一种新的元胞网络模型

用元胞替换传统人工神经网络中的神经元,以局部连接取代相邻层级元胞之间的全连接,用规则演化算法替代BP算法,建立元胞网络模型．设计了元胞网络的训练过程：内嵌的遗传算法用于寻优各元胞状态离散化边界值以及元胞网络拓扑结构．以一个红酒分类基准数据为例,检验了元胞网络的学习性能和分类性能,获得了较为满意的结果．     

高边坡施工期变形预测遗传神经网络模型

基于BP网络存在的不足,将遗传算法引入到BP网络模型中,建立了高边坡施工期相邻层开挖暂停阶段变形预测遗传神经网络模型,对边坡时效变形进行预测,并对预测的结果进行检验,结果表明模型取得较好的预测效果,可供类似工程参考使用.     

数字电路设计的改进遗传算法

针对传统遗传算法应用于数字电路设计时出现的未成熟收敛和收敛速度慢等问题,提出了一种新的改进遗传算法,该算法对每次迭代产生的种群进行适应度分布和个体差异度的统计,并根据统计结果进行种群规划.实验结果表明,该算法使种群具备更好的多样性,从而显著地提高了电路的正确率和算法的收敛速度.     

基于遗传神经网络的混合气体识别研究

针对误差反向传播(BP)算法和遗传算法各自的优点和不足,提出了遗传算法优化神经网络技术:利用遗传算法的全局搜索能力,对神经网络连接权进行优化,以遗传算法优化的初值作为BP神经网络的初始权值,再用BP算法训练网络.优化后的BP网络其误差的递减速度和收敛速度都比标准BP网络快,而且对学习速率调整要求更少.将遗传神经网络应用于混合气体定量识别的训练中,得到的最大误差由20.7 %降为12.1 %,平均误差从5.4 %降为3.5 %,识别效果得到了提高.     

基于人工神经网络和遗传算法的中小企业决策模型

为适应现代经济和社会的发展,使企业面临纷繁复杂的内部和外界环境,利用遗传算法和人工神经网络建立一数学模型,同时结合企业态势分析法（SWOT）选取各类指标——企业所处状态、策略集,形成一个完善的企业决策模型：该模型能在充分考虑企业现有状况和已有历史数据的情况下,得出决策结果,帮助企业管理者作出科学决策。     

基于遗传与BP混合算法神经网络预测模型及应用

提出用遗传学习算法和权重调整BP算法相结合的混合算法来训练模糊模式识别神经网络预测模型；即先通过遗传学习算法进行全局训练，再用权重调整BP算法进行精确训练，使网络收敛速度加快和避免局部极小。作为实例，以新疆雅马渡站的实测径流资料和相应的前期4个预报因子实测数据作为样本进行训练并用以预测雅马渡站的年径流量。结果表明，该方法具有收敛速度快和预测精度高的特点。     

基于遗传算法的可进化模拟滤波器的实现

以遗传算法和可编程模拟器件ispPAC80为评估手段和载体，实现了可进化的模拟滤波器的设计，将遗传算法和可编程模拟器件相结合，可在无须改动硬件的情况下。实现转折频率和阻带衰减等滤波参数的变换(即可进化性)，其性能达到甚至超过经典的同阶滤波器。     

元胞自动机与神经网络相结合的土地演变模拟

提出了将数据挖掘技术应用于元胞自动机（CA）进行地理模拟的新方法.基于CA原理,利用学习矢量量化神经网络,从不同时相遥感数据中挖掘土地利用演变的内在规律,自动找到土地利用元胞的转换规则,并以该规则反演和预测土地利用格局.在上海市区典型边缘带的应用显示,挖掘出的元胞转换规则,与同期上海城市发展状况相吻合.表明该模型可以满足土地利用演变模拟预测的要求,大大缩短了建立CA转换规则所需时间.     

基于CA的城市土地利用演变人工神经网络模拟

基于CA原理,利用学习矢量量化神经网络从不同时相遥感数据中挖掘土地利用演变的内在规律,自动找到土地利用元胞的转换规则,并以该规则反演和预测土地利用格局.在上海市区典型边缘带的应用显示,挖掘出的元胞转换规则,与同期上海城市发展状况相吻合,表明该模型可以满足土地利用演变模拟预测的要求,大大缩短了建立CA转换规则所需时间.若能增加社会、经济因素的影响,减少网络训练时的信息浪费,将进一步优化模拟效果.     

一种基于遗传算法的细胞神经网络模板设计算法

细胞神经网络(CNN)设计的关键是找出其模板参数(Cloning template),所提出的一种基于遗传算法的细胞神经网络模板设计算法,经实验证明是可行的.     

模拟生命系统的细胞自动机建模方法

本文介绍了细胞自动机的基本概念并给出了建模方法。作为一个应用实例，文中建立了一个细胞自动机模型，它能模拟在同质环境中不同的初始配置和竞争关系对种群分布格局的影响。通过模拟，我们发现模拟结果支持假说－“初始配置对种群最后的分布格局具有重要的影响”。     

基因算法辅助人工神经元网络的结构设计

提出了以基因算法为基础的人工神经元网络结构设计基础。首先从连接权的演化入手,研究了基因算法的实现过程。在结构设计中,提出了稀疏化的编码方法。仿真结果表明这种优化方法对于神经网络的选取是有效的。     

基于数据挖掘技术的负荷预测模型

为有效选取预测变量和训练模式、提高预测精度，提出了一个基于数据挖掘技术的负荷预测模型．该模型首先利用粗集理论和遗传算法选取与负荷相关的预测变量，再选取与预测日相似的训练模式，最后用神经网络对负荷进行预测．实际运行结果表明将该模型应用于电力系统负荷预测是可行的，其与传统的神经网络预测模型相比具有更高的预测精度.     

采用BP-GA算法的一种LSI神经网络的电路设计

将误差反传 (BP)算法和遗传算法 (GA)有机地结合在一起 ,提出了一种新的算法 BP- GA。采用 BP- GA算法 ,设计了一个两层前向 L SI神经网络。作为神经网络的关键部件 ,提出的新型神经元性能优越。它的激活函数与理想sigmoid函数拟合很好 ;可实现对阈值及增益因子的编程并且不同增益因子下饱和输出电压值相同。采用标准 1.2 μmCMOS工艺的模型参数 ,对该两层前向神经网络电路进行的HSPICE模拟证明了它有解决异或 (XOR)问题的能力     

基于遗传-神经网络的交通量预测

分析了遗传算法 (Genetic Algorithm,GA)和人工神经网络 (Artificial Neural Network,ANN)的优缺点 ,在此基础上提出了将遗传算法与人工神经网络有机结合起来的遗传 -神经网络预测模型 ,并将此模型用于河北省交通量预测 ,其预测结果的精度明显得到提高 ,表明遗传 -神经网络预测模型可以作为交通量预测的一种有效手段。     

A Web-based Intelligent Fashion Design System

A web-based fashion design system-FashDesn was developed for non-professionals to make their own style-based design by choosing and combining fashion parts. We use genetic algorithm to find the optimal satisfied style, while the fitness function of GA is approached by artificial neural network. The users＇ style intention can be reached through the learning process of the artificial neural network. The system architecture and some realization details of the system are given in the paper. An output contrast for elegant style women＇s before and after user＇s interaction is used to illustrate its usefulness in the end.     

基于自适应元胞算法的公司治理指数预测

为研究公司治理指数的预测精度,本文以公司治理指数（ CGI）预测精度作为切入点,利用遗传算法与元胞自动机模型结合,建立起公司治理指数（ CGI）演化动力模型。研究结果显示：通过自适应遗传算法应用与优化,该模型提高了投资者决策的智能化程度与自学习能力和公司治理指数（ CGI）的预测精度。     

ANN-CA模型改进及城市用地动态模拟

针对传统ANN-CA(artificial neural network—cellular automata)模型在城市动态模拟中用地转换阈值确定繁琐以及全局模拟效果不佳的问题?以ArcGIS和Matlab2012b为开发平台,构建了一个“自上而下”和“自下而上”相结合的改进模型,以重庆市南岸区为例进行土地变化模拟,对比模型改进前后的模拟效果并讨论邻域设置对模型精度的影响?结果显示,改进后模型的模拟结果不论是精度还是Kappa系数都高于传统模型的模拟结果,而且改进后模型转换阈值的设置方便灵活,无需经过多次试验来获取,随着邻域设置范围的增大,模型的模拟精度也得到一定的改善?     

神经网络的应用与展望

基于对BP神经网络理论的基本分析,重点探讨了神经网络与遗传算法的结合。在此基础上,给出了神经网络的研究热点与发展方向。