随机自动学习机在BP神经网络中的应用

BP算法在许多领域中得到了很好的应用,但它有很多局限性。对复杂的问题,BP需要很长的时间训练网络,而且不一定能得到最佳的网络参数,因此找到合适的网络参数是比较困难的。本文将引入随机自动学习机模型来对BP网络的参数进行调整优化。实验证明所提出的方法不仅能提高网络训练的收敛速度,而且避免了训练陷入局部最小点。     

结合遗传算法优化模糊Petri网的参数

本文提出了应用遗传算法实现模糊Petri网参数优化的方法.仿真实验的结果表明,遗传算法能有效地找到模糊Petri网的理想参数,这提高了模糊Petri网对知识的分析、推理能力.     

结合遗传算法优化模糊Petri网的参数

本文提出了应用遗传算法实现模糊Petri网参数优化的方法。仿真实验的结果表明,遗传算法能有效地找到模糊Petri网的理想参数,这提高了模糊Petri网对知识的分析、推理能力。     

分布式数据采集系统的通信模型优化

针对分布式数据采集在数据传输和网络通信等方面存在的问题,给出一种基于异步并行算法的DataSocket通信模型,根据该通信模型中的加速比和并行效率2个指标对异步并行算法进行优化,将优化后的模型应用到某柴油机数字化实验系统中.实验结果表明,优化后的模型能解决数据实时传输中通信开销大的问题,提高了分布式数据采集系统中的数据传输效率.