论文部分内容阅读
提出用人工智能算法——粒子群优化算法（PSO）对CNNE模型进行训练，并针对标准粒子群算法易限于局部极小点的局限性，采用了一种带有梯度加速的粒子群算法，通过引入梯度信息来影响粒子速度的更新．为防止陷入局部最优，在群体最优信息陷入停滞时，对部分粒子进行重新初始化，从而保持群体的活性，减小群体陷入局优的可能性．采用粒子群算法训练的CNNE模型较原来的分布式最速下降法而言，在保证精度的前提下，提高了算法的收敛速度，解决了发射率的在线实时测量问题．