基于免疫克隆算法的协同神经网络参数优化研究

李冬梅

摘 要：文章提出了一种建立在免疫克隆算法基础之上的，协同神经网络参数优化工作方案。在对协同神经网络参数一般性概念进行分析的基础之上，提出了免疫克隆算法在作用于参数优化领域中的操作步骤，使得该方法对于不平衡注意参数环境下的优化工作更具适应性。

关键词：免疫克隆；协同神经网络；参数；优化

当前，对于协同神经网络的研究多集中在对注意参数的设置，以及对原型模式向量选择这两个方面。以平衡注意参数条件为基本运行环境，协同神经网络的输出可以通过对序参量初始状态数值的分析方法而加以判定。从这一角度上来说，对于协同神经网络而言，在原型向量目标模式处于既定条件的情况下，该网络在自学习能力方面存在明显的缺失，由此可能对协同神经网络目标识别方面的能力产生极为不良的影响。针对此情况，本文将免疫克隆算法引入协同神经网络参数优化过程中，现对其做详细分析与探讨。

1 协同神经网络参数分析

2 基于免疫克隆算法的协同神经网络参数优化方案分析

步骤八：判定停机条件的满足程度：在有关协同神经网络参数优化的过程当中，多将具体的训练样本分类识别数据作为对象，在该指标满足预设精度水平的情况下作为停机的执行标准。核定满足停机条件后，對迭代过程中所保留的最优个体作为网络参数的最优解。反之，若无法满足预设的精度水平，无法停机，则对当前子代中所对应的最有个体进行结合与保留，并再次进入前文中的步骤三，对种群进行克隆操作。

按照本文所引入免疫克隆算法方式，在将其作用于协同神经网络参数优化的过程当中，使参数优化期间的局部寻优能力得到了显著提升，对于不平衡注意参数环境条件有良好的适应性特征，且能够支持对迭代步长的自适应调整需求，表现出了良好的收敛性能，值得相关工作人员展开进一步的研究与分析。

[参考文献]

[1]岳恒，张海军，柴天佑，等.基于混合粒子群算法的RBF神经网络参数优化[J].控制工程，2006，13（6）：525-529.

[2]齐小刚，王云鹤.基于模拟退火算法的Hopfield神经网络参数优化[J].吉林大学学报（信息科学版），2011，29（6）：585-589.