GA-BP和GA-RBF网络在结构损伤分析的比较

引出了当人工神经网络算法解决结构工程实践问题时,网络结构本身所面临缺陷。描述了人工神经网络和遗传算法的概念,以及二者的长处和关系,从理论和实例上说明了运用遗传算法优化和改进神经网络结构可行性,从而结合二者的长处解决工程实践问题。详细阐述了如何利用遗传算法优化或改进BP网络模型和RBF网络模型,以及如何利用遗传优化BP网络和遗传优化RBF网络模型分析结构损伤,从而比较遗传BP网络和RBF网络在结构损伤分析方面的性能。     

人工神经网络与改进遗传算法的协作求解

简要介绍了改进遗传算法求解问题的步骤以及解决实际问题的特点。为了利用改进遗传算法的优点,提高其收敛速度,提出改进遗传算法与人工神经网络（BP网络）利用神经网络的联想记忆、特征提取功能辅助遗传算法求解结构优化设计问题,以避免在遗传算法中所作的那些不必要的分析计算,从而节省了计算时间。最后通过算例证实,比简单遗传算法与人工神经网络协作计算时间减少约25%。     

几种改进的人工神经网络算法比较

文章分别介绍了模拟退火算法与BP网络结合的模拟退火人工神经网络,遗传算法和BP网络结合的遗传人工神经网络以及遗传退火人工神经网络算法。通过仿真实验比较证明,遗传退火人工神经网络和模拟退火人工神经网络的逼近精度高于遗传算法人工神经网络,而遗传算法人工神经网络收敛速度最快。并且随着求解变量个数的增加,基于遗传退火人工神经网络收敛速度高于改进的模拟退火人工神经网络。     

多层前向网络的研究——遗传BP算法和结构优化策略

分析了引起BP算法局部收敛现象的原因,探讨了解决的途径.通过对遗传算法中 的基因群体的实数化,并将其与BP算法有机地集成起来,提出了遗传BP算法.此外,在借鉴 网络剪枝法思想的基础上,重新定义网络结构复杂度函数,并以遗传算法直接求解网络结构 优化问题,给出了网络结构优化策略.仿真结果和实际应用均表明了上述研究的成效.     

基于小生境-遗传算法优化的新型BP模型

为解决传统BP神经网络模型易陷入局部极小点、网络结构不稳定、收敛速度慢等问题,提出了一个小生境遗传算法优化的BP神经网络模型。该网络模型借助BP神经网络的非线性映射和学习联想能力和小生境遗传算法的搜索能力,利用小生境遗传算法的选择、交叉、变异及小生境淘汰等操作,来对BP神经网络的初始权值和阈值进行优化,同时使用BP算法来训练该模型,从而有效地解决了网络初值不合理的问题,提高了网络收敛速度、稳定性。实验证明：与传统方法相比,该模型具有很强的可行性和有效性。     

遗传算法改进BP网络对织物配色的优化研究

深入研究了传统BP网络结构的优化方法,对近年来各学者所提出的新的优化方法进行了分析,并结合织物染色配色的应用领域,深入分析和改进了遗传算法对BP网络进行结构优化的思想,在训练BP网络的同时,利用遗传算法优化BP网络结构,提高了算法效率.最后通过织物染色配色仿真的计算与实验,显示了该算法的有效性.     

基于RBF神经网络混合遗传算法的多用户检测

提出了一种混合递阶遗传算法来同时训练RBF神经网络的结构和参数,引入了改进的染色体编码方案,用基于奇异值分解的最小二乘法计算网络输出层权值,提高了遗传搜索的效率,精简了网络结构.并用变学习速率梯度下降法优化遗传训练出的最优网络,应用到多用户检测中.仿真结果表明,新混合学习算法训练出的网络结构优于其它算法训练的网络结构,并且性能良好.     

基于RBF神经网络的最经济控制研究

为有效解决系统的最经济控制问题,本文提出将系统的经济收益问题转换为对系统控制结构和参数的优化问题。首先提出将网络代价的概念植入径向基函数神经网络(RBF网络)结构的优化中,对神经网络的隐层激活函数和隐层节点数进行选择;再用改进的遗传算法实现RBF网络参数的优化,从而实现神经网络的最经济控制;最后通过实例验证,表明设计的算法与BP网络的最经济控制相对比,具有明显的优越性。     

基于免疫RBF神经网络的逆运动学求解

求解机械臂逆运动学问题可以采用神经网络来建立逆运动学模型,通过遗传算法或BP算法训练神经网络的权值从而得到问题的解,在求解精度和收敛速度上有待进一步改进。采用人工免疫原理对RBF网络训练数据集的泛化能力在线调整隐层结构,生成RBF网络隐层。当网络结构确定时,采用递推最小二乘法确定网络连接权值。由此对神经网络的网络结构和连接权进行自适应调整和学习。通过仿真可以看出,用免疫原理训练的神经网络收敛速度快,泛化能力强,可大幅提高机械臂逆运动学求解精度。     

基于粗糙集和遗传算法的神经网络模型研究

提出一种基于粗糙集理论和遗传算法的神经网络模型和它的构造方法.该模型先利用粗糙集理论进行属性约简;利用遗传算法优化BP网络参数;用约简结果和优化的BP网络参数进行网络训练.仿真实验结果表明,该模型能简化网络训练样本,优化神经网络结构,提高系统的学习效率和精度.此方法是有效可行的,具有理论意义和实用价值.     

基于遗传算法的聚类分析在体型分析中的应用

e-MTM(e-MeasuretoMade,即电子化量身定制)是目前国际上新兴的基于三维人体扫描技术的服装生产方式。对于e-MTM中的体型分析问题,本文给出了一种基于遗传算法和K-means算法相结合的聚类算法。分析结果表明,该算法完全满足e-MTM中的体型分析的需要。     

基于遗传概率神经网络的变压器励磁涌流识别

利用遗传算法优化概率神经网络的重要参数,以便获得最优的平滑因子,从而实现了电力变压器励磁涌流和内部故障电流的识别。采用MATLAB软件对变压器不同的运行状态进行建模仿真,并对保护方案进行测试。     

基于GA-BP神经网络的电池剩余电量的预测

研究动力电池剩余电量问题,电池剩余电量的准确预测一直以来都是一个难点.由于剩余电量与电流、内阻和温度有关,电池内部复杂的电化学反应导致了电池电压不能线性反映电池的剩余电量,传统的方法往往会有较大的误差.BP神经网络的特点是可以逼近任意的非线性函数,而BP神经网络并非完美的神经网络,采用用遗传算法优化BP神经网络可以克服其缺点,更好的预测电池的剩余电量.实验结果证明,所用的GA - BP神经网络方法具有反应快,误差小的特点,达到了预先设计的目的.     

乙烯泵GA-821A/B防喘振控制系统的改进

0　引言乙烯泵GA - 82 1A/B是乙烯罐区的核心设备之一 ,它的主要作用是将乙烯贮罐FB - 82 1A/B/C中的液态乙烯 (温度 :- 35℃ ,压力 :1 6 2 0kPa)压缩成压力为5 6 0 0kPa ,温度为 - 35℃的液态乙烯 ,然后通过换热器加热后 ,变为压力为 5 1 90kPa,温度为 30℃的气态乙烯 ,进入聚乙烯装置界区内作为反应的原料 ,因此 ,此设备运行的情况将直接影响到聚乙烯装置运行的好坏 ,在生产的衔接过程中起着非常重要的作用。1　乙烯泵防喘振控制系统运行状况乙烯外送泵GA - 82 1A/B防喘振系统比较简单 ,但对泵的正常运行却很重要 ,如图 1所示。图 …