[發明專利]一種基于小生境和自適應負相關學習的進化神經網絡集成方法

在審

• 申請號: 201610010275.2
• 申請日: 2016-01-08
• 公開（公告）號: CN105678380A
• 公開（公告）日: 2016-06-15
• 發明（設計）人: 單鵬霄;盛偉國;陳志強;盧夢雅;徐琪琪
• 申請（專利權）人: 浙江工業大學
• 主分類號: G06N3/08
• 分類號: G06N3/08
• 代理公司: 杭州斯可睿專利事務所有限公司 33241
• 代理人: 王利強

1.一種基于小生境和自適應負相關學習的進化神經網絡集成方法，其 特征在于：包括如下步驟：

步驟1、初始化一個有M個網絡個體的種群，種群中每個網絡個 體的隱結點個數，結點間鏈接的數量和鏈接的權值都被隨機初始化；

步驟2、根據適應度公式，計算種群中每個個體的適應度值；

步驟3、基于小生境的方法選擇個體；

步驟4、對選擇的個體進行交叉、變異操作，生成父代的子代；

步驟5、使用自適應的負相關學習方法更新每個網絡個體的鏈接 的權值，公式如下：

E=Σn=1N(fi(xn)-yn)2-λΣn=1N(fi(xn)-fens(xn))2]]>

∂E∂wij=2Σn=1N(fi(xn)-yn)∂fi(xn)wij-2λΣn=1N(fi(xn)-fens(xn))(1-1M)∂fi(xn)wij]]>

其中，E是網絡個體在負相關學習過程中的錯誤差，N為訓練樣 本數，f_i(x_n)和y_n分別為網絡輸出值和目標值，f_ens(x_n)為網絡集成的 輸出值，λ為懲罰項參數，w_ij為網絡框架中的權值，M為網絡集成中 的個體的數量，通過求網絡錯誤差與權值之間的偏導來重新調整 權值；

步驟6、計算每個后代的適應度值，并且將子代與父代合并成一 個種群；

步驟7、使用精英策略選擇個體生成新的種群，并且將新生成的 種群的個體按照適應度從高到低進行排序；

步驟8、判斷是否到達進化的最大代數，如果是，則進入步驟9， 否則返回步驟3；

步驟9、聯結所有網絡個體形成網絡集成，并對測試集進行分類 預測。