《表4 萤火虫算法优化BP神经网络的应用及分析》

  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

《基于群智能算法优化BP神经网络的应用研究综述》

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

王慧等[45]提出了一种基于萤火虫优化的BP神经网络温度补偿模型，使得神经网络的泛化性和搜索率大幅度提高。结果表明：萤火虫优化的BP神经网络综合特性表现良好，压力传感器温度补偿算法可行。郭震等[46]提出一种萤火虫算法（FA）优化BP神经网络的温度漂移补偿方法，选取7个温度点，建立陀螺仪温度漂移模型，结果表明，该模型使陀螺仪温度漂移得到了缓解，较传统BP神经网络，补偿效果得到了较大的提高。毛君等[47]提出了一种基于改进萤火虫算法优化神经网络故障诊断方法。首先对刮板输送机减速器故障特征参数进行特征提取，其次应用特征数据样本进行基于神经网络的故障诊断模型训练，利用改进萤火虫算法对神经网络权值、阈值进行优化，加快目标的优化求解，得到最优的网络模型。研究表明将改进萤火虫算法与BP（back propagation）神经网络结合可以有效地解决神经网络收敛速度慢，易陷入局部最优等问题，可以对刮板输送机减速器的故障进行准确诊断。张明等[48]提出了一种应用于障碍物模式识别中的改进进化机制的萤火虫算法（IEM-FA），采用位置移动策略，实验表明，由IEMFA优化的BP神经网络模型的障碍物识别效果更好。