张，李;赵家强;张旭南;张森林 一种新的改进PSO-BP神经网络算法的研究。 （英语） Zbl 1299.92013年9月 哈尔滨理工大学。（不适用） 20，第5号，106-112（2013）. 小结：为了克服传统BP神经网络学习效率低、收敛速度慢、容易陷入局部最优解等缺点，我们提出了一种基于自适应粒子群优化（PSO）算法的改进BP神经网络模型。该算法自适应地调整惯性权重系数和学习因子，从而可以用于优化BP网络中的权重。在建立了改进的PSO-BP（IPSO-BP）模型后，将其应用于滚动轴承的故障诊断。选择小波去噪来降低原始振动信号的噪声，并基于这些振动信号，将一组广泛的特征作为神经网络模型的输入。通过与传统BP算法、PSO-BP算法和线性PSO-BP（LPSO-BP）算法的比较，我们证明了该方法的有效性。实验结果表明，IPSO-BP网络比其他算法具有更快的收敛速度、更低的误差、更高的诊断准确性和学习能力。 理学硕士： 92B20型 用于/用于生物研究、人工生命和相关主题的神经网络 68T05型 人工智能中的学习和自适应系统 68T20型 人工智能背景下的问题解决（启发式、搜索策略等） 90 C59 数学规划中的近似方法和启发式 关键词：改进的粒子群算法;惯性重量;学习因素;BP神经网络;滚动轴承 PDF格式BibTeX公司 XML格式引用 \textit{L.Zhang}等人，J.哈尔滨理工大学。（N.S.）20，No.5，106--112（2013；Zbl 1299.92013）