思维进化算法应用于优化BP神经网络的初始权值和阈值

与传统算法相比，进化算法的特点是群体搜索。进化算法已经被成功地应用于解决复杂 的组合优化问题、图像处理，人工智能、机器学习等领域。但是进化算法存在的问题和缺陷也不能忽视，如早熟、收敛速度慢等。利用思维进化算法的基本思想对于神经网络进行优化。

该代码为matlab编码，利用思维进化算法优化BP神经网络的权值和阈值。

针对BP神经网络复原图像的效果很大程度受初始权值和阈值的影响，提出一种基于思维进化算法（Mind Evolutionary Algorithm， MEA）优化的BP神经网络方法。思维进化算法有极强的全局搜索能力，能够弥补BP神经网络陷入局部最优和对初始权值和阈值敏感的问题，因此在训练BP神经网络之前，利用思维进化算法获取该网络的初始权值和阈值。实验证明，与传统的维纳滤波、BP、遗传算法优化的BP（GA-BP）方法相比，MEA-BP方法复原的图像在主观和客观评测标准下都获得了更好的结果。