遗传算法优化BP网络初始权重用于入侵检测

基于遗传算法的全局搜索和BP网络局部精确搜索的特性,将遗传算法与BP算法有机结合,先采用遗传算法优化BP网络初始权重,完成网络的训练过程,并将此方法运用于入侵检测中。实验证明,运用此方法有利于提高网络的收敛性,可在一定程度上提高入侵检测系统的准确率。     

一种自适应遗传BP神经网络模型研究及应用

如何更有效地提高神经网络的收敛速度和收敛质量。基于遗传算法的全局搜索和BP神经网络局部精确搜索的特性,提出一种自适应遗传BP神经网络模型,该模型的主要算法是先采用一种自适应遗传算法优化BP网络初始权重。而后再进行BP网络的训练过程。最后并研究如何利用该模型进行三级跳远成绩预测。实验结果表明该方法优于传统BP算法。有利于提高网络的收敛性以及学习能力,可在一定程度上提高三级跳远成绩预测的准确率,具有一定的实用价值。     

遗传算法在BP网络PID控制中的应用仿真

为了有效地克服BP网络存在的局限性,即控制效果严重依赖于权值矩阵初始值,对空调系统模型进行了多次仿真,结果权值矩阵初始值的优化点分布与取值区间具有相关性,即在特定优化区间内,满意的权值矩阵初始值数量较多。引用遗传算法全局搜索能力和过程流程图,并引入到BP网络PID控制之中,既利用了遗传算法的全局搜索能力进行权值矩阵区间优化,同时利用BP网络的局部搜索能力与实时处理能力,有效地解决了常规BP网络控制的局限性。仿真结果表明,混合算法优于常规BP网络整定PID控制方法,并可推广到其它BP网络应用领域。     

基于遗传神经网络的地震预测研究

分析遗传算法(GA)及BP神经网络的结构特性,提出利用具有全局搜索能力的遗传算法来弥补BP网络的不足,克服BP(Error Back Propagation)算法收敛速度慢,易陷入局部极小点的缺点,优化神经网络的连接权值和阈值.针对地震预测中,震级预测的困难性等问题,将具有全局搜索能力的遗传算法和具有深度搜索能力的BP算法相结合实现地震震级预测建模.通过实验比较得到了较好的预测结果,该模型是可行、有效的.     

神经网络及遗传算法在径流预报中的应用

提出用遗传算法和BP算法相结合的改进神经网络模型来进行径流预报。即先通过遗传算法对初始权值分布进行优化，在解空间定位出一个较好的搜索空间，然后采用BP算法，在这个较小的解空间中搜索出最优解。使网络收敛速度加快和避免局部极小。作为实例，以清江鸭子口的实测径流资料为样本进行训练并用以预测该水文站的日径流量。结果表明，该方法具有收敛速度快和预测精度高的特点。     

基于遗传模糊神经网络的煤气鼓风机故障诊断

为充分利用遗传算法的全局搜索能力和BP算法的局部搜索能力,提出了基于遗传算法的遗传模糊神经网络模型,研究了故障特征参数模糊化处理和利用遗传算法优化神经网络权重的方法,加快了网络收敛速度,提高了收敛精度.在煤气鼓风机故障诊断中的应用表明,遗传模糊神经网络克服了BP算法中存在的网络学习收敛速度慢,以及容易陷入局部极小的问题,有效提高了故障诊断的精度.     

基于改进免疫克隆算法的BP网络权值优化

在简单分析了BP网络的缺陷以及应用遗传算法来优化网络权值存在的不足之后,采用了一种免疫克隆算法对BP网络的权值进行优化,并对算法的变异算子进行了改进,改进后的变异算子把高斯变异与柯西变异有效地结合在一起,兼顾了精确的局部搜索与大范围搜索的优点,在扩大算法搜索范围的同时也保证了算法搜索的精细度.仿真实验结果表明,改进后的免疫克隆算法不仅有效地提高了BP网络学习的速度,还很好地改善了算法收敛性能,克服了遗传算法收敛速度慢,易陷入局部极优的缺点,可以成功地应用于BP网络的权值优化.     

基于BP网络的水文预报模型

在BP人工神经网络基础上建立水文预报模型,讨论了模型的学习样本、网络参数和训练方式对预报精度的影响,选出最佳网络参数配置.     

基于BP网络和遗传算法的正交实验分析

传统的实验设计与分析方法为首先进行正交实验设计,然后对实验结果进行回归分析和方差分析以确定最佳工艺条件。文章提出的基于BP网络和遗传算法的正交实验分析方法,利用BP网络的高度非线性拟合特性对复杂的多输入多输出问题进行较高精度的回归,运用遗传算法优越的全局并行随机搜索及对适应度函数广泛的适应性等特性进行最优工艺条件的搜索,克服了传统分析方法系统模型辨识困难、后续实验工作量大以及最佳工艺条件搜索困难等缺点,大大提高了实验工作的效率和质量。     

基于遗传算法的GMDH网络模型及其应用

传统的数据处理群方法(Group method of data handling,GMDH)在结构上具有自组织和全局选优的特性,非常适合进行非线性数据的拟合.但由于在传统GMDH网络建模是用最小二乘法来辨识参数,常常使得模型预测效果不理想.遗传算法是一种有效的搜索和优化方法.它具有自适应搜索、渐进式寻优、并行式搜索、通用性强等特点,论文将遗传算法引入GMDH网络,用遗传算法辨识部分描述式的系数,建立了基于遗传算法的GMDH网络模型.并将该模型应用于一组实测时间序列的预测研究.计算机仿真结果表明,模型预测效果令人满意.     

基于免疫神经网络的陀螺仪漂移预测

BP神经网络可用于预测陀螺飘移误差，但容易陷入局部极值，训练速度很慢。针对上述缺点，该文提出了一种基于免疫算法的神经网络，以样本输出为抗原、神经网络权值矩阵为抗体，通过克隆、变异、抑制等步骤找到最优抗体，将最优抗体用于陀螺仪漂移预测。仿真试验显示，免疫训练算法能有效优化网络权值，基于该模型的漂移预测精度较高。     

基于改进型遗传算法的神经网络参数优化

针对标准遗传算法的不足，文中提出一种改进型遗传算法，它将标准遗传算法和BP算法有机结合，兼具了标准遗传算法的全局搜索和BP网络局部精确搜索的特征，并将其应用于船舶自动舵神经网络控制器的训练中，取得较满意的结果。     

基于QPSO的BP神经网络油田节能指标预测

针对BP神经网络易陷入局部极小问题以及收敛速度慢的问题, 引入量子粒子群优化算法和BP神经网络相结合的方法, 共享BP神经网络强大的灵活性和量子粒子群全局搜索能力强的优势, 通过改进QPSO的平均最优位置的计算方法, 实现基于BP神经网络和量子粒子群的油田节能指标预测. 以大庆某采油厂注水泵机组单耗数据为训练数据, 预测结果表明该方法能达到良好的预测效果, 具有可行性.     

基于遗传算法优化支持向量机的网络流量预测

介绍了支持向量机用于时间序列预测的理论基础和遗传算法优化支持向量机参数的方法,首次把遗传算法优化参数支持向量机应用于两组实际网络流量的预测,并与BP神经网络和RBF神经网络方法进行了比较.结果表明:支持向量机相比较BP神经网络和RBF神经网络对网络流量的预测结果精度更高、性能更好.利用支持向量机预测网络流量是一种可行、有效的方法.     

基于BP网的ATM带宽动态分配设计

阐述了利用神经网络预测由连续自动回归(AR)马尔可夫模型所代表的可变位速率通信流量(VBR);在这一理论的基础上,介绍一个BP神经网络模型,它是采用拆分组装方法来构造一个学习结果达到均方根误差全局最小点的BP神经网络,该方法能有效克服局部极小点,缩短学习时间和减小学习难度;该BP神经网络能精确地预测VBR通信流量,从而实现ATM带宽动态分配。     

基于BP网的ATM带宽动态分配设计

阐述了利用神经网络预测由连续自动回归（AR）马尔可夫模型所代表的可变位速率通信流量（VBR）；在这一理论的基础上，介绍一个BP神经网络模型，它是采用拆分组装方法来构造一个学习结果达到均方根误差全局最小点的BP神经网络，该方法能有效克服局部极小点，缩短学习时间和减小学习难度；该BP神经网络能精确地预测VBR通信流量，从而实现ATM带宽动态分配。     

一种基于改进遗传算法的新型小波神经网研究

提出了一种基于改进遗传算法（Improved Genetic Algorithm , IGA）的新型BP小波神经网络，并通过异或问题和非线性辨识问题进行仿真实验。实验结果表明，基于改进遗传算法的BP小波网络不仅具有小波分析良好的局部特性以及神经网络的学习、分类能力，而且具有遗传算法全局快速寻优的特点，与简单遗传算法相比，在收敛快速性和稳定性方面都有了明显的改善。     

基于SGOA神经网络的短期负荷预测

短期负荷预测的结果对电力系统的经济效益具有重要影响。针对多极值问题,首次提出了一种体现大融合思想的共享式全局寻优算法,将几种全局寻优算法有机组合,使它们共享优化信息,协同寻优,从而形成最丰富的寻优机制,达到最强的全局寻优能力。并且为了从根本上提高短期电力负荷预测中神经网络的速度和预测精度,提出了将SGOA算法和BP算法相结合的短期负荷预测方法,用SGOA算法来训练网络参数,直到误差趋于一稳定值,然后用优化的权值进行BP算法。在构建网络模型时,同时也考虑到了气候、温度等因素的影响,对它们进行模糊化处理后作为网络的输入。仿真结果表明基于这一方法的负荷预测系统具有较高的精度和实时性。     

基于神经网络的棉纺设备运行状态预测分析

科学、合理、有效地对棉纺设备运行状态进行一个综合性的预测评估,对于提高企业的技术水平和经济效益、提高设备的利用率和可靠性、保证人身的安全性都是很有帮助的。该文通过建立基于动量因子的BP神经网络模型,确定合理的神经网络结构,并通过调整学习速率、动量因子等参数,确定最终的阈值和权值,进而对棉纺设备的运行状态进行评估预测。经过实例分析,此BP神经网络模型可以有效地解决该预测问题,验证了该预测模型的合理性。