基于GA-BP神经网络的人脸检测

传统的BP神经网络算法收敛过慢、局部收敛不理想,影响其工作性能。针对以上不足以及人脸图像数据大等问题。提出GA-BP神经网络对人脸图像进行检测的新方法:将遗传学习算法和误差反向传播算法相结合的混合算法来训练前馈人工神经网络,使网络收敛速度加快和避免局部极小。通过实验表明该网络不仅收敛速度快,而且易达到最优解。证明该网络对人脸图像检测具有高的检测精度。     

基于GA-BP神经网络的高质量配电网供电可靠性分析

阐述一种基于GA-BP神经网络的高质量配电网供电可靠性预测方法,筛选出若干项目指标作为输入样本,将逐项指标的历史数据归一化到同一数量级,通过GA-BP神经网络训练,探讨利用训练好的网络模型,预测目标年份的供电可靠性。     

GA-BP神经网络对片烟结构的预测研究

针对烟叶复烤厂打叶过程中片烟结构难以预测的问题,文中提出了一种基于MATLAB图像处理的GA-BP神经网络预测模型。对于烟叶分类问题,基于获取的烟叶图片,利用MATLAB软件对图片做预处理,提取衡量片烟结构的主要特征变量,并利用行业标准与聚类分析算法对数据进行分类。通过统计学的标准数学方法,构建了遗传算法优化的BP神经网络预测模型对主要影响参数进行预测优化。研究结果表明,文中所提方法预测精度较高,预测极差均小于0.059,可有效解决打叶过程中片烟的预测问题。     

基于GA-BP神经网络算法的生产调度研究

针对企业在车间生产调度方面的问题,提出了基于GA-BP神经网络的生产调度算法。通过对比GA-BP模型与传统的BP模型,验证了GA-BP模型能够克服BP模型收敛速度慢和训练时间长的缺点。通过仿真实验对GA-BP模型进行预测,得出模型预测正确率为96.2%。实验证明该算法可以完成最小化完成时间、最小化逾期时间和最小化能耗等多个目标,能准确有效地预测车间作业时长的真实数据。     

基于GA-BP神经网络的茶叶蔗糖量检测模型研究

采用近红外光谱技术结合反向传播人工神经网络算法建立了茶叶中蔗糖含量的检测模型,并通过引入遗传算法改进了模型预测质量.预测模型采用120个茶叶掺蔗糖样品的傅里叶变换漫反射光谱数据建立.对另外42个样品的预测结果表明,基于传统的反向传播人工神经网络算法模型的相关系数为0.738 0,预测均方根误差为3.075 4,正确识别率为83.3％;增加遗传算法后相关系数提高到0.941 9,预测均方根误差为1.3176,正确率为88.1％,训练误差减小一个量级以上.实验结果表明,反向传播人工神经网络模型可用来检测茶叶中的蔗糖含量,同时,引入遗传算法优化了神经网络的初始权值和阈值,使预测误差更小.     

基于GA-BP神经网络的股票收盘价预测

为提高BP神经网络预测股票收盘价的准确性和高效性,文章使用Python语言,通过遗传算法（GA）对BP神经网络算法中的权值和阈值进行优化（GA-BP）,并将优化后的系统用于股票预测当中。优化后的算法收敛速度更快,同时克服了BP算法容易陷入局部最优的缺陷,提高了整个系统的预测精度。最后对股票“千金药业”的仿真结果表明,该方法在股票收盘价的短期预测方面具有一定的应用价值。此外,在对股票收盘价预测过程中,添加输入参数盘口,能够有效降低GA-BP神经网络的预测误差。     

基于GA-BP神经网络的VOD代理节目预取模型

VOD代理服务器的节目预取方法决定了园区网VOD系统的整体运行效率。提出一种节目预取模型,采用BP神经网络构建分类器并对VOD节目进行分类,再根据分类结果采用基于分组的方法实现代理服务器的节目预取。模型中引入遗传算法对已建立的分类模型进行改进,以克服局部极小值问题。仿真实验表明,该预取模型具有较高的命中率,能有效提高代理服务器的利用率。     

GA-BP神经网络在NB-IoT水质监测系统中的应用研究

针对水质分类模型存在评估准确率不高、训练速率慢及样本规模要求大等问题,引入遗传算法优化的BP神经网络实现水质分类模型训练。在水质终端节点中,驻留训练后的参数,实现多传感器数据融合。经同类样本训练下比较,GA-BP神经网络的水质分类模型平均收敛速度比传统BP神经网络快且不易陷入局部极小值,并保证了较好的准确率,表明利用GA-BP神经网络在NB-IoT水质监测系统中有较为良好的应用推广价值。     

基于遗传算法优化的BP神经网络研究应用

为提高BP神经网络预测模型对超市大米日销售预测的准确性,提出一种基于遗传算法优化的BP神经网络预测方法。介绍了BP神经网络和遗传算法的特点以及存在的缺陷,并进一步研究了BP神经网络和遗传算法相结合的有关技术,利用遗传算法优化BP神经网络的权值和阈值,然后训练BP神经网络预测模型获取最优解,充分发挥了BP神经网络的局部搜索能力和遗传算法的全局搜索能力的优势。仿真结果证明,该方法对超市大米日销售预测具有更高的精度和更好的非线性拟合能力。     

基于GA-BP神经网络的手势识别精度优化研究

针对5DT数据手套手势识别过程中存在的精度问题,传统的BP神经网络算法受到其自身因素的影响,导致出现输出手势缺失、变形、精度差的问题。为此,该文提出一种GA-BP权值优化算法,能有效克服BP算法局部寻优的缺点,使输出值不断地接近期望数值,防止陷入局部极小的情况,可以克服输出图像缺失、变形的问题。在GA-BP算法的基础上,对函数输出误差的最大值进行权值优化,解决输出手势精度差的问题。实验结果表明,基于GA-BP神经网络权值优化算法改善了手势识别的精度。     

基于GA-BP神经网络的矿用刮板输送机故障诊断

针对矿用刮板输送机的故障诊断问题,提出一种基于GA-BP神经网络的故障诊断方法.为了避免BP神经网络易陷入局部最小值、隐含层节点数难确定等问题,这里首先根据经验公式缩小隐含层节点数范围,在小范围里寻找最优的隐含层节点数;进而根据遗传算法具有全局寻优的特点,用遗传算法优化BP神经网络训练的初始权值阈值.研究表明经经验公式...     

基于优化GA-BP神经网络的金融产品营销预测

传统BP神经网络存在着网络结构参数确定过于依赖经验、易于陷入局部解等缺陷,为了改进BP神经网络模型的应用缺陷,提出优化GA-BP算法,通过GA算法优化BP神经网络拓扑结构和网络参数初始值的选取过程,并且为了验证模型的可行性,以某银行短期理财产品营销的客户历史数据作为实证研究对象,并通过与BP神经网络模型的对比实验,验证该模型可以更精确地预测银行理财产品的客户营销结果。实验结果表明将该模型用于对金融产品营销数据的仿真计算,可以更精确地预测未来营销结果。     

一种基于GA-BP学习的神经网络推理机制的研究

为了克服基于规则专家系统推理适应性差、学习能力差等缺点,本文对基于GA算法与BP算法的神经网络专家系统推理进行了研究,给出了一种基于GA-BP学习的神经网络推理模型及实现算法。使用UCI标准数据集进行仿真实验,同其他典型的四种推理算法进行了比较研究,得出基于GA-BP模型的推理具有学习速度快,实时性和准确性高的优点。     

基于GA-BP神经网络的旅游客流预测应用研究

随着人们日益增长的物质文化需要,旅游业蓬勃发展。各大旅游景点人满为患的现象也随之出现,为有关部门的管理带来了极大的困扰。在大数据技术正日趋普及的背景下,产生了大量与旅游相关的数据。文章尝试优化BP神经网络模型,预测一段时间内的客流量变化,为有关部门制定管理策略和推出应急措施提供参考。经实证结果分析,利用遗传算法优化BP神经网络,可对客流量进行更精准的预测。     

基于GA-BP神经网络的雷达干扰效能评估方法

针对当前雷达干扰效能评估方法中评估模型较为复杂、参数获取困难、应用价值不大的问题,优化了雷达干扰效能评估变量和指标体系,使其更加贴近实际应用;针对传统雷达干扰效能评估方法中依赖专家打分、人为因素影响较大而普通神经网络预测误差较大的问题,采用遗传算法（genetic algorithm, GA）对误差反传（back propagation, BP）神经网络的初始参数进行全局优化,提出基于GA-BP神经网络的雷达干扰效能评估方法,降低评估系统误差。最后,进行了仿真验证,与普通BP神经网络和支持向量机（support vector machine, SVM）进行了对比分析,并通过调整参数进一步优化了该方法。仿真结果表明,该方法明显优于普通BP神经网络和SVM,具有较好的准确度和稳定性,可为实际应用提供科学依据。     

基于遗传神经网络的入侵检测模型

这篇文章提出了一种基于遗传神经网络的入侵检测模型-进化神经网络入侵检测系统(ENNIDS),模型的核心模块利用遗传算法优化神经网络来实现,结合了误用检测和异常检测技术,并从理论上分析了该模型各个模块的功能和实现技术.我们在UCI机器学习数据库的入侵检测数据集上进行了实验,实验结果表明:该模型在检测正确率、误警率等方面能获得校好的性能。     

基于GA-BP算法的充电站负效应评价

由于电动汽车出行需求存在随机性、充电信息不精准等问题,造成城市交通能源供应站承载力与补能需求车辆的时空错配,导致充电站产生了拥堵排队、能源消耗不合理等负效应。基于此,文中从负效应最小化的视角构建了充电站的负效应评价指标体系,综合考虑交通效率影响、站点服务影响、电网负荷影响等3个因素,采用GA-BP神经网络构建了充电站负效应评估模型。最后,以重庆市南岸区某充电站为例,验证了该方法的适用性与有效性。     

基于神经网络的单步和多步电弧炉模型的研究与应用

介绍了电弧炉计算机智能控制系统的特点与方法，并着重讨论了神经网络预估模型的设计，包括遗传算法在建立神经网络模型的应用和神经网络模型实时学习的要求，基于此基础对于多步预估进行了讨论和研究。通过实际应用证实该系统具有效率高，电能消耗低，电极消耗和耐火材料消耗少等一系列优点。     

基于GA-BP神经网络的柴油机噪声品质评价方法

在柴油机运转中存在有比汽油机更大的噪声与振动,当其强度达到一定程度时,会给环境造成严重的危害.基于对柴油机噪声品质预测的目的,采用(GA-BP)算法建立了一种预测模型.其中的BP算法是一种基于梯度下降原理在局部中寻优的算法,由于人对柴油机噪声的主观评价是个非线性的过程,BP算法可以解决非线性可分问题,所以可以在柴油机噪声品质主观评价中应用.但是BP算法的过程收敛速度慢,很有可能陷入局部极小值.而遗传算法(GA)具有全局寻优的优点.文中通过将二者结合起来.由GA寻找最优的BP神经网络权值与相应节点的阀值,可以有效防止搜索过程收敛于局部最优解.通过仿真结果得出:此方法既能快速收敛,又能大大提高避免陷入局部极小的能力,并且预测精度高,为柴油机噪声主观评价提供了一种新思路.