基于遗传算法的模糊Hamming网络参数优化

根据遗传算法的演化原理,提出了一种新的度量模糊Hamming网络参数性能优劣的适应度函数,在此基础上,将遗传算法作为模糊Hamming网络的训练算法,进行网络参数寻优,并采用UCI机器学习数据库中不同的数据集进行对比测试。试验结果表明:将遗传算法与模糊Hamming网络相结合,可以快速求得最优网络参数组合,避免原有参数调整时的盲目性和随机性,训练后的网络具有分类迅速、准确、稳定的特点。     

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。     

基于神经网络求解游戏关卡问题

随着网络游戏的流行,玩家越来越关注游戏的智能化。本文基于人工神经网络中的BP网络算法建立了一个自动过关模型,此模型根据游戏中的不同环境输入神经元,经过隐含神经的不断学习,输出正确的路径,实验表明此模型能够有效地解决游戏关卡问题,并和遗传算法,情境法进行了对比。     

面向对象的遗传算法及其在神经网络辅助设计中的应用

在现有的遗传算法的基础上,采用面向对象技术设计了面向对象的遗传算法,建立了遗传算法的类层次。这种方法改变了在传统的遗传算法中各个函数之间只有参数的传递,而没有代码的继承性的状况从概念上提高了软件的可重用性。该方法在人工神经网络的辅助设计问题中的应用表明,这一算法由于采用面向对象的分析与设计方法,从而具有比传统的遗传算法更好的通用性,用户可以更方便地设计和实现自己的编码方案和遗传算子,大大提高了软件的可重用性。     

无监督神经网络在游戏中的应用研究——解决游戏中的障碍物绕行问题

使用无监督神经网络解决了游戏中的障碍物绕行问题（obstacle avoidance）。使用遗传算法实现了无监督机制,该方法通过最优化适应度来改进神经网络的权值,使得神经网络得到最佳的输出值;利用以智能体（Agent）中心为出发点的5条射线模拟传感器（Sensor）,通过检测5条射线与障碍物边界的相交情况来感知环境。经过768代的进化,遗传算法种群最优适应度和平均适应度都有了明显提高,同时绕行成功率从12.5%上升到85%。     

基于混合智能算法的组卷策略研究

提出了基于混合智能算法的组卷策略,将神经网络、改进遗传算法的计算优势与自动组卷数学模型相结合,以用户理想试卷中的试题参数作为神经网络的训练样本,对影响组卷效果的各项指标的权重进行自学习,将得到的权重矩阵用于遗传算法的适应度函数的设计中,并对遗传算法的编码方案、遗传算子进行了改进。实验结果表明,该算法可以有效地提高智能组卷的速度以及成功率。     

On improving the GA step-wise shape optimization method through the application of the Fixed Grid FEA paradigm

In previous work by the authors, a Genetic Algorithm (GA) based shape optimization technique was introduced. The method was shown to be capable of producing high-fidelity optimal shapes. However, the process was computationally expensive and required constant re-meshing due to distorted boundary elements resulting from large boundary movements. This paper combines the Fixed Grid (FG) method of Finite Element Analysis (FEA) and the GA shape optimization module to create a hybrid that effectively addresses these problems. The FG solver is found to be significantly faster than conventional FEA, and the fixed FE mesh frees boundary movements from meshing constraints. The Fixed-Grid Genetic-Algorithm (FGGA) shape optimization method is detailed in this paper, and the key algorithms used in the FG and the GA components are explained. The method is also applied to a number of shape optimization problems, and the results are presented and discussed.     

环境空气SO2和NO2浓度的GA_ANN预测模型研究

空气中污染物浓度的预测是一个复杂的非线性问题。国内外的研究表明神经网络能够比回归模型更好地预报空气污染物。设计并实现了将用于选择最优预报因子的遗传算法和神经网络算法相结合的GA_ANN空气质量预测模型,利用某市2003~2006年的数据建立神经网络空气质量预测模型,对该市2007年全年SO₂和NO₂的预测实验表明,GA_ANN模型比单纯的神经网络模型具有更高的预报精度。     

按自然法则计算导论：一个颇具前途的学科

一、什么是按自然法则计算 Geoffrey．C．Fox在1991年[1]首次提出了“按自然法则计算”(Physical Computation)这一概念。按Fox的定义,按自然法则计算是“将大量的自然科学领域的思想、方法,用于其传统应用领域之外的其它领域”,将原思想、方法的本质提取出来,用于解决新领域的问题。 G．C．Fox例举了按自然法则计算的四大分支：将统计物理学中的退火思想应用于组合优化理论的模拟退火算法(简称SA);将生物学和神经细咆学思想用于“机器学习”和“模式识别”的“人工神经网络”;模拟牛顿力学方法的弹性网络方法;以及由模拟退火算法与启发式搜索算法相结合而演化来的确定性退火思想。     

神经网络的西夏字识别技术研究

字符识别是模式识别领域的一个传统课题,汉字和古文字的识别是中文信息处理领域的一个重要研究课题,汉字的识别技术有力地推动了计算机技术的广泛应用。本文对西夏文字的特点以及神经网络的西夏字识别技术的每个环节进行了详细的讨论。     

一种求解优化问题的新型混合遗传算法

论文在标准遗传算法中引入新的交叉运算和变异运算,针对优化问题提出了一类新型混合遗传算法。具体算例验证了算法的有效性和相对于标准遗传算法及某些混合遗传算法的优越性。     

遗传算法技术浅论

本文讨论了遗传算法的原理、特点、应用、操作等知识。通过对遗传算法的构造步骤的描述．给出了遗传算法的实现过程。     

一种通用电力负荷预估方法及其系统实现

本文针对电力负荷预报系统中传统方法在普适性方面的不足,提出了一种基于多分辨率遗传算法的神经网络方法,并将其应用在短期电力负荷预报系统中,运行结果表明,该预报方法具有预报精度高、训练速度快,鲁棒性和适应性强等特点,使系统具有较强的通用性。     

一种基于数据并行的过程神经网络训练算法

针对过程神经网络时空聚合运算机制复杂、学习周期长的问题,提出了一种基于数据并行的过程神经网络训练算法。该方法基于梯度下降的批处理训练方式,应用MPI并行模式进行算法设计,在局域网内实现多台计算机的机群并行计算。文中给出了基于数据并行的过程神经网络训练算法和实现机制,对不同规模的训练函数样本集和进程数进行了对比实验,并对加速比、并行效率等算法性质进行了分析。实验结果表明,根据网络和样本规模适当选取并行粒度,算法可较大提高过程神经网络的训练效率。     

基于BP神经网络的垃圾邮件过滤器研究

针对电子邮件特征向量庞大的问题,采用K-L变换与遗传算法（GeneticAlgorithm）相结合的KLGA算法对邮件向量进行降维。对于基于BP神经网络的邮件过滤器,采用遗传算法来优化神经网络权值,进一步提高邮件分类效果。通过试验数据表明,此优化方法能够快速、高效地对垃圾邮件进行过滤。     

基于MapReduce的BP神经网络算法研究

随着信息化社会的飞速发展,需要进行数据挖掘的数据量急剧增大,传统的串行化BP神经网络训练方法在处理海量数据集时存在很大问题,如耗时过长,甚至内存不足无法训练。为了解决这个问题,提出了一种在云计算环境下,基于MapReduce的BP神经网络训练方法 MR-GAIBP,实验证明,提出的方法,相比于已有的方法拥有更快的收敛速度和更高的精度,在大数据集上有更快的训练速度。     

基于模糊神经网络的管道缺陷识别方法研究

基于模糊运算和人工神经网络在模式识别中的应用,分别对两种模式识别方法的基本原理及其在管道无损检测中的应用进行了分析。通过建立管道缺陷识别试验,根据检测信号选取适当的参数,分别用这两种方法对不同类型的缺陷进行识别。结合识别结果对其进行比较与总结,证明了两种识别方法的有效性,为识别方法的选择与应用提供了理论依据。     

后向传播算法及其实用性研究

本文通过对神经网络及其后向传播算法的介绍,优化其处理流程和处理步骤,并对该算法在数据挖掘领域中的实用性进行了相应研究,并从神经网络中提取规则,提出一种规则库排序算法。     

一种基于数据并行的过程神经网络训练算法

针对过程神经网络时空聚合运算机制复杂、学习周期长的问题,提出了一种基于数据并行的过程神经网络训练算法。该方法基于梯度下降的批处理训练方式,应用MPI并行模式进行算法设计,在局域网内实现多台计算机的机群并行计算。文中给出了基于数据并行的过程神经网络训练算法和实现机制,对不同规模的训练函数样本集和进程数进行了对比实验,并对加速比、并行效率等算法性质进行了分析。实验结果表明,根据网络和样本规模适当选取并行粒度,算法可较大提高过程神经网络的训练效率。     

在线学习RBF神经网络的模型参考自适应控制器

本文给出一种在线学习RBF神经网络的快速算法,并设计了在线学习RBF神经网络的MARAC。通过仿真表明,在线RBF神经网络的MRAC计算量小、在线学习、跟踪时间短、控制精度高的优点。