进化树突状神经元模型

徐 哲，雷振宇，王子谦，孟祥莲，周 瑜，高尚策

（1.常州工学院计算机信息工程学院，江苏常州 213032；2.富山大学工学部，日本富山 930-8555）

随着科技的发展，工程问题变得越来越复杂。由于这些复杂非线性问题都定义在高维度空间，传统的方法不能有效地解决这些问题。一些学者则利用人工神经网络模拟生物神经网络的信息处理机制去解决这些复杂问题。人工神经网络对非线性问题有很好的拟合效果，已经成功用于图像识别、语言识别、文本分类等问题。为了解决更复杂的问题，许多学者也提出了许多不同的神经网络，如循环神经网络[1]、卷积神经网络[2]、前馈神经网络[3]、树突状神经元模型。其中，树突状神经元模型模拟了一个神经元信息传递的过程。由于其易于解释、实现简单等特点已经被许多学者用来解决各种复杂问题，如预测问题[4]、分类问题[5]等。一些学者则利用非BP 学习方法来训练网络模型[6]。

进化计算是受自然启发的启发式算法，其模拟自然界中生物的生活模式去求解问题，例如粒子群算法(Particle Swarm Optimization，PSO)是模仿自然界中鸟群、鱼群的集体行为，通过不断地对精英个体和自身经验的学习去探索问题解[7]。重力搜索算法(Gravitational Search Algorithm，GSA)是模拟牛顿的万有引力定律，每个个体拥有质量并且通过个体间的相互作用去探索整个搜索空间[8]。差分进化(Differential Evolution，DE)是通过一系列的变异、杂交、选择等操作，寻找更优解[9]。进化计算已经应用于很多工程问题，如模式识别[10]、控制工程[11]、土木工程[12]等。文中利用进化计算的算法训练容易理解的树突状神经元模型。……