论文部分内容阅读
深度学习在人工智能领域占据重要的位置,在图形处理、语音识别等方面取得了杰出的成功应用。近年来,基于树突状的单独神经元模型受到了广泛的关注,该模型成功地从机理上突破了McCulloch-Pitts(MCP)模型的一些限制。但是传统的训练树突状神经元模型的方法容易陷入局部最优,以进化计算替代传统的训练方式来训练树突状神经元模型可以改善这个问题。为了验证基于成功强度的混沌差分进化算法(SCJADE)能够有效训练模型,文章用7个不同的分类数据集进行实验,并与混沌差分进化算法(CJADE)和传统误差反向传播法(BP