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

打開文本圖片集

摘要：多隱含層長短期記憶神經(jīng)網(wǎng)絡（long short-term memory，LSTM）循環(huán)神經(jīng)網(wǎng)絡權(quán)值與閾值更新依賴梯度下降算法，模型收斂速度慢，網(wǎng)絡節(jié)點的權(quán)值計算易出現(xiàn)局部極值，導致LSTM 神經(jīng)網(wǎng)絡模型不能得到全局最優(yōu)，網(wǎng)絡模型泛化能力下降，限制LSTM 循環(huán)神經(jīng)網(wǎng)絡的應用。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LSTM 神經(jīng)網(wǎng)絡模型。（剩余1518字）