首页 | 本学科首页   官方微博 | 高级检索  
检索     
共有20条相似文献,以下是第1-20项 搜索用时 562 毫秒

1.  基于多种群协同进化微粒群算法的径向基神经网络设计  被引次数:10
   王俊年  申群太  沈洪远  周鲜成《控制理论与应用》,2006年第23卷第2期
   神经网络结构和权值的联合设计一直是神经网络进化设计的一个研究方向.本文根据基本微粒群算法的特点,借鉴递阶编码的思想,构造出一种多种群协同进化微粒群算法.该算法具有种群内个体微粒自由运动特征分量与种群运动特征分量分层递阶进化的特征,克服了标准微粒群算法在多峰函数寻优时出现的微粒“早熟”现象.应用该算法进行径向基神经网络隐层结构和径向基函数参数联合自适应设计,在非线性系统辨识中显示了比较好的收敛性和训练精度,同时也使网络的泛化能力和逼近精度这一对矛盾得到了比较好的协调统一.    

2.  基于种群小生境微粒群算法的前向神经网络设计  被引次数:7
   王俊年  申群太  周少武  沈洪远《控制与决策》,2005年第20卷第9期
   根据自然界中鱼鸟等所具有的种群运动特征,借鉴递阶编码的思想,构造出一种种群小生境微粒群算法,具有小生境内个体微粒自由运动特征分量和小生境种群运动特征分量分层递阶进化的特征,克服了标准微粒群算法或其改进算法在多蜂函数寻优时出现的微粒“早熟”现象,应用该算法进行三层前向神经网络连接权值和网络结构联合并行自适应设计,在混沌时间序列预测中显示了良好的性能。    

3.  基于改进微粒群神经网络的油料储备预测  
   周庆忠  曾慧娥《计算机仿真》,2013年第30卷第9期
   根据油料储备历史数据样本进行油料储备预测,是实施油料保障有效举措.油料储备预测是具有不确定性、突变性的多变量复杂系统,预测难度大.为了解决采用传统预测法所存在的局限性,将微粒群优化算法与神经网络相融合,提出了改进微粒群神经网络的油料储备预测模型.利用神经网络自学习能力,捕捉预测系统非线性关系.将神经网络参数映射为实数码微粒,构造复合适应度函数.引入微粒距离系数,动态调整微粒速度和位置进化参数.借助微粒群优化算法较强全局搜索能力,训练神经网络参数,优化其结构,消除神经网络训练收敛慢、易陷入局部极值等现象.仿真实例表明,改进模型预测精确性评价指标良好,建模复杂度较低.    

4.  基于粒子群算法的自适应滤波器研究及应用  
   刘霞  ;刘梦芹  ;王晓华《佳木斯工学院学报》,2008年第6期
   针对神经网络自适应滤波器易于陷入局部极小的缺陷,采用抑制局部最优的粒子群算法优化神经网络的权系数,设计了基于改进粒子群算法训练的三层神经网络的自适应滤波器,并将其应用于自适应噪声抵消器.仿真表明,该系统与传统自适应噪声抵消系统相比具有很好的噪声抵消能力,信噪比大大提高.    

5.  基于DMDE算法的前向神经网络设计  
   刘棕成  董新民  陈勇《计算机工程》,2012年第38卷第12期
   针对神经网络结构与参数并行优化问题,提出一种基于动态多群体差分进化算法的前向神经网络设计方法。采用分层递阶结构原理构造算法个体,根据控制基因信息将个体分成不同的动态群体。通过对个体进行重构,实现进化过程中个体信息的充分交换与共享。设计基于群体适应度的控制基因更新方法来优化网络拓扑结构,克服结构优化的盲目与低效问题。将所设计的神经网络应用于大包线飞行控制律参数拟合中。仿真结果表明,该算法能快速有效地确定神经网络的结构和权值,所优化的网络在调参控制中具有较好的泛化能力。    

6.  基于自适应进化神经网络算法的入侵检测  被引次数:1
   《计算机工程与科学》,2014年第8期
   针对目前多数入侵检测系统的低检测率问题,提出一种自适应进化神经网络算法AENNA。基于遗传算法和BP神经网络算法,利用模拟退火算法的概率突跳和局部搜索强的特性对遗传算法进行改进,采用双种群策略的遗传进化规则实现BP神经网络权值和结构的双重优化;通过对遗传算法的交叉算子与变异算子的改进,设计一种自适应的神经网络训练方法。实验结果表明,基于AENNA的入侵检测方法能够有效提高系统的检测率并降低误报率。    

7.  广义多项式神经网络及其结构自适应确定  
   肖秀春  姜孝华  张雨浓《重庆理工大学学报(自然科学版)》,2009年第23卷第7期
   在前向神经网络模型的基础上,构建了一类新型广义多项式神经网络,依据BP神经网络梯度下降法的思想,给出该神经网络的权值迭代修正公式,并在此基础上建立其结构自适应确定算法,并进行仿真实验.结果表明,该神经网络计算精度高、能自适应地确定网络结构.    

8.  协同进化PSO算法在瓦斯含量预测中的应用研究  
   谢国民  康海潮  付华  何武林《压电与声光》,2011年第33卷第5期
   针对影响瓦斯含量的各种因素之间的复杂非线性关系,提出了利用协同进化粒子群优化(HCPSO)算法优化带开关权值的神经网络,来实现煤层瓦斯含量预测.通过使用二进制值0和1来表示神经网络的节点间有无连接,并用二进制编码来调节神经网络的结构;同时使用协同进化粒子群优化(PSO)算法优化神经网络权值,来获得精度较高、结构精简的神经网络模型.实验结果表明,该方法有效提高了瓦斯含量预测的精度,为煤矿瓦斯预测提供了一种新方法.    

9.  使用进化神经网络进行文本自动分类  
   耿俊成  牛霜霞  张才俊《计算机与现代化》,2011年第11期
   人工神经网络是一种有效的文本分类技术,但网络本身的不确定性使得很难找到合适的网络。本文提出粒子群优化算法优化神经网络,使得该网络在进化过程中自适应地调节其连接权重和网络结构。首先把文本集合表示为向量空间;然后使用信息增益算法选择特征项,使用特征项频率-倒排文档频率计算特征项权值;最后使用进化神经网络对中文文本进行自动分类。实验结果表明,与原BP神经网络相比,进化BP神经网络的分类效果更好。    

10.  基于合作式协同进化算法的神经网络优化  
   孙晓燕  高振  巩敦卫《中国矿业大学学报》,2006年第35卷第1期
   针对一般遗传算法优化神经网络存在的不足,提出合作式协同进化遗传算法实现神经网络结构和权值同步优化方法.首先,结合合作式协同进化遗传算法本身特性和神经网络特点,给出种群分割方法;其次,为了实现结构和权值的同步优化,提出一种新的混合编码方法,并根据该混合编码方法设计新的交叉和变异算子;然后,根据编码结构、代表个体和合作团体之间的关系,提出一种新的结构优化方法;再次,给出进化过程所需代表个体选择、适应度构造方法等.最后,通过双螺旋线问题验证本文算法的有效性.    

11.  基于合作式协同进化算法的神经网络优化  
   孙晓燕  高振  巩敦卫《中国矿业大学学报》,2006年第35卷第1期
   针对一般遗传算法优化神经网络存在的不足,提出合作式协同进化遗传算法实现神经网络结构和权值同步优化方法.首先,结合合作式协同进化遗传算法本身特性和神经网络特点,给出种群分割方法;其次,为了实现结构和权值的同步优化,提出一种新的混合编码方法,并根据该混合编码方法设计新的交叉和变异算子;然后,根据编码结构、代表个体和合作团体之间的关系,提出一种新的结构优化方法;再次,给出进化过程所需代表个体选择、适应度构造方法等.最后,通过双螺旋线问题验证本文算法的有效性.    

12.  基于B样条模糊神经网络的钎焊炉温度控制  
   贺无名  余强国  蔡志端  毛建华《制造业自动化》,2011年第33卷第12期
   针对钎焊炉温度控制系统,设计了一种基于PSO算法优化的B样条模糊神经网络温度控制方案,利用B样条模糊神经网络实现模糊推理,利用微粒群算法对网络的权值进行学习与训练.结果表明,该算法在钎焊炉温度控制方面具有有效性和可行性.    

13.  微粒群优化倒立摆神经网络控制器设计研究  
   曾祥光  张玲玲《机械与电子》,2009年第8期
   将微粒群算法和多层前馈神经网络相结合,提出了一种利用微粒群算法代替BP算法训练多层前馈神经网络权值,以实现神经网络控制的方法,并对非线性模型的辨识问题和一级直线倒立摆的控制问题进行了仿真研究。仿真实验表明:微粒群算法在神经网络控制及非线性模型辨识方面效果良好,具有良好的应用前景。    

14.  自适应前馈神经网络结构优化设计  
   张昭昭  乔俊飞  杨刚《智能系统学报》,2011年第4期
   针对多数前馈神经网络结构设计算法采取贪婪搜索策略而易陷入局部最优结构的问题,提出一种自适应前馈神经网络结构设计算法.该算法在网络训练过程中采取自适应寻优策略合并和分裂隐节点,达到设计最优神经网络结构的目的.在合并操作中,以互信息为准则对输出线性相关的隐节点进行合并;在分裂操作中,引入变异系数,有助于跳出局部最优网络结构.算法将合并和分裂操作之后的权值调整与网络对样本的学习过程结合,减少了网络对样本的学习次数,提高了网络的学习速度,增强了网络的泛化性能.非线性函数逼近结果表明,所提算法能得到更小的检测误差,最终网络结构紧凑.    

15.  混合粒子群优化算法优化前向神经网络结构和参数*  被引次数:4
   唐贤伦  庄陵  李银国  曹长修《计算机应用研究》,2007年第24卷第12期
   提出了综合利用粒子群优化算法(PSO)和离散粒子群优化算法(D-PSO)同时优化前向神经网络结构和参数的新方法。该算法使用离散粒子群优化算法优化神经网络连接结构,用多维空间中0或1取值的粒子来描述所有可能的神经网络连接,同时使用粒子群优化算法优化神经网络权值。将经过该算法训练的神经网络应用于故障诊断,能够有效消除冗余连接结构对网络诊断能力的影响。仿真试验的结果表明,相比遗传算法等其他算法,该算法能够有效改善神经网络结构和参数的优化效率,提高故障模式识别的准确率。    

16.  基于BP网络的语音信号自适应噪声抵消系统控制与研究  
   王飞  陈华《伺服控制》,2012年第3期
   在信号的处理研究中,自适应噪声抵消技术被广泛的应用于通信、控制等领域,LMS算法是最常见的自适应算法。但是信号通道结构比较的复杂或者存在非线性和多噪声通道交叉串扰时,传统自适应滤波器的设计和使用就有很大的局限性。本文中的自适应噪声抵消设计思路,在基于误差反向传播算法(BP算法)的多层前向人工神经网络进行分析基础上,结合传统自适应噪声抵消系统基本原理,建立的基于BP算法的噪声抵消系统。由于神经网络能够克服传统自适应噪声抵消器无法解决的非线性问题,神经网络的自适应噪声抵消技术能够非常有效消除背景噪声。经过Matlab仿真,结果表明:采用BP网络设计的噪声抵消设计具有很好消除背景噪声的效果。    

17.  一种基于多物种协同进化的神经网络优化方法  
   姜新农  王文香《计算机工程与应用》,2006年第42卷第15期
   论文在阐明了遗传算法和神经网络结合的必要性之后,分析了一般遗传算法在神经网络结构优化过程中存在的不足,并根据多物种之间相互竞争和相互适应的机理提出了一种基于多物种协同进化的优化方法。该方法既可以有效地避免神经网络结构寻优过程中解搜索空间过大以及进化规则复杂等问题,还可以起到对网络的结构和权值同时进化的作用。仿真实验表明该方法是可行并且有效的。    

18.  基于自适应逆的鲁棒容错飞行控制方法研究  
   穆旭  章卫国  王振华《计算机仿真》,2010年第27卷第10期
   研究飞行安全控制问题,可采用动态逆与神经网络模型参考自适应控制理论相结合,对飞机纵向自适应鲁棒容错飞行控制律进行设计,同时采用改进的粒子群算法优化神经网络参数,提高了自适应算法的效率.控制策略采用内-外环的控制结构,内控制回路以逆控制消除系统的非线性性和输出耦合;外控制回路基于模型参考自适应控制的思想,利用改进粒子群优化的神经网络设计前向自适应控制器,以消除逆控制的建模误差和对参数变化敏感的缺点,可使系统获得较好的动态性能和较强的鲁棒性.仿真结果表明采用的自适应鲁棒容错飞行控制方法有效抑制了操纵面故障,消除了对飞行任务的不良影响,保证了安全性能.    

19.  基于GA的ANFIS在自适应噪声消除中的应用  
   张芳  张亚鸣《微机发展》,2007年第17卷第5期
   介绍了应用基于GA的ANFIS的自适应噪声消除的方法,阐述了基本思想和算法实现过程。神经网络采用五层的ANFIS网络结构,采用自适应GA对模糊规则前件部分的隶属函数参数进行训练,避免了原有BP算法极易陷入局部最优的缺点,可获得全局最优解,用BP算法来调节和优化具有局部性的推理规则结论部分的权值。应用结果表明了该方法的有效性,收敛速度更快、误差更小,滤波率达到了预期要求。    

20.  基于两级进化的BP网络自动生成技术  
   周世官 李钟侠《南方冶金学院学报》,2005年第26卷第4期
   文章提出了一种新的优化神经网络结构及权值的方法——两级进化的方法.一级进化网络的结构;一级进化网络的权值.并且在算子的设计上提出了一种新的变异算子——反向变异算子.仿真结果表明,该算法取得了预期的效果.    

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号