排序方式: 共有104条查询结果,搜索用时 15 毫秒
21.
22.
调度问题的压缩Petri网(RePN)模型研究 总被引:1,自引:0,他引:1
本文提出了一种新的Petri网模型-压缩Petri网(RePN)模型,用于调度问题的建模和求解,与以前的模型相比,RePN模型不仅具有较强的分析能力,而且大大减少了节点数,使可达集杨应减小,从而为搜索调度问题的最优解或近优解提供了方便。 相似文献
23.
三维模型特征识别中的分割与编码算法 总被引:1,自引:0,他引:1
三维模型特征识别是CIMS中的关键技术之一,用神经网络法解决三维模型的特征识别问题,具有鲁棒性,多重解释,根据例子学习、识别速度较快等许多优势势,基于凹凸变化产生特征的思想,根据底面、凹点、凹边等线索,对三维模型模型进行了合理的分割,找出三维模型特征可能存在的区域,并对该特征区域进行编码,将三维模型的拓扑信息,几休信息转化为神经网络能够处理的矢量数据,最后,再利用人工神经网络的学习与识别能力识别出模型的特征。 相似文献
24.
多层反馈神经网络的FP学习和综合算法 总被引:19,自引:1,他引:19
本文给出多层反馈神经网络的FP学习和综合算法,并讨论此类网络的性质,指出将它应用于聚类分析能给出不粒度的聚类,且具有收敛速度快(是样本个数的线性函数)、算法计算量少(是样本个数和输入、输出维数的双线性函数)、网络元件个数少、权系数简单(只取3个值)、网络容易硬件实现等优点.作为聚类器的神经网络的学习和综合问题已得到较圆满地解决. 相似文献
25.
统计遗传算法 总被引:28,自引:1,他引:28
本文讨论了遗传算法中框架定理的不足之处,并对之进行了改进,然后分析了遗传算法与A算法的相似性,以及遗传算法的概率性质.由此联想到它与SA算法的相似性,在此基础上,作者将原先发展的一套SA算法的理论移植到遗传算法中来,建立一个新的算法,称之为统计遗传算法(简记为SGA算法).为适合于优化计算,作者引入最大值统计量及其对应的SA算法(简称为SMA算法),并将SMA算法与GA算法相结合(记为SGA(MAX)算法).新的算法不仅提高了算法的精度和降低了计算的复杂性,而且能克服GA算法中出现“早熟”的现象以及提供进行并行计算的可能性.更主要的是新的方法为GA算法的精度、可信度和计算复杂性的定量分析提供了理论和方法上的有力工具. 相似文献
26.
27.
神经网络学习中“附加样本”的技术 总被引:6,自引:0,他引:6
本文将网络的先验知识和网络的样本集知识有机结合起来,提出“附加样本”的神经网络新学习算法,其计算复杂性仅为多项式(上界≤O(n4)),用该算法可以设计出性能更好的神经网络.本文第1节简单介绍FP算法以及FP覆盖算法,第2节提出FP统计附加样本算法.最后举一例子说明用该算法可以设计出性能良好的网络. 相似文献
28.
基于神经网络自学习的图像检索方法 总被引:10,自引:0,他引:10
相关反馈技术是近年来图像检索中较为活跃的研究方法之一.提出了一种基于神经网络自学习的图像检索方法,即在检索阶段利用人-机交互技术选出与检索图像相似的正例样本,然后构造出前向神经网络,进行自学习,以逐步达到提高查询效果的目的.神经网络的构造过程即是学习的过程,而且可以不断地学习.使用由9918幅图像组成的图像库进行实验,结果表明,该方法有助于用户表达查询意图和语义概念,可以通过交互式检索逐步求精地查找出更多、更准确的图像,并且具有较强的鲁棒性,可以结合各种特征表示和相似性匹配方法,交互地提高检索性能. 相似文献
29.
30.
构造型神经网络双交叉覆盖增量学习算法 总被引:12,自引:1,他引:12
研究了基于覆盖的构造型神经网络(cover based constructive neural networks,简称CBCNN)中的双交叉覆盖增量学习算法(BiCovering algorithm,简称BiCA).根据CBCNN的基本思想,该算法进一步通过构造多个正反覆盖簇,使得网络在首次构造完成后还可以不断地修改与优化神经网络的参数与结构,增加或删除网络中的节点,进行增量学习.通过分析认为,BiCA学习算法不但保留了CBCNN网络的优点与特点,而且实现了增量学习并提高了CBCNN网络的泛化能力.仿真实验结果显示,该增量学习算法在神经网络初始分类能力较差的情况下具有快速学习能力,并且对样本的学习顺序不敏感. 相似文献