猪后躯丰满度、