遗传算法在前馈神经网络中的应用

比较了遗传算法和神经网络的特点，对于将遗传算法用于前馈神经网络的可能性进行了研究，并给出了应用实例；同时提出了一种构造变长染色体用于神经网络演化的方法，并描述了作用于变长染色体上的遗传操作机制。     

基于混合编码的遗传算法在神经网络优化中的应用

提出了一种结合浮点数编码与二进制编码的混合编码遗传算法,该算法在同一条染色体上同时使用浮点数编码与二进制编码,有机结合了两者的优点,并与BP算法结合用于优化神经网络的结构和系数,获得具有更好泛化能力的神经网络.仿真实验结果证实了这种混合编码遗传算法的有效性和优越性能.     

基于遗传/自适应神经网络混合算法求解作业车间调度问题

本文针对一类加工时间可变的调度问题,用遗传算法和基于约束满足的自适应神经网络混合算法进行了研究.遗传算法迭代生成的染色体对应非可行解,由自适应神经网络运算后得到可行解,对应的染色体作为新一代染色体.本算例的目标函数是基于任务的提前/拖期惩罚、附加惩罚以及加工时间的偏离量惩罚,目标是确定最优加工时间和最优加工顺序极小化目标函数,并与一般的遗传算法相比较,最后结果证明了本文算法的有效性.     

基于改进量子遗传算法的小波神经网络优化及其软测量应用

针对简单量子遗传算法在优化高维问题寻优速度慢、收敛率低的缺陷,提出一种改进的量子遗传算法,通过搜索各种群中最优染色体组成当前最优个体,并依此个体来确定量子门的全局最优搜索方向.将改进算法用于优化小波神经网络,藉此建立了4-CBA浓度的软测量模型.仿真结果表明:与简单量子遗传算法相比,改进算法对复杂优化问题具有全局快速寻优性能.     

遗传算法在Web文档特征获取算法中的应用

基于变长染色体的遗传算法,改进了交叉、变异和选择操作,提出了一个文本特征项的获取算法.该方法基于GA的强大空间搜索能力,与领域无关,适用较广.     

基于SA-GA算法RBF神经网络的TDOA/AOA定位算法

目的 为了克服最小二乘法在TDOA/AOA无线定位算法中的缺点,提高定位的精度和稳定性.方法 提出了基于RBF神经网络的TDOA/AOA定位算法.利用染色体长度可调编码方式的模拟退火遗传算法,同时训练RBF网络的参数和拓扑结构.将训练后的RBF网络用于TDOA/AOA定位.结果 与传统TDOA/AOA算法和基于k-均值聚类法、遗传算法RBF神经网络、GA-BP神经网络的定位算法比较,该算法具有更高的定位精度和可靠性.结论 基于模拟退火遗传算法RBF神经网络的TDOA/AOA定位算法有很强的抗NLOS能力.     

遗传程序设计中分布式染色体的一个应用

对一类遗传程序设计问题，提出了简单等长的分布式染色体，取代复杂变长的树结构染色体，使演化算子操作更方便，个体复杂度有效控制。用该染色体形式解决割草问题，分析了分布式染色体带来的一些性质，并给出了很好的计算结果。     

基于子种群保留的可逆电路合成混合算法

为了进一步降低4bit以上中小规模可逆逻辑电路的量子代价,提出一种基于子种群保留的变长染色体编码混合算法.该算法在已有变长染色体编码混合算法的基础上,将子种群保留策略用于变长编码种群的进化,以保持种群多样性,避免陷入局部最优解;定义了变长编码染色体的近似度,以此作为种子提取和子种群划分的基础;提出了子种群重新启动策略和新的启发式子种群更新操作,克服变长编码种群进化过程中的遗传漂移,从而提高可行解率和解的质量.对4bit以上常用标准可逆函数测试结果表明该算法能大大降低合成可逆电路的量子代价.     

多宇宙并行量子遗传神经网络人脸识别算法研究

针对传统遗传算法交叉、变异过程过于繁琐和神经网络在极值判断及收敛速度受限等问题,提出了一种并行的量子遗传算法优化神经网络权值的算法.首先引入了量子计算的概念,在量子计算的过程中使用量子旋门实现染色体的训练,然后引入量子交叉克服了早熟收敛现象,避免了遗传算法中繁琐的交叉、变异过程.最后设计实现了并行的卷积神经网络,使用并行量子遗传算法优化了卷积神经网络权值,实现了并行量子遗传神经网络人脸识别系统.实验结果表明,相对于原来的遗传算法,该算法在鲁棒性和实验速度上都有明显的提高.     

基于遗传算法的测量数据拟合

将遗传算法用于测量数据的曲线方程拟合，采用了变长度的染色体表示不同的函数形式，并对标准的遗传算法中的交叉和变异操作进行了适当的改进，只需样本点的数据和允许的误差就能确定方程的形式，计算结果表明，该方法是有效的。     

产生式系统与神经元网络的结合

提出了产生式系统和神经元网络相结合的方法,研究了从推理网络转换到神经元网络的途径,研究了从神经元网络权矩阵转换到产生式规则的方法,从而使产生式系统能自动修正规则和获取规则.还提出了一种由二次型阈值元件组成的神经元网络,给出了它的学习算法,并严格证明了它的收敛性.     

复合神经网络控制器的可解性及求解方法

根据复合神经网络控制器的可分性,本文符合 证明了此类控制器是可解的,并以此为依据,给出了复合网络控制器的求解步骤,并给出应用实例,为复合网络控制器的实际应用提供了理论依据和使用方法。     

一种新型前向神经网络用于汉语四声识别

提出了一种新型的前向神经网络，并研究了其在语音识别中的应用。该神经网络为只含一层非线性隐层的前向神经网络，以线性的输出层代替一般ＢＰ网络的非线性输出层，可以更准确地，范围更大地完成非线性函数估值功能。该神经网络采用了包括反向传播算法及最小均方算法的混合算法进行训练，可以减少落入局部最小点的概率以及提高收敛速度。     

基于BP神经网络的灰度图像置乱加密方法

针对目前灰度图像加密存在的问题,在列举几种数字图像置乱方法后,提出了一种基于BP神经网络的图像置乱加密方法.利用神经网络所具有的非线性变换能力强等优点,大大提高了图像信息的安全性.同时详细描述了基于BP神经网络的图像置乱加密方法的具体实现过程,并在仿真试验中取得了较好效果.     

基于实值遗传算法的模糊神经网络辨识器

提出了一种基于实值遗传算法(RVGA)的模糊神经网络辨识器·它常被用于非线性动态系统的辨识·通常模糊神经网络辨识器参数的训练采用反向传播学习算法(BP),但是用BP算法有训练时间长,容易陷入局部极小的问题·采用RVGA来训练模糊辨识器的参数,由于GA算法具有并行运算,多点寻优等特点,所以它运算速度快,容易实现全局寻优·传统的GA算法采用二进制编码,计算繁复且占用大量的空间·采用一种新的实数编码方法,在实数域上进行遗传运算,操作简便,特别适用于需要调整的参数较多的情况·仿真结果表明,该辨识器具有良好的逼近性能和较快的训练速度·     

基于Lagrange优化神经网络的盲多用户检测

Lagrange优化神经网络克服传统的基于罚函数的神经网络的缺陷,直接对不等式约束进行处理,降低网络规模和复杂度,是一种新型的优化神经网络.基于这种Lagrang优化神经网络,提出一种盲多用户检测算法,并通过仿真表明,该算法在误码率性能方面有所改善,收敛速度也明显提高.     

人工神经网络在图像测速技术中的应用

为了准确、快速地进行图像测速,介绍了一种前向三层自组织竞争人工神经网络,并将其应用于图像测速技术的粒子轨迹测速中。人工神经网络在图像测速技术中的应用才刚刚起步,该方法利用神经网络智能与快速的特点完成粒子的匹配,从而获得流场的速度。与以往的算法相比,神经网络方法具有检测准确和速度快的优点,但对图像质量要求较高。在恒定流流动表面流速的测量和Ｏｓｓｅｎ涡的模拟中分别使用了神经网络方法,获得了良好的测量结果,并证明了该方法在图像测速技术中的应用潜力。     

人工神经网络在软件预估分析中的应用

将人工神经网络理论应用于软件预估分析领域，通过BP神经网络和功能点估算模型的介绍与结合，提供了一种估算软件工作量的方法．使用智能神经网络可分析软件开发这一十分复杂的过程。     

二进制数到BCD码转换的神经计算方法

提出用神经计算方法解决码制转换问题．设计和训练了一个可完成８输入、８输出的二进制数到ＢＣＤ码转换的ＢＰ网络．结果表明：人工种经网络可用于求解这类码制的转换问题．     

基于神经网络的时序预测模型研究

将神经网络作为传统的时序线性模型的非线性推广进行了分析,论证了多层前向神经网络与非线性自回归模型及反馈神经网络与非线性自回归移动平均模型的等价意义,提出了一种可作为非线性时序模型的内反馈神经网络．