基于禁忌搜索的神经网络集成

给出了一种利用禁忌搜索来实现神经网络集成AdaBoosting算法的方法。以Ada- Boosting算法中的权值向量为优化对象,对其若干个元素进行扰动,并通过设定其为禁忌对象,以禁忌搜索控制寻优方向,以逼近误差为适值函数,在满足逼近误差或达到进化代数时结束进化。由于禁忌搜索可以避免迂回搜索,从而提高进化效率,使得算法易收敛。通过实例验证了该方法的可行性。     

基于神经网络的函数逼近问题

给出了函数逼近问题,提出了一种新的神经网络模型,结合函数逼近问题及该神经网络模型给出了一种学习算法,并利用该算法对函数逼近进行了仿真.说明了该算法的实用性.     

多项式前向神经网络

提出了一种新型的前向神经网络模型-多项式神经网络。该网络具有三层结构,隐层、输出层神经元激活函数分别为：f(x)=x^p和线性函数,网络隐层-输出层的权值采取最速下降法学习,输入层-隐层的权值采用遗传算法进行学习;网络学习时,其误差函数单调递减,学习算法具有较好的收敛性;该网络能逼近任意的连续函数,且具有较好的稳定性,应用实例表明该网络的性能是优良的。     

基于Bernstein多项式的SISO三层前向神经网络的设计与逼近

利用一元Bernstein多项式在相邻等距剖分点的差值和Sigmodial转移函数性质设计单输入单输出(single input single output, SISO)三层前向神经网络,并给出选取连接权和阈值的方法。此外,依据一元Bernstein多项式逼近连续函数定理证明SISO三层前向神经网络对连续函数也具有逼近性,进而通过实例获得该网络的一种输入输出解析表达式。     

基于控件技术的前向神经网络实现研究

在分析前向神经网络应用特点的基础上，将其与ＡｃｔｉｖｅＸ技术相结合，提出了一种基于控件技术的前向神经网络体系结构，并用Ｖｉｓｕａｌ Ｃ＾＋＋的ＭＦＣ给出了该系统结构的实现方案。该方案具有实现简单，使用方便，宜于扩充，移植性强，界面友好等优点。     

基于子波神经网络的函数逼近

分析了神经网络中非线性函数与子波变换母函数的关系,研究用于非线性函数逼近的子波神经网络的结构设计方法.函数逼近实例证实了结论的正确性.     

基于双价值函数禁忌搜索的测试用例生成技术

基于禁忌搜索算法的软件测试用例自动生成是目前一项先进的软件测试技术.传统的基于元启发式算法的自动测试技术只有一个价值函数,本文针对禁忌搜索算法提出强化和多样化两个价值函数.测试用例生成器通过调用强化价值函数来强化搜索过程,如果强化失败则调用多样化函数来使搜索多样化.最后通过与随机测试的对比实验,验证了基于双价值函数的禁忌搜索算法在软件测试中的高效性.     

多维离散傅立叶变换神经网络函数逼近

利用多维离散傅立叶变换原理构造新颖的神经网络模型用于函数逼近,网络结构为分层前向网络。给出了网络的学习算法,网络的大部分权值都是固定的,只有输出层与最后隐层之间的权值需要调节。     

基于双价值函数禁忌搜索的测试用例生成技术

基于禁忌搜索算法的软件测试用例自动生成是目前一项先进的软件测试技术。传统的基于元启发式算法的自动测试技术只有一个价值函数,本文针对禁忌搜索算法提出强化和多样化两个价值函数。测试用例生成器通过调用强化价值函数来强化搜索过程,如果强化失败则调用多样化函数来使搜索多样化。最后通过与随机测试的对比实验,验证了基于双价值函数的禁忌搜索算法在软件测试中的高效性。     

基于前向神经网络的知识获取

以前向神经网络为工具，以“Tic-Tac-Toe”为研究对象，探索了人工神经网络在认知科学中的应用.计算机仿真实验表明，用神经网络的方法来获取知识是可行的.     

一种基于禁忌神经网络的网络入侵检测模型

随着互联网的发展和普及,传统网络入侵防范方法如防火墙、数据加密等已经很难保证系统和网络资源的安全。为此,本文设计了基于改进禁忌算法和神经网络的网络入侵检测方法。首先建立三层的BP神经网络模型用于实现入侵检测。然后通过BP反向传播算法获取网络的权值和阀值等参数,并设计了一种基于双禁忌表的改进禁忌优化算法,采用此改进的禁忌优化算法对BP算法优化得到的权值和阀值进行进一步寻优。最后,将禁忌算法优化后的神经网络用于网络入侵检测。仿真实验表明,此方法能够有效地实现网络入侵检测,具有较快的收敛速度和较高的检测率,是一种适合网络入侵检测的可行方法。     

基于Bernstein多项式构造前向神经网络的遗传算法

首先,介绍一元Bernstein多项式的逼近定理和基本性质,并引入二元甚至n元Bernstein多项式,从而根据一元Bernstein多项式在相邻等距剖分点的差值为后置连接权构造一个三层前向神经网络;其次,通过编码机制、模拟选择、遗传复制、交叉和变异等操作给出算法运行过程;最后,利用误差函数和适用度函数对前置连接权及阈...     

神经网络在模糊综合评价中的应用

运用神经网络确定模糊综合评价中的权重值，使权重值更符合实际情况，采用梯形公式的四元组形式表达网络中的隶属函数，利用反向传播算法训练网络，得到较好的训练效率和效果．将该方法应用于液压凿岩机的性能评价，得到了满意的结果。     

遗传算法优化BP神经网络在纳税评估中的应用

将遗传算法优化误差反传(BP)神经网络的数据挖掘方法应用于纳税评估,为税务机关申报征收与税务稽查的数据挖掘建立分类预测模型.从分析的结果可以看出,模型具有良好的预测效果,能为提高税收管理的针对性和有效性提出一些参考建议,以提高税收征管的水平.     

基于遗传神经网络的拉延筋参数辨识

拉延筋是板料冲压成形质量的一个重要影响因素,设计和布置拉延筋是冲压模具设计的关键。研究反映拉延筋成形效果的3个参数与拉延筋几何参数之间非线性映射关系,采用遗传算法优化的反向传播神经网络构建模型,并对模型进行参数辨识。仿真实验验证了此方法的有效性,可为拉延筋的设计提供帮助。     

一种带路径约束的多商品流网络设计问题及其禁忌算法

多商品流网络设计问题在实际中有很广阔的应用背景,然而在多商品流模型中,有些实际应用问题对运送商品的路径提出了额外要求,如时间、可行性等．在此,将考虑一种带路径约束的多商品流网络设计问题,并借助改进单纯形法、列生成和最短路径算法为提出的模型构造一种禁忌(tabu search)算法,最后给出该算法的计算实验结果．     

禁忌搜索算法在电力系统灾变恢复中的应用

以上海电网一旦发生解列后的某些局部孤岛电网为恢复目标,运用宽度和深度搜索算法进行前期网图结构的探索,使用禁忌搜索算法建立该网图的最快恢复路径,并使用C 完成了对深度搜索算法结合宽度搜索算法的程序代码,以及禁忌搜索算法中禁忌表的建立.分析结果表明,运用该算法可以得到系统目标网架恢复的最优路径.     

一种融入小生境技术的遗传禁忌算法

针对遗传算法在全局优化问题中容易出现早熟和收敛速度慢,禁忌搜索强烈依赖于初始解等问题,根据遗传算法和禁忌搜索算法自身的特点,分析两者的优势和不足,提出了一种融入小生境技术的遗传禁忌算法.该算法采用融入了小生境技术的遗传算法作全局搜索,用禁忌搜索算法作局部搜索,可以加快收敛速度,同时可以抑制早熟现象,避免过早收敛到局部最优.分析和实验结果表明,该算法能很好地抑制早熟收敛,同时在计算速度和计算结果方面都有改进,是一种快速有效的优化算法.     

太湖洪水预报的前向人工神经网络全局最优逼近方法

将求解不等式约束非线性优化问题的群体复合形进化算法 ,应用于前向人工神经网络逼近 ,提出了前向人工神经网络全局最优逼近算法 ;将前向人工神经网络全局最优逼近算法应用于太湖水位预报 ,建立了太湖水位预报的神经网络模型 ,表明了提出的全局最优逼近算法的有效性