共查询到10条相似文献,搜索用时 312 毫秒
1.
一种基于田口-遗传算法确定的神经网络及其应用 总被引:2,自引:0,他引:2
为了解决神经网络结构和参数难以确定的问题,提出用工程领域内的田口设计方法和人工智能领域的遗传算法相结合的方法,用于同时确定神经网络结构和参数.将该算法应用到了小麦期货的收盘价短期预测上,结果表明,算法有较好收敛能力,预测是可行和有效的,有着良好的应用前景. 相似文献
2.
3.
4.
在对石油射孔枪结构进行有限元静、动力分析的基础上,利用BP神经网络对有限元分析得出的样本数据,建立射孔枪结构设计参数盲孔处的最大应力(输入)与盲孔深度、盲孔直径(输出)的全局性映射关系,获得遗传算法求解结构优化问题所需的目标函数值.最后,用改进的遗传算法进行射孔枪结构的优化设计.结果表明,基于神经网络和遗传算法的优化技术应用在射孔枪结构的优化设计中是有效、合理的.从广义的角度,作为结构优化问题求解方法的一个探讨,本文所提出的优化技术,也为工程领域中复杂、多变量,尤其是优化设计目标无法或难以表示成设计变量的显函数的优化问题的求解提供了新的思路和技术手段. 相似文献
5.
基于遗传算法的BOD神经网络软测量 总被引:4,自引:2,他引:2
针对污水处理过程中关键水质参数无法在线监测的问题,提出基于遗传算法和BP神经网络相结合的污水水质软测量方法,该方法采用遗传算法优化神经网络结构和权、阈值分布,再用BP算法对神经网络进行训练,得到最优的建模网络.仿真结果表明该方法可以避免单独使用BP网络容易陷入局部最小的问题,并能加快全局收敛速度,对水质参数BOD(生化需氧量)预测实时性好、稳定性高、精度高,可用于污水水质的在线预测. 相似文献
6.
人工神经网络的结构设计没有系统的规律可循,而基于梯度的神经网络参数优化又易于陷入局部最优解.该文研究了用带退化的协同进化遗传算法来优化神经网络结构,同时优化网络参数.将网络参数作为实数编码基因进行遗传选择,参数个体的受损率超过退化阀值时发生结构退化.退化进程由协同进化的控制个体动态控制.实验证明,该方案能够有效简化神经网络的结构和得到最优网络参数,收敛速度比常规遗传算法快. 相似文献
7.
8.
9.
针对一类温度控制系统中存在的非线性和参数不确定等问题,提出一种复合神经网络自适应控制结构.在控制系统中构造了神经网络正模型来再现被控对象的动态特性,用神经网络控制器实现优化控制律的非线性映射.文中选用了被控对象80组历史数据作为样本集,并利用遗传算法的全局搜索能力及高效率来训练多层前向神经网络的权系数.最后用升降温工艺曲线作为输入对温度控制系统进行仿真.仿真结果表明,应用遗传算法能够提高神经网络的学习效率.保证神经网络全局快速收敛,从而克服了传统的误差反传学习算法的一些缺点.证明了采用这种神经网络自适应控制结构.使神经网络控制器的输出可以适应对象参数和环境的变化.使温度控制系统具有很好的学习和自适应控制能力,取得了良好的控制效果. 相似文献