用遗传算法优化神经网络权值

神经网络模拟大脑的生理机制,通过大量简单神经元的互连,实现信息的智能自动化处理,但是神经网络权值与结构的设计往往依靠经验获得.遗传算法具有全局搜索问题解的特性,用遗传算法优化神经网络权值,为神经网络的设计和训练提供了新的途径。实验表明,该方法是可行的、有效的.     

HHGA-RBFNN在DGS设计中的应用

将递阶遗传算法和最小二乘法相结合, 构成一种混合递阶遗传算法,用于优化径向基函数神经网络的结构和参数,通过MATLAB仿真实现该算法,并将该神经网络运用于微带缺陷接地结构的神经网络建模之中,实现对微带缺陷接地结构传输系数的仿真.实验结果表明,应用混合递阶遗传算法优化的径向基函数神经网络,具有很高的拟合精度和很好的泛化能力,可以与时域有限差分分析方法结合,辅助微带缺陷接地结构的设计.     

基于RBF网络的股市混沌预测

根据股票市场具有动荡混沌的特性,以相空间重构理论和神经网络技术为基础,构建出股票价格短期预测的网络模型.用某股票的实际收盘价作为观测数据,通过训练RBF神经网络得到预测数据.结果表明,用径向基神经网络预测股价是可行的和有效的.     

混沌背景下微弱信号时域参数检测的研究

数字示波器不能测量混沌背景中的微弱信号,该文结合混沌和神经网络构建检测模型实现该功能。运用混沌时间序列的相空间重构理论计算嵌入维数作为神经网络的输入维来构建网络模型,并采用单步预测方法,在混沌状态下直接测量混沌背景中微弱信号,获取微弱信号的波形。该方法能够测量微弱信号的时域参数,测量范围宽,逼近目标精度高,计算量小。实验结果证明了该方法具有很强的实用性。     

基于规则的前馈神经网络的混沌梯度下降耦合学习算法

提出用规则判断由于BP神经网络学习过程中因梯度搜索产生的局部极小 ,并利用具有全局寻优的特点的混沌优化算法 ,使学习过程能有效地逃离局部极小。即 ,梯度下降进研“粗搜索”、混沌优化法进行“细搜索”及建立规则将两者结合起来 ,就构成了本文的基于混沌梯度下降的前馈神经网络学习算法。这种算法有效地利用了梯度下降算法的快速性和混沌寻优的全局性。将该算法应用于铜锍吹炼过程智能决策支持系统模型库中的模型学习 ,产生了良好的应用效果。     

遗传神经网络在邮件过滤器中的应用

针对目前反垃圾邮件技术的缺点,提出一种基于遗传优化神经网络的垃圾邮件过滤器模型,利用遗传算法全局搜索能力优化神经网络连接权值,克服神经网络局部极小值点问题,提高神经网络的学习速度和识别能力。通过对遗传算法和人工神经网络算法的实现,证明它们在垃圾邮件过滤器中有很好的应用效果。     

遗传算法中交叉操作的两种改进方法

通过分析交叉算子，提出了分别与模拟退火算法以及神经网络相结合的改进型遗传算法，改进型遗传算法的收敛性能远远优于标准遗传算法。     

基于神经网络和遗传算法的压力机调节螺杆优化设计

强度和质量是压力机调节螺杆主要性能指标。将神经网络和遗传算法结合起来,可以很好地对调节螺杆结构进行多目标优化设计。文章首先建立了调节螺杆有限元分析模型,然后应用正交试验方法对神经网络的训练样本进行试验安排,并建立出设计参数与最大应力、质量映射关系的神经网络模型。利用遗传算法对该神经网络模型进行全局寻优,得到调节螺杆的最优结构参数。     

个人信用评估GA神经网络模型的构建与应用

个人信用评估对于商业银行规避消费信贷风险具有重要意义.为了构建更优的个人信用评估模型,提出了利用遗传算法(GA)优化神经网络的信用评估方法,并通过GA适应度函数的设置控制信用评估中给商业银行造成损失较大的第二类误判的发生.模型的应用结果与BP神经网络进行对比表明,GA神经网络能够有效地控制第二类误判的发生,模型的稳健性高,具有更好的适用性.     

基于遗传算法的柴油机电控参数实时优化

为使发动机满足日益严格的排放法规要求同时使其具有较好的燃油经济性，采用柴油机性能与运转参数间神经网络模型，将遗传算法嵌入DSP中实现了电控参数的实时优化。在实验台上验证了神经网络建模和遗传算法相结合在线寻优的最优控制MAP生成技术的可行性。     

基于遗传神经网络的工程造价估算方法研究

人工神经网络已经成功的运用到工程造价估算方法研究中,高度的鲁棒性和容错能力使它优于多元线性判别分析（MDA）、逻辑回归等方法（Logistic Regression）,针对传统的BP神经网络在工程造价估算方法中存在收敛速度慢和容易陷入局部最小值等问题,提出遗传神经网络的估算方法。将遗传算法和神经网络结合,充分利用两者的优点,使新算法既有遗传算法的全局随机搜索能力,又有神经网络的学习能力和鲁棒性。利用遗传算法的全局搜索能力,针对传统误差反向传播算法的不足,采用染色体编码对神经网络的权值和阈值等主要参数进行优化,通过仿真试验验证其稳定性和有效性,表明该算法在工程造价估算方法中具备较高的实用性。     

基于遗传神经网络的工业股票指数预测

结合遗传算法与倒传递神经网络进行工业股票指数预测 ,使用 5个输入变量 :周成交额增减幅、周振荡幅度、周涨跌幅、5日EMA波动、DIF波动值 ,并将下周涨跌幅设为输出目标进行训练 ,以取得较理想的预测结果。对于传统上选择适合的神经网络拓扑结构效率较低的问题 ,本文对于遗传算法的引入大大提高了搜索到最优结构的速度。     

粗糙人工神经网络在税收预警系统中的应用研究

由于人工神经网络存在一定的问题 ,税收预警系统可以利用粗糙集理论构建一个信息系统 ,借助遗传算法对信息系统进行压缩和约简 ,从而构建一个BP神经网络 ,实践表明 ,这会取得较好的效果。     

基于粗集规则编码的神经网络控制器设计

利用通过粗糙集产生的控制规则对神经子网络进行编码,用遗传算法独立进化每一个子网络,把进化后的子网络用改进的遗传算法通过适当连接形成最后的神经网络。利用该神经网络进行在线控制,并和PID控制效果相比较,证明了其有效性。     

一种并行的遗传／神经网络混合学习算法

提出了一种用于多层前馈神经网络训练的新算法，它把遗传算法与自适应共轭梯度学习算法集成起来。这种并行混合学习算法已经在多指令流多数据流（ＭＩＭＤ）平台实现。通过把该算法用于一个图像识别问题，对它的性能进行了评估。文中还显示了所提出的并行混合神经网络学习算法良好的收敛性。     

基于BP神经网络的资产经营绩效评估模型

针对传统资产经营绩效评估模型的缺陷,提出使用BP神经网络对企业的资产经营进行绩效评 估,并对传统的BP网络进行了优化。其中自适应学习机制优化了学习率,动量项加速机制加 速了传统BP网络的收敛速度,遗传算法用于选择BP网络的初始参数。最后,采用500家工业 企业的资产经营绩效数据对模型的有效性进行了初步验证。     

基于遗传算法的神经网络结构设计

神经网络具有广泛的工程应用前景,但在实际应用中还存在一些困难,如何优化网络结构目前尚无理论指导,应用遗传算法与误差反向传播算法相结合的混合学习过程研究网络结构设计,实例表明通过遗传算法优化网络结构,能够有效地提高网络性能。