基于混合神经网络的车辆路径模型研究

为有效解决现代物流配送中的车辆路径问题,发挥BP神经网络在解决分类问题和Hopfield神经网络在解决组合优化问题中的优势,依据"分而治之"策略提出了基于混合神经网络的优化模型。通过BP神经网络对一个配送中心范围内的多个配送点进行区域划分,在各子区域内使用Hopfield神经网络求得最优配送路径,从而得到质量较高的解和较快的收敛速度。基于Matlab的仿真实验结果表明,与传统的爬山算法、遗传算法相比,该模型能够获得性能更好的全局最优解。     

基于Matlab的遗传算法解决多峰RBF神经网络模型全局最优化问题

以多峰RBF神经网络模型为例,研究了结合Matlab神经网络工具箱和遗传算法工具箱建立神经网络模型并求解模型的全局最优解,同时比较该模型中不同交叉算子对遗传算法全局寻优能力的影响.结果表明,采用启发式交叉算子能有效抑制遗传算法的早熟,提高其全局寻优能力,为用遗传算法解决多峰神经网络模型全局最优化问题提供了一种有效的途径.     

极速非线性判别分析网络

由于线性判别分析仅是线性方法,难以有效应对非线性问题,而对其非线性化是解决这一问题的关键途径。非线性化判别方法主要包括神经网络和核化方法。神经网络判别分析方法虽然继承了神经网络所具有的自适应、分布存储、并行处理和非线性映射等优点,但也遗传了其训练速度慢且易陷入局部最小值缺点;而核线性判别分析方法虽能获得全局最优解析解,但因受制于隐节点数目（等于样本个数）,当数据规模大时,计算成本变大。本文受随机映射启发,对神经网络判别分析方法进行极速化改造,实现了一种极速非线性判别分析方法,兼具神经网络的自适应性和全局最优解的快速性。最后在UCI真实数据集上的实验表明,极速非线性判别分析方法具有更优的分类性能。     

基于遗传算法的函数级别软件错误定位

针对软件开发过程中的错误定位问题,提出一种以函数调用路径和遗传算法为基础的软件错误定位方法FGAFL。将软件测试中的错误定位问题转化为组合优化问题,结合函数调用路径对错误定位的影响构建适应度函数。通过遗传算法在候选种群中迭代搜索具有较高可疑度的候选错误分布,得到最优解。根据最优解对程序中的函数按可疑度进行排序,依次检查函数并定位错误的具体位置。实验表明,FGAFL方法可以有效降低运算量并缩减代码审查的范围,提高错误定位的精度和效率。     

基于遗传算法和神经网络预测的再励学习

提出一种基于遗传算法和神经网络预测法相结合的再励学习方法,利用遗传算法对全局进行最优解搜索,将进化过程中产生的数据用来训练神经网络预测器,当再励学习逼近最优解时,利用预测网络估计动作网络的参数、结构与系统响应之间的映射关系,用预测网络逼近最优解的能力引导遗传算法在局部向最优解快速逼近,以解决遗传算法局部振荡问题,从而实现快速学习的能力。将其应用于矢量控制交流电机的速度环控制器自学习中,仿真实验验证了该算法的有效性。     

重建自由曲面的神经网络算法

利用神经网络方法解决退向工程设计中的自由贡面重建问题，在ＢａｃｋＰｒｏｐａｇａｔｉｏｎ算法的基础上，吸取了模拟退火的算法优点，神经网络的学习采用按概率随机随机接受一个不成功训练值的方法，使学习跳出局部最优解，最终收敛于全局最优解，试验证明，用这种方法解决自由曲面的重建问题，可以达到良好的效果，优于以往文献提出的方法。     

用进化策略和神经网络求解参数线性规划

针对LPCθBθ类的参数线性规划求最优解问题,利用 (1+1)-ES 来训练参数θ,结合Hopfield 神经网络算法对其求解,再采用精英保留策略找出最优解.计算机仿真结果表明,提出的方法是有效和可行的.     

改进计算能量函数下作业车间调度的混沌神经网络方法

神经网络是求解作业车间调度问题的一种有效方法,本文研究可以获得全局最优或近似全局最优的可行解的作业车问调度神经网络方法.给出包括作业车间调度所有约束条件的新的计算能量函数表达式,并把混沌动力学应用于离散Hopfield神经网络作业车间调度中,提出一种改进的暂态混沌离散神经网络作业车间调度方法.仿真结果表明,该方法不仅具有全局搜索能力,而且收敛速度较快,重要的是能够保证神经网络的稳态输出为全局最优或近似全局最优的可行的作业车间调度方案.     

Pi-sigma神经网络混合学习算法及收敛性分析

将一种解决函数优化问题的混合遗传算法用于Pi-sigma神经网络的训练。这种混合算法充分利用遗传算法算法的全局搜索能力,又利用了单纯型法的局部搜索能力,因此该混合遗传算法可以使Pi-sigma神经网络更快的收敛到全局最优解,而且收敛速度比遗传算法更快。实验证明了这种算法的优越性。最后还证明了该算法可以以概率1收敛到全局最优解。     

基于混沌变量优化的神经网络PID控制

对神经网络模型辨识器的输入量Y（k）,u（k）进行归一化处理,一种规范化PID控制方法作为控制器。采用Logistic映射构造多个不同的混沌变量,应用到神经网络PID参数域中,根据控制系统性能指标进行混沌寻优,获得近似最优解后,再通过时变因子Z（t）在近似最优解的附近继续混沌局部寻优。仿真实验表明该方案是有效的。     

A Recurrent Neural Network for N-Stage Optimal Control Problems

A recurrent neural network is introduced for the N-stage optimal control problem. The new neural network is based on a reformulation of the original optimal control problem and the gradient method. The simulation results on two examples indicate that the new neural network is quite effective.     

基于异卷积神经网络的入侵检测

网络已经深入人们生产生活的各领域。然而,由于存在大量的非法入侵行为,网络所面临的安全问题也越来越严峻。因此,检测入侵以保障网络安全是一个亟待解决的问题。针对此,本文提出一种基于异卷积神经网络的入侵检测方法,采用深度学习的卷积神经网络模型完成对入侵数据的特征提取,然后根据2种不同结构的卷积神经网络训练数据,从而得到最优模型,用以判断网络入侵。最后,使用KDD 99数据进行对比实验,验证本文方法的准确性和精确性。     

基于量子神经网络的MIMO信号检测技术

MIMO信号的最优检测在常规条件下是一NP难解问题。利用量子并行计算和量子纠缠等特性,量子计算与人工神经网络结合的量子神经网络能有效的解决这一问题。本文采用Hopfield神经网络实现MIMO信号检测,利用基于检测序列最大后验概率最佳接收似然函数与Hopfield神经网络的能量函数对应关系,构造一种量子神经网络的MIMO检测器。计算仿真结果表明:本文所提出的检测器在误码率方面有良好的性能。     

遗传算法优化 BP 神经网络的信号检测

针对传统方法单独采用 BP 神经网络算法易陷入局部极值的问题,提出了遗传算法优化 BP 神经网络,并将其应用于 MIMO -OFDM系统信号检测中。该方法将遗传算法与神经网络相结合,用遗传算法优化神经网络初始值,使 BP 网络快速收敛到最优解,避免了由初始值的随机选取而带来的检测误码。仿真结果表明所提出的方法在误码率方面有比较好的性能。     

基于神经网络的电子地图最优路径研究

现阶段电子地图的应用已经深入到各行各业,最优路径的查找及规划作为GIS的一个关键问题,成为研究的一个难点,本文提出一种基于Hopfield神经网络的方法来解决地图最优路径问题。以物流配送中的车辆路径最优化为例,先根据Hopfield神经网络模型研究基于Hopfield的最优路径算法,然后探讨和验证该算法的可行性、实用性,最后通过算例分析对该方法进行验证。     

基于一维卷积神经网络的网络流量分类方法

针对传统机器学习算法对于流量分类的瓶颈问题,提出基于一维卷积神经网络模型的应用程序流量分类算法。将网络流量数据集进行数据预处理,去除无关数据字段,并使数据满足卷积神经网络的输入特性。设计了一种新的一维卷积神经网络模型,从网络结构、超参数空间以及参数优化方面入手构造了最优分类模型。该模型通过卷积层自主学习数据特征,解决了传统基于机器学习的流量分类算法中特征选择问题。通过网络公开数据集进行模型测试,相比于传统的一维卷积神经网络模型,所设计的神经网络模型的分类准确率提升了16.4%,总分类时间节省了71.48%。另外在类精度、召回率以及[F1]分数方面都有较好的提升。     

一种自动生成神经网络结构的新方法

神经网络已广泛应用于模式识别、优化计算等领域.但是,人们为了寻求某一问题的神 经网络结构,往往采用穷举法,从而使得选择合适的神经网络结构随着问题规模的变大而变 得越来越困难.本文根据神经元状态的变化导致人脑的空间结构和状态变化的研究,在神经 网络中引入神经元的兴奋、抑制和突触修改机制、退化机制、死亡机制、自修复机制等, 通过神经网络的学习,自动生成解决某一具体问题的合适的神经网络结构.实验结果表明, 该方法是可行的、有效的,为神经网络结构的设计提供了一种新方法.     

基于神经网络的3D打印批次排样研究

针对3D打印批次排样是一个建立在多约束条件下的复杂优化问题,本文提出一种基于Hopfield人工神经网络的3D打印批次排样方法。通过对3D打印批次排样目标的设定,建立了Hopfield人工神经网络的能量函数。通过神经网络优化计算,实现了将3D打印工件在三维空间的排布问题转化为二维图形的输出。该算法实用性强,提高了工件的加工效率。     

一种改进的ART型神经网络学习算法

指出常规ART1型神经网络的不足,提出了一种改进的相似度计算方法。它同时考虑两向量对应位子值,避免了ART1网络中两个向量由于输入顺序的不同而得到不同的相似度的结果;针对ART1网络模式识别的漂移问题,提出了少数服从多数原则来减少这种问题的出现。改进了ART1型神经网络的应用效果。     

基于神经网络的网络安全态势感知

随着国家经济的发展,科学技术也在不断的提升,在此基础上形成的互联网络结构也得到了相应的发展,但是伴随着社会的复杂程度的加深,其网络安全也存在较多问题,因此,针对目前网络安全态势感知不足的问题,利用多种方式对其进行比较分析,借助网络安全态势值的非线性时间序列特点,以神经网络为核心点,处理相关的混沌与非线性数据,并以此为理论基础提出RBF神经网络,进行网络安全的态势预测。此种方法是利用RBF神经网络来明晰神经网络,并找到其中的前N个数据,以及随后的M个数据,借助专业的方法进行非线性映射关系计算,利用这种关系可以很好的进行神经网络安全态势值的预测。