基于混合编码方式的RBF网络遗传训练算法

采用混合编码方式构造染色体结构,对RBF网络的结构和参数进行编码,可以在遗传算法的一个优化过程中同时训练网络的结构和参数,简化了问题的求解过程·仿真表明,利用该算法训练RBF网络,能使网络具有简单的结构形式、较高的拟合精度和较强的泛化能力·     

基于概念网络的数学概念教学策略

数学概念的学习需要个体在大脑中建构系统的概念网络。良好概念网络的建构有利于学生对原有概念的巩固和保持,有利于新概念的引入和掌握,有利于概念应用时的成块提取和效率提高。教师在教学中,应立足于帮助学生建构良好的概念网络。教学应该从概念本身的特点出发,运用恰当的教学策略来实现概念网络的建构。     

前馈网络的遗传混沌搜索耦合学习算法研究

针对神经网络的BP算法易陷入局部极小的问题,提出了遗传混沌搜索耦合的学习算法。其原理是在遗传操作中加入混沌替换因子以防止算法早熟,而后对由遗传算法进行"粗搜索"所得的结果进行混沌"细搜索",有效地利用了遗传算法和混沌寻优的全局性的优点。普通的遗传编码是以一条长字符串为染色体,该方式存在搜索时间长、破坏了神经网络权值和阈值的整体性的缺点,提出的基于矩阵的细胞体编码方式克服了这一缺点。     

基于RBF网络的混沌动力系统辨识

提出用RBF神经网络对混沌动力系统进行辨识，设计了一个三层RBF网络结构，仿真实验说明了RBF网络用于学习混沌动力系统时的基本性质。用辨识模型重建吸引子方法定性地评价辨识模型，通过计算辨识模型的Lyapunov指数定量地评价辨识模型的性能，同时推导了RBF网络模型Lyapunov指数的计算公式。仿真结果表明，该辨识模型能很好地逼近原混沌动力系统，准确地体现原混沌系统的动力学特性。     

基于Hopfield网络的彩色图像混沌加密算法

一般混沌图像加密, 都是对图像的整体像素置乱处理, 其抵抗明文攻击能力较差。为此, 提出基于离散Hopfield神经网络的彩色图象混沌加密算法。该算法采用自治三维混沌系统对彩色图像单像素比特位进行加密操作, 通过利用三维混沌序列的其中一维置乱图像R\,G\,B分量的像素位置, 用另外两维序列设置置乱每个像素比特位的权值和阈值, 从而改变彩色图像各分量像素的位置和像素值, 达到有效加密的效果。理论分析和实验结果表明, 该单像素加密算法可有效抵抗差分攻击, 使反馈密文提高了像素置乱效果, 并具有良好的加密效果和保密性。     

基于复杂网络的混沌同步研究

根据Lyapunov稳定性理论,分别给出了环状网络和全局耦合网络渐近同步和指数同步的充分条件.并对两种不同结构网络的同步性能进行了比较,发现全局耦合网络同步性能更好.最后以Lorenz混沌系统为节点,分别对4个节点的环状网络和全局耦合网络的混沌同步进行了数值仿真,验证了结论的可靠性.     

高原训练的新进展

本文从高原训练的生理、生化机制和具体实施等几个方面，综述目前国内外对高原训练研究的最新进展。     

基于混沌自适应遗传 ν SVR的城市客运量预测

针对城市客运量预测问题本身所存在的小样本、高维数和非线性等特点,将ν-支持向量回归机(ν-support vector regression,ν-SVR)应用于城市客运量预测.为了提高ν-SVR模型的预测精度和泛化性能,利用基于混沌理论和自适应机制的混沌自适应遗传算法(chaosadaptive genetic algorithm,CAGA)优选ν-SVR模型参数,建立了基于CAGA进行参数优选的CAGA-ν-SVR城市客运量预测模型.结合1978～2008年统计数据进行了仿真预测,结果表明该模型的预测性能优于RBF神经网络模型、GA-SVR模型和GA-ν-SVR模型,平均绝对相对误差控制在2.3%以内,可有效应用于城市客运量预测.     

基于云遗传的混合混沌粒子群算法研究

为了解决PSO算法种群随机初始化遍历性差、易陷入早熟收敛以及不具备全局收敛性的缺点,提出一种基于云遗传的混合混沌粒子群优化算法,使用均匀性更优的无限折混沌叠映射实现粒子初始化,通过自适应云算子、改进的Metropolis接受准则以及动态调整粒子集规模等策略,实现了云遗传算法和PSO算法的协同,最后通过全局收敛性证明、时间复杂度和实验分析,验证了算法的有效性。     

基于混沌和遗传算法的神经网络训练算法与研究

根据神经网络(NN)的特点，利用Logistic混沌映射和特定的适应度函数，在限制近亲数量在种群库中所占比例的前提下，及时吸收新的随机个体，提出了基于混沌和遗传算法的神经网络训练算法．根据该算法写出了MATLAB程序文件main．m，给出了应用实例，还研究了混沌参数与训练误差的关系，提出了混沌参数的调整步骤及应用。     

遗传算法在逆相馈电感应电机中的应用

直接转矩控制（ＤＴＣ）是工业应用感应电机的最简单的控制。它的关键部件是状态选择器。本文将讨论用神经网络来模拟通常的ＤＴＣ的状态选择器，并且用遗传算法训练该神经网络。然后用训练好的神经网络代替状态选择器，在同一台机器上进行了仿真比较，得到满意结果。另外，还粗略地试验了遗传算法中一些参数对算法性能的影响。     

密集波分复用技术组网应考虑的问题

介绍采用密集波分复用 (DWDM)技术组网时在设备选择、光纤选择及网络管理方面需考虑的问题     

串联质谱的发展近况

本文综述了串联质谱的发展近况,包括扫描方式的发展、仪器类型的发展以及活化方法的发展,着重介绍质谱—质谱—质谱的各种新的扫描方式、离子阱质谱—质谱仪、表面诱导分解及光活化分解技术。     

烟草科技新动态

本文分析综述了１９９０年－１９９４年来自１３个国家和地区的烟草研究专利１１９件，指出了美、日研究特点及我国存在之不足，需要的倒是其跨地区、跨行业、优势互补的大联合、大协作。     

加强运球技术训练须从观念改革起步

随着篮球运动的日益发展,队员的攻防能力及个人突破技术,已引起各国专家教练员的高度重视。针对当前世界篮球运动在防守紧、凶、狠、快的情况下,给进攻队员造成了极大威胁,对如何提高队员的控制球能力、个人攻击技求及对运球突破技术的训练作了较详细的论述。     

用遗传算法训练基于神经网络结构的控制器

介绍现在正被逐渐广泛的应用的新型的、随机性的全局优化方法－遗传算法,阐明它的基本方法、基本理论、特点,并将其与神经网络相结合,用于控制有纯滞后的对象,根据问题选择合适的具体实现形式,获得良好效果。     

新型遗传算法的神经网络控制器

本文提出适用于非线性控制的新型遗传算法，该算法兼有神经网络广泛映像能力和遗传算法快速，全局收敛以及增强式学习等性能。