前馈网络构造性设计中基于GP实现神经元激活函数类型优化

讨论了在前馈网络构造性设计中如何基于遗传编程(GP)实现神经元激活函数类型自动优化的问题.首先,提出了典型前馈网络的一种构造性设计方法框架,将整个网络的设计分解为单个神经元的逐个设计;然后,在此框架下提出了基于GP的单个神经元的设计方法,该方法可实现对激活函数类型的优化.仿真实验显示,本文的前馈网络构造性设计方案是可行的,与其他几种不优化激活函数类型的网络设计方法相比,本方法更有效,能用较小的网络规模获得更满意的泛化特性.     

面向对象的人工神经网络模拟

面向对象程序设计已成为９０年代程序设计的主流，它采用全新的方法来求解问题，本文在概述面向对象程序设计的基础上，着重介绍了用面向对象程序设计语言Ｃ＾＋＋来表示神经网络结构和学习算法，介绍了实现ＢＰ和ＢＡＭ网络的软件模拟技术，并给出了一个应用实例。     

知识库上逻辑程序图搜索的一种启发函数

本文把A~*算法的启发搜索应用到逻辑程序的求解过程中,就逻辑程序这一特定的问题领域,构造出A~*算法相应的一种启发函数。利用该启发函数,通过A~*算法可求得逻辑程序的“最佳解”。     

基于人工神经网络的函数逼近法计量精度的提高

提出一种基于BP神经网络的提高激光干涉计量精度的数据处理方法，并将该方法与常用最小二乘法作二次曲线拟合进行比较。结果表明，用神经网络逼近函数方法，不但解决了光学干涉计量中像素尺寸以及图像采集卡空间量化误差对测量精度的影响，而且解决了目标函数多极值问题，从而干涉条纹可获得高于光敏像素级定位精度。最后将干涉条纹的光强精确地拟合出来，讨论曲线拟合误差，表明该算法具有很好的鲁棒性和自适应能力。     

电容压力传感器的函数链接型神经网络建模方法

旨在开发一种计算简单的电容压力传感器的模型，以便经济、可靠地应用。分析表明，采用新型函数链接型神经网络建立的电容压力传感器模型，能够精确读出应用压力。它是一种能实现输入到输出的高度非线性映射并且运算高效的非线性网络，在建立传感器模型的类似性能上比多层感知器具有更高的运算优势。     

信息系统的GP自动建模及实现

通过对遗传程序设计的研究，用BorlandC++“程序设计语言开发了一个对数据拟合问题的通用的自动建模程序，该程序可较好的适应于各种拟合问题的自动建模，有广泛的应用前景。     

函数在程序设计中的意义和作用

函数是集成化的子程序，是用来实现某些运算和完成各种特定操作和重要手段，在程序设计中，灵活运用函数库，能体现程序设计智能化，提高程序可读性，充分体现算法设计的正确性、可读性，健壮性，效率与低存储量需求。     

浅析Dirichlet函数的性质及其作用

本文论递了Dirichlet函数的一些性质:连续性、单调性、周期性、奇偶性,对称性、有界性以及它在函数、函数周期、极限、连续、导数、积分等概念方面的澄清方面的突出的反例作用.     

基于GP的税收能力智能估测的研究与应用

目的将基于遗传程序设计(GP)的数据建模方法应用于税收能力智能估测系统建模中。方法利用遗传程序设计来实现复杂函数的自动建模。结果改变了目前税收能力估测中采用的使用拟合粗糙、估测结果准确度差的线性模型进行曲线拟合和趋势预测的估测方法,通过优化初始种群的方法提高了GP算法的收敛率,实现了复杂函数的自动建模,并将该方法应用到税收能力智能估测原型系统(TCES)的建模中。结论采用GP得到的数学模型比传统方法使用的数学模型拟合精度更高,估测误差更小,更适于反映地区税收能力的实际情况。     

函数在程序设计中的意义和作用

函数是集成化的子程序,是用来实现某些运算和完成各种特定操作的重要手段。在程序设计中,灵活运用函数库,能体现程序设计智能化,提高程序可读性,充分体现算法设计的正确性、可读性、健壮性、效率与低存储量需求。     

—种求解线性二层规划的神经网络方法

提出了—种求解线性二层规划的神经网络方法.采用以下层问题的对偶间隙为罚项,构造线性二层规划罚问题的思想,将线性二层规划转化成相应的单层规划问题,然后设计求解单层规划问题的神经网络模型,从而得到线性二层规划的最优解.该网络是Lyapunov稳定的,且在适当的条件下收敛于线性二层规划的最优解,仿真结果表明该神经网络可以有效地得到线性二层规划的最优解.     

神经网络和遗传算法在人脸定位中的应用

人脸是十分常见的复杂模式,在复杂景物图片中自动找出人脸是很困难的,但是却有着重要意义,因为这同时也是自动人脸识别系统的前提．提出了一个基于多层感知器（ＭＬＰ）的用遗传算法实现搜索的人脸定位系统,讨论了系统建立的理论基础,即ＭＬＰ直接感知图象和用遗传算法进行快速搜索．实验结果表明,它尤其适合在复杂背景下的低分辨图象中进行操作,鲁棒性好、定位快、适应面宽．     

神经网络在二次规划问题中的应用

利用对偶神经网络解决了基于线性等式、 不等式和有 界约束的二次规划问题, 表明所研究的对偶神经网络具有整体指数收敛性, 与包含高次非线性条件的神经网络相比, 所提出的网络使用了更少的神经元, 并且网络的体系结构更简单.数值实验结果表明了该方法的有效性.     

基于模糊神经网络算法的灰色线性规划及其应用

将灰色系统理论与线性规划相结合,给出了灰色线性规划模型,采用模糊神经网络算法,求出其最优解,并将该方法运用于连云港市的土地结构优化中,取得了理想的效果.关键词：目标函数;灰色线性规划;模糊神经网络     

基于人工神经网络描述的编程

目的在神经网络结构和算法描述语言的基础上,提出神经网络编程的概念,建立神经网络仿真系统。方法采用具有强类型,并发性和面向对象等特点的Ａｄａ语言作为系统的宿主语言,建立基于结构,算法描述的神经网络认真系统。结果为神经网络的工程应用研究提供手段。结论采用神经网络编程,可以将神经网络与传统的编程语言在通用计算机的基础上统一起来,达到更新更高的处理能力。     

求解线性规划问题的神经网络模型

提出了一个解线性规划问题了增广的神经网络模型，证明了该网络全局稳定子平衡点，而平衡点就是线性规划问题的解，该网络的优点是，能够实时获得问题的精确解，且可以同时获得带等式或不等式约束的对偶问题解，该网络易于电路实现。     

用于前馈神经网络的遗传设计

在人工神经网络应用中,由于存在网络规模和拓扑结构难以预先确定,网络学习速度慢,且易于收敛到局部最优点等问题,有关文献提出了采用基于遗传算法（ＧＡｓ） 思想进行设计和学习的方法,该方法能够同时确定网络的结构及有关参数。该文在此基础上,对此方法进行了改进,改进之处在于,采用浮点数矩阵来表示编码,同时对于遗传算法的进化过程也进行了一定的改进,使该方法能够接受一定的约束条件。针对前馈型神经网络,该方法在满足一定约束条件的情况下,能同时有效地寻找到合适的网络结构和相应的参数（ 神经网络的权值和阈值） , 新方法较原方法在精度和速度上都有较大的提高。     

利用遗传编程的符号表达式逼近任意非线性函数

在非线性系统的输入输出关系未知的情况下,以其输入输出数据作为训练样本,利用遗传编程算法,随机优化出一个能够完全拟合这批数据的符号表达式,该符号表达式完全反映了非线性系统的内部规律性。模拟实验表明,该算法精度高、可推广性强。此外,该算法可用于非线性系统的建模、预测和控制。     

遗传神经网络在GMI传感器设计中的应用

 巨磁阻抗（GMI）微磁传感器具有灵敏度高、响应速度快等突出优点,但其输出信号呈高度非线性特性。利用交流偏置方法产生非对称巨磁阻抗效应（AGMI）,对磁场传感器的线性度有一定改善,但仍存在线性范围小、线性误差较大的缺点。BP神经网络具有良好的自学习、自适应和非线性映射能力,但通常训练速度较慢、易陷入局部极小值;遗传算法有很强的全局寻优能力,但其局部搜索能力不足。为充分发挥二者优点,本研究提出一种基于遗传神经网络的传感器非线性误差校正方法,并针对所设计的GMI传感器,设计了适合本系统的遗传神经网络,可通过Matlab软件实现。结果表明,经过训练的网络输出结果有序,网络的非线性映射性能良好,能精确反映该传感器系统的函数关系。该方法运算快速、精度高,对智能GMI传感器的设计具有一定工程应用价值。     

基于新型进化规划的异构神经网络集成算法

提出一种基于新型进化规划的异构神经网络集成算法。首先利用改进的进化规划,克服传统的进化规划及EPNet模型的不足,生成多个异构的最优网络,然后对异构网络进行组合求解。该集成算法充分利用了Bootstrap采样的天然特性实现了网络间的异构和差异度,同时又保证了单个成员网络的精度,克服了传统Bagging,Boosting算法中成员网络结构固定,缺乏个体精度的缺点。通过仿真实验证明,该方法较传统集成算法具有更好的泛化性能并减少了传统集成算法中的随机不确定因素。