共查询到17条相似文献,搜索用时 843 毫秒
1.
机械手逆运动学神经网络建模与仿真 总被引:1,自引:0,他引:1
采用多层前向神经网络来建立机械手逆运动学模型。在分析了用简单遗传算法学习神经网络存在求解速度慢、精度低及有量化误差等缺点的基础上,提出采用改进遗传算法来学习神经网络,用于机械手逆运动学求解。此方法采用实数值编码,并采取动态变异操作。仿真结果表明,该方法有效地弥补了简单遗传算法的不足,能快速达到全局收敛,从而大大提高了机械手逆运动学求解的精度。 相似文献
2.
基于遗传算法的进化神经网络 总被引:16,自引:0,他引:16
提出一种基于遗传算法的多层前向神经网络的自动化设计方法(genetic multiplayer feedforward neural network,GMFNN),用以同时完成对网络结构空间和权值空间的搜索。该算法利用双种群权值优化、结构进化自适应变异率等方法来加快算法的收敛速度,改善解的性能。仿真结果显示本文提出的算法能够有效抑制遗传算法初期收敛的发生,有效地提高多层前向神经网络的收敛精度,并可获得更为简洁的网络结构。 相似文献
3.
基于免疫算法的前向神经网络学习方法 总被引:2,自引:0,他引:2
提出了一种采用免疫算法训练多层前向神经网络的方法。该方法利用免疫算法训练前向神经网络,能够使网络优化过程趋于全局最优。利用基于遗传策略的聚类机制确定前向神经网络的初始权值,增加了网络训练算法收敛于全局最优的概率。将这种神经网络用于雷达模拟调制信号的调制方式识别的仿真结果表明,采用该算法设计的前向神经网络达到了较高的性能。 相似文献
4.
5.
遗传算法与神经网络的结合 总被引:68,自引:2,他引:66
阐明了遗传算法和神经网络结合的必要性和可行性,提出用多层前馈神经网络作为遗传搜索的问题表示方式的思想。用遗传算法和神经网络结合的方法求解了短期地震预报问题,设计了用遗传算法训练神经网络权重的新方法,实验结果显示了遗传算法快速学习网络权重的能力,并且能够摆脱局部极点的困扰 相似文献
6.
提出了一种基于预报模型的变目标函数的前向神经网络快速学习算法。首先推导出一种综合目标函数从而实现极值点附近收敛速度的提高,然后导出变目标函数的局部化递扒最小二乘算法,该方法与现有同类的算法相比,可以提高收敛速度和预报精度,适用于需快速学习的系统辨识和其他应用。系统辨识的仿真实例表明了算法的优良性能。 相似文献
7.
一种基于神经网络和遗传算法的拟人智能控制方法 总被引:9,自引:3,他引:6
提出一种基于Hopfield神经网络(HNN)和遗传算法(GA)混合策略的拟人智能控制方法。首先利用拟人智能控制得到定性控制律(线性或非线性),然后利用GA和HNN的混合优化策略实现定性控制律的定量化——首先,基于网格法产生GA的初始种群;然后,基于实数编码并采用最优个体保留策略、2/4择优选择以及引入控制经验的改进GA进行全局优化;最后,为了克服GA的后期收敛速度慢和局部优化能力缺乏,利用HNN的快速优化能力进行末段搜索,最终产生全局最优解。将该方法用于二级倒立摆系统的控制,仿真和试验结果均表明该方法有效。 相似文献
8.
基于遗传算法的BP神经网络时间序列预测模型 总被引:26,自引:0,他引:26
神经网络能以任意精度逼近非线性函数 ,以神经网络为基础的时间序列预测模型能很好地反映非线性系统发展的趋势 ,但神经网络训练速度慢、易陷入局部极值。针对这种情况 ,用具有良好的全局搜索能力的遗传算法来改进神经网络时间序列预测模型 ,提出了一种将遗传算法和BP算法相结合的学习算法来训练BP神经网络 ,并将该神经网络时间序列预测模型应用于某时间序列的预测。 相似文献
9.
遗传BP网络转速辨识器的设计及在DTC中的应用 总被引:1,自引:2,他引:1
为实现无速度传感器直接转矩控制,有时采用神经网络转速辨识器,但前馈神经网络结构难以确定,运用BP算法时又极易陷入局部解。将遗传算法和BP算法结合,采用混合编码的遗传算法优化神经网络的结构及网络初始权值,再利用BP算法对网络权值进行精确调节;这种将遗传算法与BP算法相结合的GA BP算法,实现了遗传算法的全局搜索能力与BP算法的局部寻优性能的互补结合。将所设计的神经网络转速辨识器运用到直接转矩控制系统当中,利用MATLAB/SIMULINk实现无速度传感器控制系统的仿真实验结果表明,该算法具有良好辨识效果。 相似文献
10.
未知非线性系统的神经网络跟踪控制与仿真研究 总被引:6,自引:0,他引:6
应用输入/输出反馈线性化方法和李亚普诺夫方法,研究了一类具有未知非线性函数的非线性动态系统的自适应鲁棒输出跟踪控制问题。首先通过坐标变换和输入变换,将非线性系统变换为部分线性可控系统。接着采用多层前向神经网络来逼近未知非线性函数,网络的权值根据李亚普诺夫原则来在线修正,这样就克服了多神经网络控制系统中存在的稳定性问题。同时,为了减少权值学习时间,应用遗传算法预先离线训练网络权值。最后提出了一个基于神经网络建模的自适应鲁棒控制律,给出了李亚普诺夫意义下的稳定性证明。所提出的控制律可确保相应闭环系统的状态及跟踪误差一致最终有界。所给的Van der pol系统的例子说明了所提控制方案的有效性与鲁棒性。 相似文献
11.
一类过程控制对象的神经网络建模及仿真 总被引:2,自引:0,他引:2
针对一类典型过程控制系统中存在的非线性和参数不确定问题,提出了神经网络的建模方法。辨识结构采用串并联形式,并分别使用改进BP算法和浮点式遗传算法进行了网络的训练。仿真结果表明遗传算法的全局搜索能力及高效率对神经网络的权值优化具有相当明显的效果,它不仅学习速度快而且稳定性好,可以作为一种良好的优化方法运用到神经网络建模和控制当中。 相似文献
12.
13.
利用进化规划和逐步二次规划实现前馈神经网络的结构优化 总被引:5,自引:0,他引:5
金聪 《系统工程理论与实践》2003,23(2):106-110
用进化规划与逐步二次规划来实现前馈神经网络的结构优化问题 ,并提出了一个相应的学习算法 .针对进化规划与逐步二次规划各自的特点 ,进行了组合 ,使算法不仅具有随机全局搜索能力 ,而且还具有更好的全局收敛能力 ,并与环境有更强的自适应能力 .最后通过仿真和应用实验证实了算法的有效性. 相似文献
14.
15.
针对现有城市系统作战能力评估方法较少的问题,利用反向传播(back propagation,BP)神经网络在能力评估方面所具有的自适应、自学习、强容错性和泛化映射等优势,建立了评估指标体系并给出了指标的隶属函数。通过模拟退火遗传算法(simulated annealing and genetic algorithm,SAGA)优化 BP 神经网络的连接权重和阀值,弱化了指标评价中的人为因素,提高了评价结果的准确性、客观性和权威性,有效解决了传统遗传算法和 BP 神经网络易陷入局部极小值、收敛速度慢和抗干扰能力差等问题。仿真实例验证了该方法对城市系统作战能力评估的可行性和有效性。 相似文献
16.
基于多项式网络的空袭目标类型识别模型 总被引:2,自引:0,他引:2
给出了进行目标类型识别的指标集 ,建立了基于多项式前向神经网络识别模型。该模型具有三层结构 ,隐层、输出层分别采用多项式函数和线性函数作为激活函数 ;隐层 输出层的权值用最速下降法学习 ,输入层 隐层的权值用遗传算法进行学习。实例表明该模型是可行的。 相似文献
17.
MPSO-RBF优化策略在锅炉过热系统辨识中的仿真研究 总被引:1,自引:0,他引:1
提出了基于改进PSO算法的RBF神经网络混合优化(MPSO-RBF)方法,并将其应用到非线性系统的辨识中。该方法将改进PSO算法的全局搜索能力和RBF神经网络局部优化的高效性相融合,克服了普通PSO算法收敛的不稳定性和RBF网络易陷入局部极小值的缺点。经典型非线性系统仿真试验,并与GA-RBF和RBF辨识效果进行了对比,结果表明基于MPSO-RBF的混合优化方法较GA-RBF和RBF优化速度快、逼近性能好,可以达到更优的辨识精度。最后,通过对火电厂的过热汽温动态特性的辨识实例,同样证明了MPSO-RBF方法具有更好的性能指标。 相似文献