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。
|
全文目录
相似论文
- 天然气脱酸性气体过程中物性研究及数据处理,TE644
- 压气机优化平台建立与跨音速压气机气动优化设计,TH45
- 中医舌诊中舌形与齿痕的特征提取及分类研究,TP391.41
- 机械臂视觉伺服系统的研究,TP242.6
- 基于粒子群算法求曲线/曲面间最小距离方法,O182
- 市级旅游用地规划环境影响评价研究,X820.3
- 珠三角地区高性能混凝土配合比智能化系统,TU528
- 基于遗传算法的模糊层次综合评判在高职教学评价中的应用,G712
- 部队人员网上训练与考核系统的开发,TP311.52
- 大学生综合素质测评研究,G645.5
- 基于并行算法的模糊综合评价模型的设计与应用,TP18
- 基于神经网络的牡蛎呈味肽制备及呈味特性研究,TS254.4
- 基于遗传算法的中短波磁天线的设计及实现,TN820
- 基于遗传算法的柑橘图像分割,TP391.41
- 基于混合自适应遗传算法的动态网格调度问题研究,TP393.09
- 基于遗传—牛顿算法的公交优化调度,TP18
- 基于遗传算法优化的BP网络对生物柴油制备工艺的优化,TE667
- 药品扩散中的优化控制及其数值方法,R91
- 高速公路拆迁民众生存系统评价研究,D523
- 基于云理论和蜜蜂进化型遗传算法的纹理合成研究,TP391.41
- 融合粒子群和蛙跳算法的模糊C-均值聚类算法研究,TP18
中图分类: > 工业技术 > 自动化技术、计算机技术 > 自动化基础理论 > 人工智能理论 > 人工神经网络与计算
© 2012 www.xueweilunwen.com
|