SEFNN:一种基于结构进化的前馈神经网络设计算法

作     者：李宁 谢振华 谢俊元 陈世福 Li Ning;Xie Zhenhua;Xie Junyuan;Chen Shifu

作者机构：南京大学计算机软件新技术国家重点实验室 南京大学计算机科学与技术系南京210093 

出 版 物：《计算机研究与发展》 (Journal of Computer Research and Development)

年 卷 期：2006年第43卷第10期

页      面：1713-1718页

核心收录：

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金项目(60273033) 江苏省自然科学基金重点项目(BK2004001) 

主　　题：遗传算法 神经网络 BP算法 结构进化 

摘      要：遗传算法是一种模拟自然选择和进化的随机搜索算法,它的搜索能够遍及整个解空间,容易得到全局最优解.目前主要的编码方式都是将结构和连接权值等信息编码成串式的基因,这不利于在遗传过程中保留个体的子结构信息,也难于设计兼顾基因型与表现型的遗传算子;在前馈神经网络的进化中引入BP训练方面,也不分良莠对所有后代进行训练,形成资源浪费.为克服这些问题,提出了一种基于结构进化的前馈神经网络设计算法SEFNN,该算法使用一种紧缩矩阵编码、新型结构化交叉算子、修订的变异算子和精英训练法则,充分考虑了基因型与表现型之间的关系,适当加大变异搜索速度,并采用选拔训练方式,从而提高了进化神经网络的效率.实验表明该算法获得的解无论在网络规模还是测试精度上都有优越的性能表现,并已应用于肺癌早期细胞病理诊断系统,具有良好的效果.