《表1 算法网络训练次数比较》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于遗传算法的神经网络权值优化方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

从训练情况来看，采用标准BP神经网络算法精度能够达到0.0045，在检验过程中精度则能达到0.0046，而采用基于遗传算法的神经网络权值优化方法，算法精度能够达到0.0038，检验精度能够达到0.0038。由此可见，相较于标准算法，采用优化方法可以更好的进行学习成果的复现，并且也可以大奥预设精度要求。而如表1所示，在相对均方误差均为0.0060的情况下，采用标准算法需要经过6237次网络训练，采用优化方法仅需要220次训练。在相对均方误差达为0.0016时，采用标准方法无法经过网络训练达到这一精度水平，采用优化方法则能通过1060次训练达到要求。因此，采用基于遗传算法的神经网络权值优化方法，可以更快的完成网络训练，并实现全局优化。在网络结构较大的情况下，通过对控制参数进行合理设定，则能使方法收敛速度快的优势得到充分发挥。