共查询到20条相似文献，搜索用时 93 毫秒
1.
传统的BP神经网络收敛速度慢,以及该算法的不完备性,易陷于局部极小,全局最优无法保证能收敛到等缺点.针对BP神经网络的缺陷,该文提出了遗传算法,利用遗传算法优化BP神经网络权值和阈值,使得训练了BP神经网络预测模型得到了最优解.采用遗传算法优化BP神经网络的算法,并以此结合算法来研究非线性函数拟合的问题.从实验结果表明,基于遗传算法优化的BP神经网络的非线性函数拟合具有较强的收敛性和鲁棒性,并且有了更高的预测精度. 相似文献
2.
《淮北师范大学学报》2017,(2):60-63
通过将遗传算法应用于径向基函数神经网络参数设计中,提出一种基于遗传算法优化的径向基函数神经网络水泥强度值预测模型,实现径向基函数神经网络隐层节点函数的中心矢量、基宽向量和隐层与输出层之间权值的优化设计.以经归一化处理后的输入样本数据为模型输入,以水泥28 d强度值为模型输出,建立经遗传算法优化后的径向基函数神经网络预测模型.仿真结果表明,优化后的径向基函数神经网络能达到较高的预测精度,可用于水泥强度的预测. 相似文献
3.
针对遗传算法在全局寻优的特点和BP神经网络在局部精确搜索的特性,通过采用遗传算法优化神经网络初始权值,加速BP网络训练速度。通过算法比较和实例结果分析,表明该算法可以有效、可靠地运用铸造工艺参数优选中,并可方便地应用于专家系统。 相似文献
4.
为提高BP神经网络算法的运行效率,利用遗传算法和并行编程思想,提出了Hadoop平台下基于MapReduce的遗传算法优化BP神经网络的并行化设计及实现方法。利用遗传算法优化BP神经网络的初始权值和阈值,提高算法分类准确率;采用MapReduce并行编程模型实现算法的并行化处理,解决BP神经网络在处理大规模样本数据集时存在的硬件开销和通信开销大的问题。选用Caltech256图像数据集,与传统的串行遗传算法优化BP神经网络算法实验对比,验证了并行化GA BP神经网络算法的优越性。 相似文献
5.
刘俊 《绵阳师范学院学报》2015,(2):79-83
直接使用BP神经网络拟合非线性函数,具有预测精度差、收敛速度慢等缺点.该文提出利用极强全局搜索能力的思维进化算法来优化BP神经网络.首先根据BP神经网络拓扑结构构建思维进化算法模型,然后用思维进化算法得到的最优解作为BP神经网络的初始权值和阈值,最后利用MATLAB软件对多个非线性函数进行拟合仿真实验,比较思维进化算法优化BP神经网络和单纯使用BP神经网络的预测结果 .数据表明,优化后的BP神经网络具有更高的拟合精度和更短的网络训练时间. 相似文献
6.
针对遗传算法在优化BP网络时出现收敛慢、预测能力有限等问题,提出一种用于优化BP神经网络的差分进化遗传算法。结合差分进化与遗传算法,首先对BP神经网络待优化参数编码,然后在经过遗传交叉和差分变异操作后,根据适应度值对种群规模进行自适应操作,以满足不同迭代阶段的要求。通过对测试函数进行仿真实验,结果表明,相比传统遗传算法,DE GA算法具有较好的稳定性和收敛速度,其优化后的BP网络预测精度保持在97%以上。 相似文献
7.
方文超 《北京城市学院学报》2015,(1):25-29
配送中心选址是学术界和物流业界研究热点,本文基于遗传算法,结合近年来选址问题研究常用的BP神经网络,构建选址模型,通过计算机仿真,发现遗传算法优化的BP神经网络相对误差比传统BP神经网络低。并且,遗传算法优化的BP神经网络选址模型与实际值的相对误差较低,因此,该模型能为配送中心选址提供决策支持。 相似文献
8.
为了解决航空装备实验室项目质量影响因素众多、质量控制困难的问题,利用遗传算法优化BP神经网络初始参数的方法,将遗传算法和BP神经网络相结合,构建了实验室项目质量评估模型。遗传算法将BP神经网络的权值和阈值进行选择、交叉、变异地操作后,得到最优权值和阈值,并赋值给BP神经网络,BP神经网络通过正、反两个方向的传播不断对其进行调整,得到最优解。用Matlab软件进行仿真运算可以对航空装备实验室项目质量进行评估,并以某校实验室项目为例,分析验证了该组合模型对航空装备实验室项目质量评估的可行性及有效性。 相似文献
9.
为准确快速地对恐怖袭击事件进行分级,帮助建立恐怖袭击事件应急预案,提出一种基于模糊聚类算法和模拟退火遗传算法优化BP神经网络的恐怖袭击事件分级模型。通过模糊聚类算法划分样本训练集,利用BP神经网络的自学习能力获取输入与输出之间的模糊规则,采用模拟退火遗传算法提高神经网络精度。以GTD数据库样本为例,经实验得到普通BP神经网络的分级正确率为94.32%,模拟退火遗传算法优化的BP神经网络分级正确率可提升到99.88%,验证了基于模糊聚类算法和模拟退火遗传算法优化BP神经网络分级模型的有效性。 相似文献
10.
传统的求解函数高阶导数值的方法就是先求出高阶导数的函数表达式,然后将自变量值代入,就得到了此点的高阶导数值。高阶导数的函数表达式的推导比较的烦琐,尤其对于复合函数来说。利用改进的遗传算法和神经网络各自的优点,提出求解函数高阶导数值的GA-Network法。算法采用多目标优化的思想,使用"动态自适应策略"和"罚函数法"。利用神经网络来构造函数泰勒展式的网络结构,用遗传算法对网络进行学习,最后得到网络的输出结果即高阶导数值。通过对初等函数的仿真实验,可以看出此方法有比较高的精度,它也为函数导数值的求解提供了一种方法。 相似文献
11.
张贤慧 《Journal of Zhangzhou Technical Institute》2013,(1):1-6
BP神经网络是一种按误差逆传播算法训练的多层前馈网络,其与遗传算法的结合可以得到一种拥有良好的全局优化搜索和局部时频特性的学习训练途径。针对BP网络的不足,提出了一种基于改进遗传算法的BP神经网络控制器,此方法可以克服基本遗传算法收敛速度慢,容易陷入"早熟"收敛,计算稳定性不好等一系列问题,进一步提高了BP神经网络控制器的性能。最后通过对轧制力模型的预报仿真,证明了控制器的有效性。 相似文献
12.
孙吴松 《荆门职业技术学院学报》2024,(2):1-10
为了确保电机安全可靠地运行,研究了BP神经网络算法对异步电动机进行故障诊断。通过MATLAB平台,分别使用附加动量因子和自适应学习率两种梯度下降法进行网络训练,搭建故障诊断BP网络模型。以MSE值为指标优化最佳隐含层节点数、动量因子与学习率,并通过遗传算法来优化BP网络的初始权值,对故障测试样本进行仿真测试。结果表明,GA-BP网络模型比MF-BP和AG-BP的MSE值更低,仅为0.009 163,优化后的诊断预测结果与目标值几乎没有差别。基于遗传算法改进的故障诊断系统模型能够满足异步电动机故障诊断的应用需求。 相似文献
13.
采用遗传算法优化BP神经网络,通过遗传算法对BP神经网络的初始权值与阈值进行优化,从而更易实现输出预测。实验结果表明,采用算法的人工神经网络识别能力及精度非常高,对比故障检测发现改进算法识别效果、识别精度具有明显的优势。这一研究对于改进识别桩基故障具有明显的应用前景。 相似文献
14.
针对传统的联轴器传动效率测试方法耗时耗力的问题，构建了三叉杆滑移式万向联轴器，基于遗传算法优化的BP神经网络传动效率预测模型，并结合最优拉丁超立方法获取了试验样本，完成了对神经网络模型的训练与验证。研究结果表明：GA-BP神经网络模型的预测精度、收敛速度显著高于BP神经网络模型，且GA-BP神经网络模型的传动效率预测值与实际值之间的平均相对误差为0.038%，满足工程需求。GA-BP神经网络模型为联轴器传动效率的预测提供了一种有效的方法。 相似文献
15.
周淑娟 《廊坊师范学院学报(自然科学版)》2011,11(2):40-43
神经网络能精确地对复杂问题进行预测,但易受训练过度的影响且训练速度慢。遗传算法是一种全局优化搜索算法,这种方法的要求是拟合度函数必须收敛于最小误差,这为具体的实现方案留下了许多自由空间。将遗传算法与神经网络结合起来使用可以在较高的层次上提高模型的可理解性。 相似文献
16.
用BP神经网络对电站锅炉运行数据进行训练、测试,并在此基础上使用粒子群算法对已建立的锅炉BP神经网络模型做进一步优化。通过对网络预测输出值与实际值之间的比较,明确PSOBP可以更好地提升BP神经网络的泛化能力。 相似文献
17.
为解决BP神经网络收敛速度慢和易陷入局部极小值的缺点,利用遗传算法(GA)和基因表达式编程(GEP)的各自特点,基于BP算法提出了两种改进算法:其一是GA-BP算法,即利用GA优化BP神经网络的权值和阈值;其二是GEP-BP算法,即利用GEP对BP网络进行调整,包括网络结构、权值和阈值。用样本数据进行了测试并与基本BP算法进行了比较,结果表明两种改进算法具有很强的可行性和高效性。 相似文献
18.
神经网络的BP训练算法和遗传优化训练算法的对比研究 总被引：2，自引：0，他引：2
BP算法是人工神经网络的传统常用训练算法。遗传算法是一种新型的、随机性的、全局性的优化方法。基于MATLAB对比这两种训练方法的异同和优缺点,从而达到神经网络的最优化训练,充分发挥神经网络的作用。 相似文献
19.
BP算法是人工神经网络研究的一个常用方法，但从本质上说是属于局部寻优法，容易陷入局部极小点，且存在着学习速度与精度之间的矛盾；遗传算法是一种全局优化算法，具有并行计算能力．本文采用遗传算法来训练前向神经网络，建立一个基于遗传算法和BP算法的神经网络预测模型．试验结果表明它是一个成功较高的预测模型． 相似文献
20.
为提高自动气象站温度传感器观测数据精度,对不同型号的自然通风防辐射罩所产生的辐射误差进行分析,提出一种基于BP神经网络算法对不同表面反射率的防辐射罩进行误差修正。将BP神经网络应用于温度传感器防辐射罩辐射误差的预测:将太阳辐射强度、风速、表面反射率作为BP神经网络的输入,利用计算流体动力学分析防辐射罩在不同大气环境下的辐射误差作为BP神经网络的训练输出。分析训练输出与样本输出,两者的绝对误差仅在[-0. 001,0. 002],可见BP神经网络的预测精度在理想值内。最后将BP神经网络得到的辐射误差修正方程用Java进行封装,并开发Web平台实现算法应用。 相似文献