首页 | 本学科首页   官方微博 | 高级检索  
检索     
共有20条相似文献,以下是第1-20项 搜索用时 921 毫秒

1.  免疫遗传算法在BP神经网络中的应用  被引次数:6
   洪露  穆志纯《北京科技大学学报》,2006年第28卷第10期
   提出了一种基于免疫遗传算法(IGA)的BP神经网络设计方法.该算法在遗传算法(GA)的基础上引入生物免疫系统中的多样性保持机制和抗体浓度调节机制,有效地克服了GA算法的搜索效率低、个体多样性差及早熟现象,提高了算法的收敛性能.为了解决BP神经网络权值随机初始化带来的问题,用多样性模拟退火算法(SAND)进行神经网络权值初始化,并给出了算法详细的设计步骤.仿真结果表明,同混合遗传算法相比,该算法设计的BP神经网络具有较快的收敛速度和较强的全局收敛性能.    

2.  基于GA的BP网络在苹果缺陷识别中的应用  
   薄丽丽  付主木  马建伟《河南科技大学学报(自然科学版)》,2009年第30卷第6期
   提出了一种基于遗传算法的BP神经网络苹果缺陷识别方法。设计一个3层BP神经网络分级器,用苹果缺陷特征参数训练BP神经网络,运用遗传算法进行BP神经网络权矢量和神经元阈值的学习,提高BP神经网络的学习速度,也提高了苹果缺陷识别的准确率。实验证明,该方法识别率可达89%以上。    

3.  一种基于进化BP神经网络的文本分类算法  
   李智  孙立镌《佳木斯大学学报》,2009年第27卷第2期
   提出并实现了一种结合BP神经网络和遗传算法的文本分类算法,根据遗传算法能够快速优化网络权重以及摆脱BP算法局部极点困扰的能力,提出一种改进的遗传算法确定网络拓扑结构和训练网络的方法.最后对设计的分类器进行了开放性测试,实验结果表明该分类器显著地提高了文本分类的查全率和查准率.    

4.  一种基于遗传算法的数据挖掘新方法  
   符书安《大众科学.科学研究与实践》,2007年第17期
   文章首先对相关理论进行了概述,阐明了数据挖掘和遗传算法的产生与发展以及他们的相互结合,接着提出了BP神经网络的原理及其不足之处。然后提出了一种遗传算法和BP神经网络相结合的算法,并讨论了该遗传算法的编码方法、遗传算子的设计和适应度函数的构造,并把算法运用在数据挖掘技术中。    

5.  基于自适应免疫遗传算法的神经网络矿井通风系统评价模型  
   史明霞《科技信息》,2008年第27期
   通过分析BP神经网络的缺点,和自适应免疫遗传算法的优点,给出了基于自适应免疫遗传算法的神经网络矿井通风系统评价模型。    

6.  一种智能型预测技术在电力系统中的应用  
   张毓  疏靖《安徽工程科技学院学报》,2007年第22卷第4期
   介绍一种基于BP神经网络的短期电力负荷预测技术,针对BP算法存在的缺陷进行优化,并将经过优化设计的遗传BP算法作为预测技术的核心算法,通过对几种BP网络预测网络的训练、测试验证结果分析比较,表明遗传BP算法的预测技术可以有效、准确的应用于短期电力负荷预测.    

7.  改进的遗传和BP杂交算法及神经网络经济预警系统设计  被引次数:20
   王建成  高大启  王静  胡上序《系统工程理论与实践》,1998年第18卷第4期
   分析了设计神经网络经济预警系统的一些关键问题,并提出了一种改进的遗传算法,在此基础上,介绍了一种基于这种改进遗传算法和BP算法的杂交算法神经网络经济预警系统    

8.  遗传神经网络在颅脑磁共振图像分割中的应用  被引次数:7
   黄永锋  赵俊  庄天戈  章鲁《上海交通大学学报》,2004年第38卷第5期
   采用全局最优化算法——实数遗传算法改进BP神经网络的学习算法。在此基础上,提出了一种新的基于实数遗传神经网络的磁共振图像分割算法。实验结果表明,新算法可以有效地降低噪声和边缘模糊对分割结果的影响。另外。设计了一个新的加速遗传算子,可以提高实数遗传算法的收敛速度。    

9.  遗传算法BP神经网络在变形监测中的研究  
   张灿《太原科技》,2013年第3期
   介绍了BP神经网络和遗传算法的概念和基本理论,详细阐述了遗传算法优化的BP神经网络和BP神经网络这两种神经网络模型,深入分析了两种模型在基坑水平位移监测的数据预报,指出了遗传算法优化的BP神经网络模型具有更好的预测效果.    

10.  改进人工免疫网络算法在电力短期负荷预测中的应用  
   张昀  周湶  任海军  孙才新  马小敏  李剑  伍科《重庆大学学报(自然科学版)》,2013年第36卷第4期
   针对现有的短期负荷预测方法易陷入局部极值以及预测精度不高等缺陷,文中提出了一种基于改进免疫算法优化BP神经网络的短期智能负荷预测方法.通过利用改进的矢量距优化免疫网络,从而达到优化网络的目的.融入免疫调节原理,引入抗体浓度的概率选择式,采用自适应变化策略重新设计变异算子,利用新的变异尺度设计种群抗体,采用新的神经元适应度函数,并结合免疫网络调节的进化算法进行网络学习.实例分析表明,基于改进免疫网络优化的BP网络短期负荷预测算法比混沌算法优化BP网络算法精度更高,更具实用性.    

11.  论优化BP神经网络的一种改进遗传算法  
   何士龙  苏子林《科技情报开发与经济》,2011年第21卷第1期
   为了全面优化BP神经网络,使之具有较好的泛化性能,改进并设计了一种遗传算法,并通过算法对比测试表明,改进后的遗传算法减少了内存占用量,保证了种群的多样性,提高了算法的运行速度和收敛效果。    

12.  遗传算法在BP神经网络学习中的应用  被引次数:2
   郭红梅《辽宁大学学报(自然科学版)》,2007年第34卷第2期
   在遗传算法与BP神经网络结构模型相结合的基础上,设计了用遗传算法训练神经网络权重的新方法.    

13.  基于改进免疫遗传算法的神经网络及其在股票预测中的应用  被引次数:1
   郑建刚  王行愚  牛玉刚《华东理工大学学报(自然科学版)》,2006年第32卷第11期
   针对BP神经网络学习速度慢、容易陷入局部极小的缺点,提出了一种基于改进免疫遗传算法的多层前向神经网络,将该算法用于多层前向神经网络的权值优化,扩大了神经网络的权值搜索空间,提高了网络系统的学习效率和精度.将该神经网络用于上证指数的趋势预测,仿真结果表明:该神经网络比BP神经网络具有更好的全局收敛性、更高的学习效率和预测精度.    

14.  基于BP神经网络的入侵检测系统的特征选择  被引次数:1
   李凯  田双亮  耿丽君《长春大学学报》,2009年第19卷第6期
   随着各种入侵和攻击网络工具的出现,入侵检测成为网络管理的关键组成部分。特征选择能够有效地提高机器学习与规则提取算法性能。本文设计了一种基于遗传神经网络的入侵检测系统,采用基于多种改进的遗传算法特征选择方法,实验结果表明不同改进的遗传算法特征选择对BP神经网络的分类正确率有一定的影响。    

15.  基于分层遗传算法的BP神经网络学习算法  
   赵青《杭州师范学院学报(自然科学版)》,2008年第7卷第2期
   针对BP算法局部搜索能力强,而分层遗传算法全局搜索优势突出的特点,结合二者优势构造了一种分层遗传算法与BP算法相结合的前馈神经网络学习算法.将分层遗传算法引入到前馈神经网络权值和阈值的早期训练中,再用BP算法对前期训练所得性能较优的网络权值、阈值进行二次训练得到最终结果.仿真结果表明,该混合学习算法能够较快地收敛到全局最优解,优于BP算法、分层遗传算法,具有一定的实用价值.    

16.  基于改进遗传算法的BP神经网络及应用  被引次数:6
   何方国  齐欢《华中师范大学学报(自然科学版)》,2007年第41卷第1期
   结合遗传算法及神经网络各自的优点,利用改进遗传算法对BP神经网络的连接权进行优化,并提出了一种新的编码方式.通过与时间序列模型对比,基于改进遗传算法的BP模型效果更好.    

17.  一种灾情智能预测与评估系统的设计与实现  
   陈云翔  丁永生  张向锋  汤兵勇《应用基础与工程科学学报》,2008年第16卷第2期
   在防洪决策流程中,灾情预测与评估扮演着十分重要的角色,根据所处的不同阶段,可以划分为灾前预测、灾中决策和灾后评估.本文设计了一种灾情预测与评估的智能系统.将灰色关联度分析法、BP神经网络、基于免疫遗传算法(IGA)的RBF神经网络三种方法应用到灾情评估系统中.仿真结果表明基于IGA的RBF神经网络有较高的准确性,因而有较好的实用性.最后采用灰色关联度分析法和IGA-RBF网络模型,给出了洪水灾度评估的系统实现.    

18.  基于遗传算法的BP网络在机车滚动轴承故障诊断中的应用  
   黄国强  陶海龙《甘肃科技》,2011年第27卷第12期
   提出一种遗传算法(GA)和BP算法结合的神经网络模型优化方案。首先采用自适应交叉概率和变异概率的遗传算法优化BP网络的权值,在进化结束时,能够寻到全局最优点附近的点;在遗传算法搜索结果的基础上,利用局部寻优能力较强的BP算法,从此点出发,进行局部搜索,进而达到网络的训练目标。在铁路机车滚动轴承诊断方面,利用MATLAB仿真实验结果表明,遗传算法与BP算法结合的模型诊断精度为100%,标准BP算法的模型诊断进度为80%,并且提高了网络的收敛速度。说明GA—BP算法模型诊断精度较高,诊断能力得到了改进,遗传算法与BP算法的结合算法可行有效。    

19.  一种混合训练算法在数据挖掘中的研究  
   郝瑞琴  杨文琪《甘肃科技》,2005年第21卷第8期
   针对BP算法存在的缺陷,利用遗传算法能够进行全局最优化搜索这一特点,在改进的自适应遗传算法的基础上,得到了一种新的用于BP网络训练的混合算法,即改进的自适应遗传算法与BP算法相结合的混合训练方法。讨论该算法在数据挖掘中的运用。    

20.  基于遗传算法的神经网络权值优化  被引次数:14
   洪露  马长山  谢宗安《贵州工业大学学报(自然科学版)》,2003年第32卷第6期
   针对BP算法学习效率低、收敛速度慢,以及易陷入局部最优等缺点,提出了一种新型的、基于自然选择和基因遗传学原理的随机搜索算法——遗传算法(Genetic Algorithm),并论述了它在BP神经网络中权值优化的问题。仿真结果表明,用遗传算法优化BP神经网络的权值收敛速度快,并有效解决了BP算法易陷入局部最优的问题。    

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号