下载 >  网络技术 >  网络基础 > 神经网络与遗传结合算法

神经网络与遗传结合算法

神经网络与遗传结合算法 神经网络与遗传结合算法
2009-06-12 上传大小:440KB
分享
收藏 举报
人工神经网络遗传算法结合(初学者必看)

人工智能和遗传算法的结合,进展及展望,适合对人工智能和遗传算法有一定的基础知识的初学者。

立即下载
遗传算法 蚁群算法结合代码

遗传算法和蚁群算法相结合的实例代码, 验证过的 可以实现

立即下载
matlab 遗传算法优化BP神经网络程序

关于神经网络的仿真程序,利用遗传算法优化神经网络的权值和阀值

立即下载
遗传算法优化小波神经网络程序matlab

程序直接能够运行,当然对于matlab的版本可能有些要求,我的是2012版本没问题。这里边包括小波分析、神经网络以及遗传算法,实现对数据充分的拟合,直接输出误差变化过程图,可清楚的观察误差的过程。

立即下载
遗传算法和粒子群算法结合的matlab源码

遗传算法和粒子群算法结合的matlab源码 详细的注释

立即下载
遗传算法优化神经网络(BP)进行预测 GABP

GABP,遗传算法优化神经网络(BP)进行预测 ,优化前后对比,可套用在其它模型。

立即下载
遗传算法-小波-神经网络matlab程序

程序直接能够运行,点击GA_Wnn_test直接就能运行,当然对于matlab的版本可能有些要求,我的是2012版本没问题。这里边包括小波分析、神经网络以及遗传算法,实现对数据充分的拟合,直接输出误差变化过程图,可清楚的观察误差的过程。另外,对于学习小波神经网络以及搞中长期预报的同学可谓是在珍贵不过的程序了。

立即下载
基于遗传算法的BP神经网络优化算法

用遗传算法对BP神经网络进行优化,达到了减少BP神经网络算法前期盲目搜索的过程,使得算法更有目的性,最后达到的效果要比单独的BP算法要好

立即下载
遗传算法优化BP神经网络完整实例

网上都认为遗传算法是优化初始权值的工具,找了一个实例研究了一番,所有的代码都在里面

立即下载
利用遗传算法来优化神经网络

利用遗传算法,极值寻优,代码中设计很详细,具有很好的参考机制

立即下载
ga-bp代码,python,pycharm,训练程序

用于训练bp-ga的算法,能够在pycharm上运行,能够运行出结果。。

立即下载
遗传算法和BP神经网络算法文档以及源码

里面有关于遗传算法的coc文档和完整的代码解决方案

立即下载
优化的神经网络遗传算法

基于遗传算法优化的神经网络算法

立即下载
GA_SA.基于matlab的模拟退火-遗传算法程序

模拟退火算法和遗传算法,智能算法里面的两个重要算法思想;程序已经通过了测试,可直接运行;

立即下载
数据挖掘方法源码,分类,聚类,神经网络

多种算法,遗传,神经网络 ,聚类 ,apriori等

立即下载
自适应遗传算法MATLAB代码

自适应遗传算法的代码!对于初学者帮助很大!欢迎大家下载学习!

立即下载
基于 遗传 算法 神经网络

BP网络是一类多层的前馈神经网络。它的名字源于在网络训练的过程中,调整网络的权值的算法是误差的反向传播的学习算法,即为BP学习算法。BP算法是Rumelhart等人在1986年提出来的。由于它的结构简单,可调整的参数多,训练算法也多,而且可操作性好,BP神经网络获得了非常广泛的应用。据统计,有80%~90%的神经网络模型都是采用了BP网络或者是它的变形。BP网络是前向网络的核心部分,是神经网络中最精华、最完美的部分。BP神经网络虽然是人工神经网络中应用最广泛的算法,但是也存在着一些缺陷,例如:

立即下载
用matlab编写的用遗传算法优化神经网络的程序

用matlab编写的用遗传算法优化神经网络的程序

立即下载
遗传算法优化BP神经网络的Matlab编程实例

用遗传算法优化BP神经网络的一个matlab编程实例

立即下载
粒子群算法神经网络算法结合的matlab程序

粒子群优化算法是一种新颖的仿生、群智能优化算法。该算法原理简单、需调整的参数少、收敛速度快而且易于实现,因此近年来粒子群算法引起了广大学者的关注。然而到目前为止粒子群算法的在理论分析和实践应用方面尚未成熟,仍有大量的问题需进一步研究。本文针对粒子群算法易出现“早熟”陷入局部极小值问题对标准粒子群算法进行改进并将改进的粒子群算法应用于BP神经网络中。本文的主要工作如下:本文首先介绍了粒子群算法的国内外的研究现状与发展概况,较系统地分析了粒子群优化算法的基本理论,总结常见的改进的粒子群优化算法。其次介绍了Hooke-Jeeves模式搜索法的算法分析、基本流程及应用领域。针对标准粒子群优化算法存在“早熟”问题,易陷入局部极小值的缺点,本文对标准粒子群算法进行改进。首先将原始定义的初始种群划分为两个相同的子种群,采用基于适应度支配的思想分别将每个子种群划分为两个子集,Pareto子集和N_Pareto子集;然后将两个子群中的适应度较优的两个Pareto子集合为新种群。Griewank和Rastrigin由于新种群的参数设置区别于标准粒子群算法的参数设置,新的粒子与标准种群中的粒子飞行轨迹不同,种群的探索范围扩大,从而使算法的全局搜索能力有所提高。 为平衡粒子群算法的全局寻优能力和局部寻优能力,提高粒子群算法的求解精度和效率,本文在新种群寻优过程中引入具有强收敛能力Hooke-Jeeves搜索法,提出了IMPSO算法。雅文网www.lunwendingzhi.com,并用IMPSO算法对标准基准测试函数进行实验,将得到的实验结果并与标准粒子群算法对基准函数的实验结果进行对比,仿真结果证明了该改进的粒子群算法的有效性。 最后本文研究改进的粒子群算法在BP神经网络中的应用。首先介绍人工神经网络的原理及基于BP算法的多层前馈神经网络,其次用IMPSO算法训练BP神经网络并给出训练流程图。 将IMPSO算法训练的BP神经网络分别应用于齿轮热处理中硬化层深的预测以及用于柴油机的缸盖与缸壁的故障诊断中,并将预测结果、诊断结果与BP神经网络、标准粒子群优化算法训练的BP神经网络的实验结果进行对比,实验结果证明了改进的粒子群算法训练BP网络具有更强的优化性能和学习能力。 英文简介: Particle swarm optimization algorithm is a novel bionic, swarm intelligence optimization algorithm. The algorithm principle is simple, less need to adjust the parameters and convergence speed is fast and easy to implement, so in recent years, particle swarm optimization (pso) to cause the attention of many scholars. So far, however, the particle swarm algorithm are not mature in theory analysis and practice applications, there are still a lot of problems need further research. Based on particle swarm algorithm is prone to "premature" into a local minimum value problem to improve the standard particle swarm algorithm and improved particle swarm optimization (pso) algorithm was applied to BP neural network. This paper's main work is as follows: at first, this paper introduces the particle swarm algorithm in the general situation of the research status and development at home and abroad, systematically analyzes the basic theory of particle swarm optimization algorithm, summarizes the common improved particle swarm optimization algorithm. Secondly introduces the analysis method of Hooke - Jeeves pattern search algorithm, the basic process and application fields. In view of the standard particle swarm optimization algorithm "precocious" problems, easy to fall into local minimum value, in this paper, the standard particle swarm algorithm was improved. First of all, the original definition of the initial population is divided into two identical sub populations, based on the fitness of thought respectively each child population is divided into two subsets, and Pareto subset N_Pareto subset; And then has a better fitness of two subgroups of two Pareto set for the new population. Griewank and Rastrigin because of the new population parameter setting differs from the standard particle swarm algorithm of the parameter is set, the new particles and particle trajectories in the different standard population, population expanding, which makes the algorithm's global search ability have improved. To balance the global search capability of the particle swarm algorithm and local optimization ability, and improve the precision and efficiency of particle swarm optimization (pso) algorithm, introduced in this article in the new population optimization process has a strong convergence ability to search method of Hooke - Jeeves, IMPSO algorithm is proposed. And standard benchmark test functions with IMPSO algorithm experiment, will receive the results with the standard particle swarm algorithm, comparing the experimental results of benchmark functions, the simulation results prove the validity of the improved particle swarm algorithm. At the end of the paper research the improved particle swarm algorithm in the application of the BP neural network. First this paper introduces the principle of artificial neural network and based on the multi-layer feed-forward neural network BP algorithm, secondly by IMPSO algorithm training the BP neural network and training flow chart is given. IMPSO algorithm training the BP neural network respectively used in the gear heat treatment hardening layer depth prediction and used for fault diagnosis of diesel engine cylinder head and cylinder wall, and the predicted results, the diagnostic results, the standard particle swarm optimization algorithm with BP neural network of training BP neural network, comparing the experimental results of the experimental results show that the improved particle swarm optimization (pso) training BP network has better optimization performance and learning ability.

立即下载
关闭
img

spring mvc+mybatis+mysql+maven+bootstrap 整合实现增删查改简单实例.zip

资源所需积分/C币 当前拥有积分 当前拥有C币
5 0 0
点击完成任务获取下载码
输入下载码
为了良好体验,不建议使用迅雷下载
img

神经网络与遗传结合算法

会员到期时间: 剩余下载个数: 剩余C币: 剩余积分:0
为了良好体验,不建议使用迅雷下载
VIP下载
您今日下载次数已达上限(为了良好下载体验及使用,每位用户24小时之内最多可下载20个资源)

积分不足!

资源所需积分/C币 当前拥有积分
您可以选择
开通VIP
4000万
程序员的必选
600万
绿色安全资源
现在开通
立省522元
或者
购买C币兑换积分 C币抽奖
img

资源所需积分/C币 当前拥有积分 当前拥有C币
5 4 45
为了良好体验,不建议使用迅雷下载
确认下载
img

资源所需积分/C币 当前拥有积分 当前拥有C币
5 0 0
为了良好体验,不建议使用迅雷下载
VIP和C币套餐优惠
img

资源所需积分/C币 当前拥有积分 当前拥有C币
5 4 45
您的积分不足,将扣除 10 C币
为了良好体验,不建议使用迅雷下载
确认下载
下载
您还未下载过该资源
无法举报自己的资源

兑换成功

你当前的下载分为234开始下载资源
你还不是VIP会员
开通VIP会员权限,免积分下载
立即开通

你下载资源过于频繁,请输入验证码

您因违反CSDN下载频道规则而被锁定帐户,如有疑问,请联络:webmaster@csdn.net!

举报

若举报审核通过,可返还被扣除的积分

  • 举报人:
  • 被举报人:
  • *类型:
    • *投诉人姓名:
    • *投诉人联系方式:
    • *版权证明:
  • *详细原因: