进化神经网络研究综述

进化算法(EAs)与神经网络(NN)的结合已形成了一个新的领域一进化神经网络,在神经网络的研究中举足轻重。本文通过讨论和总结进化神经网络中的关键技术和现状,概述了其设计与构造的趋势。所讨论的是：(1)进化神经网络的研究方法;(2)进化模型;(3)应用实例及关键技术;(4)研究方向。     

基于进化神经网络的股市预测研究

股票市场是一个受众多因素影响的动力学系统,其演化规律非常复杂.由于其对投资及管理的重要性,已提出了大量对其演化规律进行预测的方法,其中基于智能科学的人工神经网络预测方法以其独特的性能得到了人们的重视.基于此,这里提出一种基于免疫进化规划的进化神经网络股市预测方法,并用沪市的一段变化时序对其进行了验证,结果表明了所提方法的有效性.     

进化神经网络PID控制器的研究与应用

提出一种基于进化神经网络的PID控制器设计方法.该控制器主要由3部分组成,第1部分应用神经网络根据控制对象的输入、输出在线调整PID控制器参数.第2部分利用进化算法根据性能指标对神经网络控制器参数进行优化,找出最优的神经网络初始权系数和比例系数.第3部分是传统PID控制器.把该控制器温度控制的仿真对照结果表明,这种控制算法具有结构简单、鲁棒适应性强、进化性能良好的特点.同时还提出一种以快速响应为目标的改进方案.     

进化神经网络研究进展

进化神经网络是将进化算法应用于神经网络的构造、学习而得到的神经网络，具有很强的鲁棒适应性。综述了进化神经网络方法及其应用研究新进展，对研究中出现的一些问题进行了讨论与展望。     

基于统计分析的分阶段进化神经网络方法

基于统计分析和分阶段进化，提出一种新的进化神经网络设计方法．本文方法 的进化过程分三个阶段：第一阶段，首先按训练样本统计特性设计较小规模的神经网络；第 二阶段，引入所有训练样本，在第一阶段的基础上，逐步扩展网络结构，新添加的神经元总 是单独训练并以抵消原网络的输出误差为其训练目标，直至训练网络达到误差要求．第三阶 段，利用统计方法，将网络中非线性变换作用相似的神经元合并，简化网络结构．本文方法 一方面减轻了进化算法的压力,另一方面指出了网络进化的方向使得进化网络的学习过程不 再是黑箱问题．计算机仿真实验表明，该方法是有效的．     

优化进化神经网络的空气质量预测研究

进化神经网络模型与问题内部机制无关,避免了神经网络收敛到局部,但模型存在参数多而过于复杂的问题。对影响基本进化神经网络模型性能的个体编码方式和适应度函数进行优化,并自适应性定义种群交叉率、变异率。以大气中主要污染物SO2为例,考虑气温、相对湿度、风速等影响因子,实验仿真结果表明优化后的进化神经网络较传统的基本进化神经网络模型进化过程收敛更快,预测效果更佳,为环境保护部门提供可靠的决策依据。     

进化计算在神经网络学习中的应用

提出两种用于前向神经网络的进化学习算法,一种基于遗传算法,另一种基于进化规则,通过对ＸＯＲ问题和ＩＲＩＳ模式分类问题的学习,证明它们远高于传统ＢＰ算法的性能。     

基于多种群进化小生境遗传算法的神经网络进化设计方法研究

针对神经网络进化设计问题中棋型解基因编码与棋型解空间的特点，提出了多种群进化小生境遗传算法。该神经网络进化楚棋方法设计简单、通用，棋型性能评价全面合理，全局搜索效率高，电力负荷预测支持系统的实际应用效果表明此方法是有效的，具有一定的应用推广价值。     

进化策略求解Hopfield神经网络

提出了一种进化策略求解ＨＯｐｆｉｅｌｄ神经网络的方法。该进化策略分三个阶段,即第一阶段只在较小区间上求出局部优化解;然后,在此基础上,由第二阶段求出较大区间上的局部优化解;最后由第三阶段求出全局优化解。同时采用Ｈｏｐｆｉｅｌｄ神经网络动态方程指导第一阶段的局部进化策略的进化方向,因而大大加快了优化搜索速度。在分阶段的进化策略中,其第一阶段只需搜索较小区间、第二和第三阶段的搜索则建立在其前一阶段的基     

基于小生境技术的神经网络进化集成

针对目前神经网络集成方法中生成个体网络差异度小、集成泛化能力较差等缺点,提出一种基于小生境技术的神经网络进化集成方法。利用小生境技术在增加进化群体的多样性、提高进化局部搜索能力方面的良好性能,通过个体间相似程度的共享函数来调整神经网络集成中个体网络的适应度,再依据调整后的新适应度进行选择,以维护群体的多样性,得到多样性的个体网络。理论分析和实验结果表明,该方法能有效生成差异度较大的个体网络,提高神经网络集成系统的泛化能力与计算精度。