《Table 4 Improved HS parameters and fitness function results表4改进HS参数及适应度函数结果》
本文提出的和声算法是对原始和声算法的进一步优化,使用动态的PAR参数和每次选取多种新和声来改进原始和声算法,使和声搜索算法得到更优的初始权值和阈值,以此来解决BP神经网络算法易陷入局部最优和收敛较慢的问题。由实验结果可以看出,改进的和声算法优化的BP神经网络检测率和迭代次数分别为59次和95.1%,检测率和迭代次数方面都有了一定的改进。所以整体上来看,本文提出的算法无论迭代次数还是检测率都较优于其它三种算法。
图表编号 | XD0035525300 严禁用于非法目的 |
---|---|
绘制时间 | 2019.01.01 |
作者 | 丁红卫、万良、邓烜堃 |
绘制单位 | 贵州大学计算机科学与技术学院、贵州大学计算机科学与技术学院、贵州大学计算机科学与技术学院 |
更多格式 | 高清、无水印(增值服务) |
查看“Table 4 Improved HS parameters and fitness function results表4改进HS参数及适应度函数结果”的人还看了
- 表4 剪切蠕变试验双曲线函数经验模型参数及相关系数R2Table 4 Hyperbolic model fitting parameters and the correlation coefficient R2