共查询到19条相似文献,搜索用时 203 毫秒
1.
将神经网络与遗传算法相结合.提出了G-BP混合算法.该算法在BP神经网络训练过程中,利用遗传算法善于发现最优解区域的特点来优化网络权重值和阈值.在新建项目投资估算的具体应用中,证明该算法克服了传统BP网络算法中的局部极小缺陷,训练速度有很大提高,在数据挖掘中具有实用性. 相似文献
2.
3.
为了避免因随机生成BP神经网络初始权值和阈值而带来的不确定性,以及得到更好的预测纱线条干CV值的精度和速度,借助免疫遗传算法对传统单一的BP神经网络进行权值和阈值的优化。免疫算法中特有的浓度调节机制有效地解决了遗传算法后期未成熟收敛的问题。利用Matlab构建单一的BP神经网络模型、遗传BP神经网络模型和免疫遗传BP神经网络模型进行纱线条干CV值的预测实验,通过仿真训练结果的对比分析可得出,免疫遗传算法优化的BP神经网络能够更准确、更快速、更稳定地完成纱线条干CV值的预测。 相似文献
4.
毛精纺前纺工艺参数重要性的BP网络定量评价法 总被引:2,自引:1,他引:1
在BP神经网络建模技术的基础上,提出利用神经网络输入层与输出层之间的网络权值及其分布来求各输入参数重要程度的方法。将采集到的毛精纺企业前纺工艺参数运用BP神经网络分别建立了粗纱CV值和粗纱单重的预测模型。结果表明:所建模型的平均相对误差都低于3%;采用样本数据验证,其预报值与实测值间的相关系数都高于0.95。对所建模型的网络权重进行提取,分别计算出13个输入参数对粗纱CV值和粗纱单重的重要性,挖掘出显著而有效的参数。经对比认为,BP网络法比多元回归显著性分析(MRSA)更为精准,可用于对实际生产加工的预报和控制。 相似文献
5.
6.
7.
8.
9.
10.
利用人工神经网络技术和分光光度法不经分离直接测定饮料中的混合色素。针对传统的BP算法存在收敛速度比较慢、容易陷入局部极小值以及全局搜索能力弱等缺陷,提出了神经网络与遗传算法相结合的方法,采用遗传算法训练BP神经网络,优化网络权值。实验结果显示,它具有收敛速度快、预测精度高、简单适用等优点。 相似文献
11.
12.
为了实现棉织物染色配方和工艺参数的优化设计,研究了一种应用智能混合算法优化求解的新方法。首先构建棉织物染色配方工艺优化的数学模型,再利用自适应调整和相似度判别策略等关键手段对基本遗传算法进行了改进并融合了模拟退火算法形成智能混合算法,最终将智能混合算法应用到优化模型的求解中,以达到配方和工艺优化的目的。结果表明,优化模型可靠有效,智能混合算法的收敛速度、寻优能力和稳定性都得到了改善。应用智能混合算法求解的配方和工艺参数染色,其效果明显优于传统遗传算法,不仅与样布的色差值缩小了6.47%且成本降低2.16%以上。该方法可为棉织物染色过程中的质量控制以及工艺参数快速优化设计提供理论指导。 相似文献
13.
基于MEA-BP神经网络的大米水分含量高光谱技术检测 总被引:1,自引:0,他引:1
利用高光谱技术对储藏大米的水分含量进行检测。本实验以120个大米样本为研究对象,采集所有大米样本的高光谱图像,利用多元散射校正的预处理方法对大米样本原始光谱数据进行降噪处理。由于原始高光谱数据量大且冗余性强,故利用逐步线性回归分析方法对预处理后的数据进行特征提取。最后建立BP神经网络的大米水分定量检测模型,由于建模效果没有达到预期目标,因此引入遗传算法(genetic algorithm,GA)和思维进化算法(mind evolutionary algorithm,MEA)优化BP神经网络的权值和阈值。对BP、GA-BP、MEA-BP 3种大米水分预测模型进行比较,3种模型的预测集决定系数都达到0.86以上,其中MEA-BP模型具有最佳的预测效果,预测集决定系数达到0.966 3,且均方根误差为0.81%。 相似文献
14.
目的 基于荧光光谱技术结合机器学习算法实现对大白菜中吡虫啉含量的检测。方法 采集400 nm激发下的130个农残光谱数据, 经过数据预处理、光谱特征筛选,构建基于支持向量机(Support vector machine, SVM)的吡虫啉残留含量预测模型,并利用麻雀搜索算法(Sparrow search algorithm, SSA)对SVM的参数进行寻优。结果 卷积平滑(Savitzky-Golay smooth,S-G)与标准正态变量校正(Standard normal variable, SNV)联用的预处理效果最好; 利用连续投影算法(Successive projections algorithm, SPA)对遗传算法(Genetic algorithm, GA)提取的特征波长进行二次特征降维能获得最优特征波段;SSA寻优后构建的SVM模型精度最佳,测试集决定系数为0.9234, 均方根误差为0.4129。结论 荧光光谱技术可以实现白菜中吡虫啉含量的检测,为蔬菜中农残快速检测提供了新的思路。 相似文献
15.
为提高传统配色方法及现有配色算法的配色精度、效率及泛化能力,构建了基于BP神经网络的遗传算法和模拟退火算法相结合的织物智能配色模型,利用BP神经网络预测颜色,将训练好的BP神经网络与CIEDE2000色差公式结合作为遗传算法的适应度函数,用模拟退火算法改进的基于BP神经网络的遗传算法预测颜色配方,并根据预测的配方对涤纶织物进行染色实验,计算实验色差。结果表明:模拟退火算法优化的基于BP神经网络的遗传算法配色模型只需经过80次迭代即可收敛,预测颜色的理论色差均值为0.165,染色实验色差均值为0.289,配方绝对误差平均值为0.010 7;验证样本的理论色差均值为0.240,染色实验色差均值为0.437。该算法可实现织物的智能配色。 相似文献
16.
文章对传统遗传算法进行了改进,提出了一种带有倒位算子的遗传算法。经检验表明,该遗传算法可以有效地提高收敛速度,达到全局最优。将遗传算法应用于织物起皱评价,可以为决策者提供优化方案。 相似文献
17.
基于遗传算法和BP网络的造纸废水处理预测研究 总被引:1,自引:0,他引:1
在造纸废水处理过程建立出水COD预测模型中,针对BP算法易陷入局部极小、收敛速度慢等缺点,根据遗传算法(Genetic Algorithm-GA)具有全局寻优的特点,将两者结合起来形成一种训练神经网络的混合算法--GA-BP算法;仿真结果表明,预测模型具有较强的学习能力和泛化能力,同时,建立的GA-BP模型预测输出的平均误差仅为0.88%,说明此模型可以有效、可靠地预测造纸废水出水COD. 相似文献
18.
目的:基于茶叶色差构建宝庆桂丁红茶品质量化评价模型。方法:以宝庆桂丁红茶为研究对象,在感官审评的基础上,分别测定干茶、茶汤和叶底的色差值,分析茶叶色差值与品质之间的相关性,并以GA-BP神经网络构建品质量化评价模型。结果:宝庆桂丁红茶品质与茶汤和叶底的L、a、b值呈极显著相关(P<0.01),与干茶a值呈显著相关(P<0.05);遗传算法(GA)的引进明显提高了BP神经网络的拟合精度,GA-BP模型的决定系数(R2)明显高于BP网络;通过对比不同隐含层结构,优选结构为9-5-1的GA-BP神经网络结构;优选的GA-BP神经网络模型的训练、验证、测试和预测的决定系数(R2)分别为0.988、0.976、0.933和0.95。结论:基于色差系统和GA-BP神经网络对宝庆桂丁红茶品质进行量化评价的方法是可行的。 相似文献
19.
遗传算法与模糊控制的融合研究 总被引:3,自引:0,他引:3
遗传算法是将问题的求解用染色体的形式表示,在其复制、交叉、变异的进化过程中收敛为一个最适应环境的染色体,即为问题的解。用遗传算法对模糊控制中的录属度函数进行编码,确定适应函数,作遗传运算与微量调整,可实现对录属度函数及控制规则的优化,改善模糊控制器的性能。 相似文献