一个增强的吸血吸血的子优化,用于训练feedforward神经网络
1School of Electronics and Information Engineering, West Anhui University, Lu'an, 237012, China.
Scientific reports
|October 22, 2025
概括
这项研究引入了通过简单方法 (SBSLO) 改进的吸血漏液优化 (BSLO) 方法,以改善前神经网络 (FNN) 训练. 在FNN模型优化中,SBSLO算法表现出卓越的效率,精度和稳定性.
科学领域:
- 人工智能的人工智能
- 机器学习 机器学习
- 优化算法 优化算法
背景情况:
- 送神经网络 (FNN) 提供了一个可扩展和高效的计算框架.
- 吸血水优化 (BSLO) 算法模仿了全球和本地搜索的吸血水搜索.
- 训练FNN需要高效的优化来确定连接权重和偏差值.
研究的目的:
- 通过整合简单的方法来增强吸血漏液优化 (BSLO) 算法,创建了SBSLO.
- 使用拟议的SBSLO算法来训练Feedforward神经网络 (FNN).
- 评估与现有方法相比,SBSLO的培训效率,预测准确性和稳定性.
主要方法:
- 将简单方法集成到BSLO算法中,形成SBSLO.
- 使用SBSLO优化FNN中的连接权重和偏差值.
- 在17个数据集上对SBSLO与其他12个优化算法进行比较分析.
主要成果:
- SBSLO算法有效地训练FNN,量化预测和实际输出之间的差异.
- SBSLO显示了提高的训练效率,预测精度,稳定性和稳定性.
- 增强的算法利用BSLO的探索与简单的方法的利用,缓解局部最佳和增强融合.
结论:
- 拟议的SBSLO算法为训练FNN提供了一种优越的方法.
- 通过将全球勘探与精细的本地开发相结合,SBSLO提高了优化性能.
- 该方法在FNN培训的效率,准确性,稳定性和融合速度方面取得了显著的改进.
