学位论文 > 优秀研究生学位论文题录展示

基于遗传算法的前馈神经网络优化研究

作　者: 刘伟伟
导　师: 田富鹏
学　校: 西北民族大学
专　业: 应用数学
关键词: 人工神经网络 BP神经网络遗传算法优化算法
分类号: TP183
类　型: 硕士论文
年　份: 2011年
下　载: 146次
引　用: 1次
阅　读: 论文下载

内容摘要

随着人工神经网络20世纪80年代在世界范围的复苏,世界范围内掀起了神经网络开发研究的热潮。BP神经网络是目前应用最广泛的网络之一。BP神经网络的拓扑结构是一个多层前馈网络。BP神经网络与BP学习算法理论比较成熟,而且基于误差反向传播算法的BP网络具有很强的非线性映射、泛化、容错等能力,实践证明BP网络可以解决很多实际问题。但在实践中,BP算法也暴露了自身存在的一些弱点,如固定的学习率和训练次数使得学习效率低,收敛速度慢;隐层数和隐层节点数目的选取缺乏理论的指导;采用了基于误差和性能指标函数不断减小的标准梯度下降法,使网络全局搜索能力差,易形成局部极小而得不到全局最优;训练时学习新样本有遗忘旧样本的趋势等问题。遗传算法的出现使神经网络的训练有了崭新的面貌,用遗传算法优化神经网络,可以使神经网络具有自进化、自适应能力,从而构造出进化的神经网络。将遗传算法和BP神经网络结合起来有很大的意义。由于遗传算法能够收敛到全局最优解,这不仅能发挥BP神经网络的泛化映射能力,而且使BP神经网络具有很快的收敛性以及较强的学习能力。遗传算法与BP神经网络的结合主要有两个方面:一是应用遗传算法优化BP神经网络各层之间的连接权值;二是应用遗传算法优化BP神经网络的拓扑结构。本文系统地研究了人工神经网络特别是BP神经网络以及遗传算法的理论基础,分析了神经网络的缺陷及其产生的原因。在此基础上,应用遗传算法对BP神经网络的连接权值和拓扑结构进行了优化。在优化过程中,本文应用了遗传算法合适的编码技巧,对神经网络进行符合实际的编码,同时根据编码方法专门设计了遗传操作中的变异操作方案。最后将优化后的BP神经网络应用于结肠癌基因表达谱数据分析,结果显示优化后的BP神经网络较传统的BP神经网络具有更快的收敛性以及更强的学习能力。优化后的网络克服了BP神经网络的一些缺陷,使得BP神经网络在实践应用中更加完美。

基于遗传算法的前馈神经网络优化研究

内容摘要

全文目录

相似论文