莫麗紅

摘要：針對小麥條銹病預測模型中樣本數(shù)有限、樣本分布不均的情況，在ＢＰ神經(jīng)網(wǎng)絡中引入改進的ＡＰＳＯ優(yōu)化算法，對神經(jīng)網(wǎng)絡的權值及閾值進行優(yōu)化，一方面加入慣性權值及約束系數(shù)，另一方面在適應度函數(shù)中加入權值平方懲罰項來提高泛化能力，同時對“早熟”現(xiàn)象引入變異操作。通過少樣本數(shù)據(jù)的多角度仿真，結果顯示，學習收斂速度及對新樣本的泛化能力均得到了明顯提高。改進的ＡＰＳＯ－ＢＰ算法能克服常規(guī)ＢＰ算法在收斂速度及泛化能力方面的局限性，比常規(guī)ＢＰ算法及常規(guī)ＰＳＯ－ＢＰ算法優(yōu)越。

關鍵詞：自適應粒子群算法；泛化能力；仿真；小麥條銹病