基于遗传算法的神经网络被动声呐目标分类研究

被动声呐目标识别系统中目标分类器的设计和训练是一项重要内容，本文设计了目标分类器的神经网络结构，提出了一种用改进的遗传算法训练神经网络分类器的新方法，最后，对海上实录的Ａ，Ｂ，Ｃ三类目标噪声进行了分类识别，实验结果表明基于遗传算法的神经网络分类器比传统的基于ＢＰ算法的神经网络分类源泛化性能有明显提高。     

遗传算法优化 BP 神经网络的显示器色彩空间转换

目的基于改进遗传算法优化BP神经网络,研究对显示器色彩空间转换的预测准确性的方法。方法通过改进数据归一化处理和遗传算法的适应度函数,来优化BP神经网络的权值和阈值,以将它们的分布范围缩小,再用BP算法进行精确求解,并将该方式与常规方式作对比。结果训练优化后的BP神经网络预测模型20次,测试色块平均色差为2.9353,最小平均色差为1.9467。结论该方法大大降低了BP神经网络预测模型陷入局部极小值的可能性,对显示器色彩空间转换具有较好的非线性拟合能力和更高的预测准确性。     

优化遗传神经网络及其在机械故障诊断中的应用

提出了一种改进的遗传神经网络算法,该算法综合了遗传算法的全局性和神经网络的并行快速性等特点,有利于克服神经网络存在易陷入局部极小和收敛速度慢的问题,达到了优化网络的目的.此算法应用于磨机故障诊断,通过试验得出对故障模式的识别精度较高,具有较好的应用前景.     

橡胶悬置元件结构参数优化设计方法

由于橡胶悬置元件的结构比较复杂,截面不规则,无法用传统的优化方法对其结构优化.利用遗传算法和神经网络相结合的策略对橡胶悬置元件的几何结构参数进行优化,即用神经网络学习算法建立橡胶悬置元件几何结构参数与其三个方向刚度的非线性全局映射关系,获得遗传算法求解结构优化问题所需的目标函数,用遗传算法进行优胜劣汰的寻优搜索运算,求出最优解.优化结果表明,橡胶悬置元件结构参数优化设计方法是可行的.     

GA改进BP神经网络在抗滑桩孔爆破开挖中的应用

目前桩孔开挖主要依靠工程类比进行,不同设计者设计的爆破参数往往因掌握的爆破理论和经验的不同而有所差异,爆破质量参差不齐。为此,提出基于遗传算法GA改进BP神经网络(GA-BP)建立爆破参数优化设计模型,该法不仅可以利用已有爆破经验数据和工程地质条件,同时,使用遗传算法优化BP神经网络阈值和权值可以弥补BP神经网络不稳定的缺陷,以达到获得更优爆破参数的目的。实践表明,基于遗传算法改进BP神经网络相比一般BP神经网络预测相对误差较小,同时GA-BP神经网络得到的优化爆破参数进行现场试验,取得了良好的爆破效果。因此,GA-BP神经网络模型应用于抗滑桩孔开挖爆破参数设计是可行的,可用于指导爆破施工。     

基于SCADA数据和改进BP神经网络的塔筒应力预测

针对风电机组载荷监测中应变片寿命短的缺陷,基于风电场海量状态监测数据,利用遗传算法和粒子群算法对BP神经网络进行改进,建立塔筒应力预测模型,并通过综合相关系数实现输入参量的有效选择.仿真结果表明,改进后的GA-BP神经网络预测模型和PSO-BP神经网络模型,预测结果的最大、最小相对误差等指标均比BP神经网络预测模型好;...     

GA改进BP神经网络在抗滑桩孔爆破开挖中的应用

目前桩孔开挖主要依靠工程类比进行,不同设计者设计的爆破参数往往因掌握的爆破理论和经验的不同而有所差异,爆破质量参差不齐。为此,提出基于遗传算法GA改进BP神经网络(GA-BP)建立爆破参数优化设计模型,该法不仅可以利用已有爆破经验数据和工程地质条件,同时,使用遗传算法优化BP神经网络阈值和权值可以弥补BP神经网络不稳定的缺陷,以达到获得更优爆破参数的目的。实践表明,基于遗传算法改进BP神经网络相比一般BP神经网络预测相对误差较小,同时GA-BP神经网络得到的优化爆破参数进行现场试验,取得了良好的爆破效果。因此,GA-BP神经网络模型应用于抗滑桩孔开挖爆破参数设计是可行的,可用于指导爆破施工。     

基于遗传神经网络信息融合的模拟电路故障诊断

提出了一种基于动态电源电流和输出电压信息融合,以及遗传算法优化径向基(GA-RBF)神经网络的电路故障诊断方法.对电路采样信号进行了小波包能最特征提取、归一化和特征关联,用遗传算法优化径向基神经网络的训练,建立了一个信息融合和故障诊断系统.通过仿真实验表明,此方法可以有效提高诊断正确率.     

一种基于遗传算法的盲分离方法

1引言 目前的盲信号分离(Blind Source Separation)方法大多是建立在一定的神经网络模型基础上的.遗传算法作为一种并行、全局的最优搜索算法,可以为分离网络连接权值的训练提供快速性和全局性保证.本文提出了遗传算法的一种改进形式,在个体进化过程中引入基于信息理论的自然梯度学习规则,旨在加强遗传算法对局部最优解的搜索能力.对实录语音信号的分离仿真实验表明了该改进算法可以有效地提高收敛速度.     

基于GA-BP神经网络矿岩爆破参数优选

针对BP神经网络方法用于矿岩爆破参数优选存在收敛速度慢、误差相对较高等问题,提出利用遗传算法优化的BP神经网络模型,用于矿岩爆破参数的智能优选.通过具体实例,对采用BP神经网络和改进后的GA-BP神经网络的算法进行对比实验,结果表明优化后的BP神经网络性能得到提高,优化后的爆破参数能取得更好的爆破效果.     

基于遗传BP神经网络反演楔体参数的研究

为了获得未知楔体的参数,建立了遗传算法和反向传播(Back Propagation,BP)神经网络结合的反演模型。仿真得到不同角度、密度、杨氏模量下楔体导波的频散曲线。采用反对称第一阶模态相速度数据作为遗传BP神经网络反演模型的输入变量;利用遗传算法改进BP神经网络获得优化的初始权值和阈值,并对BP神经网络进行训练;最后将实测的楔体一阶模态相速度代入训练好的网络进行参数反演。结果表明,通过该反演模型可同时反演出楔体的角度、密度、杨氏模量,并且较单一BP神经网络具有收敛速度快、精度高的优点。     

考虑多交叉口相互影响的干道相位差仿真优化研究

为解决传统相位差优化方法以相邻交叉口为基础,忽略了连续交叉口对应的多个相位差之间的内在相关性的问题,以连续交叉口的多个相位差为研究对象,建立干道车辆延误与相位差关系的神经网络模型,采用遗传算法求解。首先,根据调查数据搭建仿环境获取不同相位差对应的干道延误数据,基于此采用神经网络拟合干道车辆延误与相位差之间的关系。然后通过遗传算法寻找神经网络中的最优延误对应的各个交叉口的相位差值。最后,将本文优化结果与Synchro进行比较分析。结果表明,本文模型能够有效改进相位差配时方案,方案性能提升了22.27%。     

自适应并行遗传算法及其应用研究

本文首先分析遗传算法中杂交率和突变率对算法收敛的影响,提出了自适应并行遗传算法,然后研究了该遗传算法对神经网络同时进行网络结构和连接权值的优化问题,最后将自适应并行遗传算法应用于故障诊断网络的权值学习。     

基于GA-BP神经网络的结构损伤位置识别

针对传统BP神经网络训练中存在的一些问题，提出了一种基于遗传算法(GA)-BP神经网络混合技术识别结构损伤位置的方法。该方法利用基因实数编码的遗传算法优化BP网络的结构及初始参数，从而大大提高了神经网络的训练精度。运用GA-BP网络与传统BP网络技术分别对两个算例进行了结构损伤定位的识别仿真，结果表明遗传BP稳定性好，精度高，对噪声有很好的鲁棒性，便于工程应用。     

Research on automatic identification system of tobacco diseases

In order to improve recognition accuracy of tobacco diseases, an identification method based on multi-feature and genetic algorithms optimizing BP neural network was proposed. First, Otsu method was used to obtain disease location information and GrabCut function was initialized for extracting diseased area effectively. Second, colour moments, disease contour and GLCM were used to get colour, multi-contour and texture features. Once again, BP neural network was optimized by genetic algorithm, and the optimal initial weights and thresholds were obtained, which shortened the training time and improved the accuracy of disease identification. Finally, BP neural network model for tobacco diseases diagnosis was established with the mobile client as input and the user services as output. The field experiment showed that the method could diagnose eight types of tobacco diseases effectively and automatically. The average recognition accuracy rate of selected tobacco diseases was about 92.5%.     

Parallel-distributed blind deconvolution based on a self-organizing neural network

A parallel-distributed blind deconvolution method based on a self-organizing neural network is introduced. A large degraded image is segmented into smaller subpatterns. Each subpattern can be used to get a blur function. Moreover, we propose a two-step unsupervised learning method in the self-organizing neural network. The two-step learning method includes parallel learning and series learning operations. The series learning operation is similar to a typical learning operation in the self-organizing neural network. The parallel learning operation is used as a positive perturbation to let the learning operation leave a local minimum. Several improved blur functions can be estimated from the different subpatterns, and the optimized blur function is evolved by use of a genetic algorithm. As the blur function is estimated, the source image of the large degraded image can be easily restored by use of a Wiener-type filter or other deconvolution methods. Computer simulations show that the proposed parallel-distributed blind deconvolution method gives good reconstruction and that the two-step learning method in the self-organizing neural network can promote learning. Since the main computational cost is dependent on the size of the subpattern, the proposed method is effective for the restoration of the large image.     

于GA-BP模糊神经网络的商业银行信用风险评估

研究了商业银行信用风险评估的现状,针对单独应用BP神经网络评估信用风险时存在的缺陷,提出了基于遗传算法优化模糊BP神经网络的信用风险评估新模型.通过遗传算法训练模糊BP神经网络,克服网络建模中产生的局部极小的缺点,提高了风险评估的准确性.最后,利用Matlab软件对样本数据进行训练和测试,仿真结果表明所构造的评估模型预测误差非常小.     

遗传算法和BP神经网络在电机故障诊断中的应用研究

人工智能方法在电机故障诊断中的应用,使得电机故障能够得到及时准确的预测和诊断,保障了电机的安全运行。介绍了BP神经网络及遗传算法的基本原理及组成结构,针对BP神经网络容易陷入局部极小点及收敛速度慢的问题,利用遗传算法对BP神经网络的权值和阀值优化,改善了BP神经网络的诊断性能;通过GA-BP网络对电机的三种故障模式进行了诊断识别,其实验仿真结果表明：无论是在诊断速度上还是诊断精度上,GA-BP神经网络诊断性能都比单独的运用BP网络有了很大提高。     

焊接工艺参数优化的智能计算研究

如何找出特定的最佳工艺参数是焊接工作者重要而又艰巨的一项工作,是进行焊接加工时首先需要解决的问题.在全面考虑BP神经网络(Back propagation neural network)的非线性映射功能和GA(Genetic algorithm)全局寻优方法的基础上提出了综合利用回归正交表、人工神经网络(ANN)及遗传算法(GA),在所有可能的焊接工艺参数范围内自动搜寻最佳工艺参数的方法,研究中比较了不同种群大小、不同交叉概率对精度及效率的影响.结果表明,该方法具有适应性广、可靠性高的优点,由于可以大大减少试焊次数,具有良好的推广价值.