优化汽车故障诊断神经网络的改进遗传算法

为了优化汽车故障诊断神经网络的权值和网络结构,改进并设计了遗传算法.在保证种群多样性的条件下,将种群规模降低到最小;引入BP算子,与交叉和变异算子共同竞争,自适应调整运算概率;引入个体间的广义海明距离用于保持种群的多样性,引入连接权的敏感度用于优化网络结构.算法对比测试表明,改进后的遗传算法能够在优化权值的同时优化网络结构,减少了内存占用量,保证了种群的多样性,提高了算法的运行速度和收敛效果.     

遗传算法及其在电力系统无功优化中的应用

遗传算法是基于自然选择规律的一种优化方法,算法能成功地解决无功变量中的离散问题,避免常规数学优化方法的局部最优现象。本文阐述了遗传算法的特点以及遗传算法与其它算法相结合的算法在电力系统无功优化中的应用。     

遗传算法在桥梁有限元模型修正中的应用

遗传算法是一种模拟自然选择和遗传机制的优化算法,在自动控制、图像处理等方面有着广泛的应用,本文将遗传算法应用于桥梁有限元模型修正,并与L-M算法的优化结果进行对比,二者优化结果基本一致,并总结出遗传算法与L-M算法在桥梁有限元模型修正中的优缺点。     

基于融合CNN和SSA-SVM的滚动轴承故障诊断

针对滚动轴承故障诊断问题,提出一种融合一维卷积神经网络(1D CNN)和麻雀算法优化支持向量机(SSA-SVM)的网络结构。该网络结构通过卷积运算对原始时域振动信号直接进行特征提取,将提取到的特征输入到麻雀算法优化的支持向量机中,使用支持向量机代替Softmax进行分类。利用滚动轴承故障数据进行验证,此方法故障诊断精度高达0.983,高于其他网络结构,且整体网络结构简单,有一定实际应用价值。     

基于变尺度混沌优化策略的混合遗传算法及在神经网络中的应用

讨论了遗传算法优化神经网络连接权的优点及存在的局限性.应用变尺度混沌搜索策略,建立了一种新的混合遗传算法——混沌遗传算法.将改进后的遗传算法结合前馈型神经网络应用于储层油气预测,取得了较好的效果.     

遗传算法在ABS电磁阀的优化中的应用

本文对二十世纪八十年代出现的新的计算方法——遗传算法作了实际应用上的探讨,对汽车防抱制动系统（Anti—lock Braking System,简称ABS）中的电磁阀的动态仿真模型进行了优化,发现运用遗传算法进行优化计算比起其他的优化方法简单实用并且便于运用计算机进行计算。     

遗传算法求解TSP问题

有效解决TSP问题在实际应用上有很高的价值,而且TSP问题由于其典型性已经成为各种启发式的搜索优化算法的间接比较标准,遗传算法就是一种比较经典的启发式算法。文章介绍了TSP问题和遗传算法的基本原理以及特点;针对解决TSP问题,论述了遗传算法在编码表示和遗传操作算子等方面的应用情况。     

采用可能解空间改进遗传算法

引入可能解空间的概念,探讨了它在遗传算法约束条件处理改进中的应用.应用实例分析表明,改进的遗传算法可得到更优化的结果,并验证了在种群生成中采用改进约束条件处理的优势.工程实践也表明,采用可能解空间对遗传算法约束条件处理的改进,能大大减少随机试探次数,提高算法的运行效率.     

基于遗传算法的青海土族和藏族人发元素非线性映射研究

利用非线性映射与遗传算法相结合的方法对青海少数民族进行识别。遗传算法是一种借鉴生物界自然选择和进化机制发展起来的高度并行、随机、自适应搜索算法,由于其具有健壮性,特别适合于处理传统搜索算法解决不好的复杂的和非线性问题。它是解决各类函数优化和非线性映射问题的一种有效算法。以青海少数民族土族和藏族人发中微量元素的模式识别为例,编制基于误差函数的目标函数和遗传算法约束参数,应用基于MATLAB的遗传算法工具箱进行优化求解。结果表明:该工具箱在求解此类非线性优化问题上是有效的,基于遗传算法的非线性映射的预测结果比线性判别方法要好些。     

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。     

基于概率神经网络的交通方式划分模型

神经网络具有良好的模式识别能力,而交通方式划分从本质上来看,是一个分类的问题。鉴于此,本文尝试运用概率神经网络进行交通方式划分的建模,并给出了算例,分析表明,该模型对方式划分问题不仅具有很强的解释性,同时具有很好的可操作性。     

神经网络用于精确预言含F铋系高温超导的T_C

本工作通过选取适当的拓朴结构,特别是对零电阻转变温度 T_c 的数据采用压缩与还原的技术处理,建立了一个基于误差反向传播(简记为 B-P)算法的人工神经网络。该网络可根据制备含 F 铋系高温超导材料的几个主要实验参数,相当精确地预言此类超导体的 T_c。本方法显然具有一般意义,从而有力地促进了材料的计算机辅助设计的研究工作,使之进一步趋于成熟。     

基于串-并行计算BP网络拓扑结构的研究与实现

在传统ＢＰ网络拓扑结构及学习算法的理论分析基础上,提出了一种更接近人类大脑思维方式的采用串一并行计算构造的神经网络拓扑结构的方法：将样本特征三大问题中的“排序”问题的解决体现在网络的拓扑结构上,有效地提高了神经网络的学习速度和识别精度。     

对称单面鳍线的人工神经网络模型

采用知识人工神经网络模型拟对称平面鳍线,通过利用先验知识减小输入映射关系的复杂度,建立了知识人工神经网络模型,减少了训练样本的数量。同时保留了全波时域有限差分法的准确性,而且具有快速简便的优点。     

基于Transputer平台的神经网络仿真系统

介绍了一种在ＰＣ－Ｔｒａｎｓｐｕｔｅｒ平台上实现的人工神经网络仿真系统。该系统既利用了Ｔｒａｎｓｐｕｔｅｒ处理器阵列适合大规模并行处理的特点来实现人工神经网络模型的算法，又借用了ＰＣ机Ｗｉｎｄｏｗｓ平台上良好的多媒体技术为神经网路研究者和使用者提供了一个方便实用的图形接口界面，并且把Ｔｒａｎｓｐｕｔｅｒ多处理器硬件结构向用户屏蔽，使用户从繁琐的Ｔｒａｎｓｐｕｔｅｒ／Ｏｃｃａｍ并行编程中解脱出来，只需用图形方式或高级描述语言来描述定义一个神经网络，即可完成人工神经网络的仿真。     

复杂枝状管网内不稳定流动数学模型的广义解

考虑复杂枝状管网系统內不稳定流动,建立起压力分布的偏微分方程组的初边值问题的数学模型,利用线性算子半群方法得到了问题解存在唯一的结论,并利用算子级数法得到了问題的广义解。     

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。     

误差补偿和时滞辨识预测控制算法

通过神经网络辨别出非线性系统的滞后时间,并采用误差补偿手段对神经网络进行修正,控制系统的反馈取自不带时滞的非线性神经网络的输出,采用预测控制策略改善整个系统的控制性能。仿真实验表明该方法具有较快的响应速度和较强的自适应性与鲁棒性,能有效克服延迟和干扰给控制品质带来的不利影响,取得了良好的控制性能。     

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.     

基于遗传算法的无线传感器网络路径优化

提出使用遗传算法对无线传感器网络进行路径优化,考虑节点能耗和路由恢复时间等实际因素的影响,将这些影响作为路径优化问题的约束条件来处理;考虑各种约束条件和多种目标按照重要性的优先次序,使WSN有更长的寿命;对算法的各个环节进行了细致的分析,包括染色体的表示和编码、适应度函数的设计、遗传操作算子的设计及算法参数的分析和选取。大量的仿真实验证明,使用GA能找到WSN有效的优化路由。