基于APSO 的LSTM神經(jīng)網(wǎng)絡(luò)模型優(yōu)化方法研究

打開文本圖片集

摘要：多隱含層長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)（long short-term memory，LSTM）循環(huán)神經(jīng)網(wǎng)絡(luò)權(quán)值與閾值更新依賴梯度下降算法，模型收斂速度慢，網(wǎng)絡(luò)節(jié)點(diǎn)的權(quán)值計(jì)算易出現(xiàn)局部極值，導(dǎo)致LSTM 神經(jīng)網(wǎng)絡(luò)模型不能得到全局最優(yōu)，網(wǎng)絡(luò)模型泛化能力下降，限制LSTM 循環(huán)神經(jīng)網(wǎng)絡(luò)的應(yīng)用。因此，利用加速粒子群優(yōu)化算法（accelerated particle swarm optimization，APSO）的優(yōu)化能力，提出一種改進(jìn)LSTM 神經(jīng)網(wǎng)絡(luò)模型。（剩余1518字）