CN103971162A - 一种基于遗传算法改进bp神经网络的方法 - Google Patents
一种基于遗传算法改进bp神经网络的方法 Download PDFInfo
- Publication number
- CN103971162A CN103971162A CN201410136702.2A CN201410136702A CN103971162A CN 103971162 A CN103971162 A CN 103971162A CN 201410136702 A CN201410136702 A CN 201410136702A CN 103971162 A CN103971162 A CN 103971162A
- Authority
- CN
- China
- Prior art keywords
- genetic algorithm
- network
- neural network
- fitness
- improving
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Image Analysis (AREA)
Abstract
本发明公开了一种基于遗传算法改进BP神经网络的方法,首先对BP网络进行编码:确定神经网络的结构,包括隐层个数、每一层的单元数;采用实数编码,将各层权值和阈值作为基因进行编码,编码后每个神经网络对应一条染色体;然后用遗传算法对网络进行选择优化,包含选择、交叉、变异步骤;最后对BP网络时行训练,得到最终结果;对遗传算法选择的最优个体进行解码生成新的神经网络,运用BP训练算法对新的网络进行训练,得到最终结果。本发明的方法,将遗传算法与BP网络相结合,可以充分利用两者的优点,既可以解决BP网络初始权值和阈值不易确定的问题,又能将搜索范围缩小,提高BP网络的训练速度,还可以改善局部极小问题。
Description
技术领域
本发明涉及人工神经网络,特别涉及一种基于遗传算法改进BP神经网络的方法。
背景技术
人工神经网络是由生物生神经网络发展而来的,是对人脑或若干基本特性的简化、抽象和模拟。其目的在于模拟大脑的某些机理与机制,实现一些特定的功能。
其中BP神经网络作为一种使用最广泛的神经网络模型,在手写字体的识别、语音识别、人脸识别以及生物医学信号处理等方面已有许多实际的应用。
BP神经网络又称误差反向转播网络,是一种多层前向网络,一般包含一个输入层、一个输出层以及一个或多个隐层,如图1所示。BP神经网络是一种有导师学习网络,采用基于梯度下降的误差反向传播算法进行训练,误差的计算采用最小均方误差(LMS)。按照BP算法的要求,BP神经网络中的神经元所用的激活函数必须是可导的,一般采有S型函数或线性函数。其网络的学习过程如下:首先初始化网络权值和阈值,然后通过正向传播得到输出结果,再通过误差反身传播对各层的权值和阈值进行修正。如此反复进行正向传播和反向传播的过程,直到输出误差满足给定要求或达到预先设定的最大训练次数为止。
BP神经网络是人工神经网络中应用最广泛的算法,经提出了很多有效的学习算法,但是仍然存在一些缺陷:①学习收敛速度太慢;②BP神经网络采用的梯度下降法修正权值和阈值,存在局部极小问题,不能保证收敛到全局最小点;③隐层的数目和隐层单元数不易确定。各种改进的学习算法虽然能够改善BP神经网络的收敛速度,但是在实际应用中仍然不够完善,不能完全克服BP算法固有的缺陷。④网络结构、初始连接权值和阈值的选择对网络训练的影响很大,但是又无法准确获得。
发明内容
本发明的目的在于克服现有技术的缺点与不足,提供一种基于遗传算法改进BP神经网络的方法。
本发明的目的通过以下的技术方案实现:
一种基于遗传算法改进BP神经网络的方法,包含以下顺序的步骤:
S1.对BP网络进行编码:确定神经网络的结构,包括隐层个数、每一层的单元数;采用实数编码,将各层权值和阈值作为基因进行编码,编码后每个神经网络对应一条染色体;
S2.用遗传算法对网络进行选择优化,具体包括以下步骤:
(1)初始化种群:确定种群规模N,随机生成N条染色体;
(2)确定适应性函数:适应性函数用来评判个体对环境的适应性;
(3)确定控制参数:控件参数包括交叉概率、变异概率和终止条件;
(4)根据适应性函数计算各个体的适应度;
(5)执行遗传算子:
a、选择:运用选择算子从上一代种群中选择适应度高的个体;
b、交叉:将选择的两个适应度高的个体作为母体,依据步骤(3)中设置的交叉概率,运用交叉算子进行交叉操作;
c、变异:依据变异概率执行变异操作;
(6)检验是否满足终止条件:若满足,选择适应度最大的个体,进入神经网络训练阶段;否则转步骤(4);
S3.对BP网络时行训练,得到最终结果;对遗传算法选择的最优个体进行解码生成新的神经网络,运用BP训练算法对新的网络进行训练,得到最终结果。
步骤S2的步骤(2)中,所述的适应性函数为神经网络误差的单调递减函数。
步骤S2的步骤(5)中,所述的选择算子为轮盘赌选择法、锦标赛选择法和竞争选择法的其中一种。
步骤S2的步骤(5)中,所述的交叉操作为单点交叉或是多点交叉,交叉概率选取较大值,为0.25~0.75。
步骤S2的步骤(5)中,所述的变异概率取较小值,为0.001~0.1。
步骤S2的步骤(6)中,所述的终止条件为以下条件之一:
A、种群中个体的最大适应度是否超过预先设定值;
B、进化代数是否超过预先设定值;
C、种群中个体的平均适应度是否超过预先设定值。
本发明与现有技术相比,具有如下优点和有益效果:
遗传算法利用了生物进化和遗传的思想,比起其他传统优化方法有明显的优势:①遗传算法处理的对象是参数编码集。这种编码操作,使得遗传算法可以直接对结构对象进行操作。②遗传算法具有自组织、自适应性,不需要事先描述问题的全部特点,可以解决一些复杂的非结构化问题,具有很强的鲁棒性。③搜索过程基于目标函数值的评价信息,没有优化函数必须可导的要求。④采用概率的变迁规则来指导搜索方向,不采用确定性搜索规则。⑤思想简单,实现步骤规范,便于实现。
遗传算法具有快速寻优的能力和良好的全局搜索能力,能够很快逼近最优结果,但是局部搜索能力不足;而BP网络具有良好的自组织和自学习能力,局部寻优能力强。因此将遗传算法与BP网络相结合,训练时先用遗传算法对神经网络的权值和阈值进行寻优,再利用BP网络来进行精确求解,可以充分利用两者的优点。既可以解决BP网络初始权值和阈值不易确定的问题,又能将搜索范围缩小,提高BP网络的训练速度,还可以改善局部极小问题。此外,针对BP网络初始结构不易确定的问题,也可以用遗传算法进行优化。初始时随机生成不同结构(即隐层单元数不同)的BP网络,然后通过遗传算法进行选择优化,最终选择最优的个体解码生成新的BP网络,再利用BP算法进行网络的训练。
附图说明
图1为BP神经网络的结构示意图;
图2为本发明所述的一种基于遗传算法改进BP神经网络的方法的流程图。
具体实施方式
下面结合实施例及附图对本发明作进一步详细的描述,但本发明的实施方式不限于此。
如图2,一种基于遗传算法改进BP神经网络的方法,包含以下顺序的步骤:
S1.对BP网络进行编码:确定神经网络的结构,包括隐层个数、每一层的单元数;采用实数编码,将各层权值和阈值作为基因进行编码,编码后每个神经网络对应一条染色体;
S2.用遗传算法对网络进行选择优化,具体包括以下步骤:
(1)初始化种群:确定种群规模N,随机生成N条染色体;
(2)确定适应性函数:适应性函数用来评判个体对环境的适应性,适应性函数为神经网络误差的单调递减函数;
(3)确定控制参数:控件参数包括交叉概率、变异概率和终止条件;
(4)根据适应性函数计算各个体的适应度;
(5)执行遗传算子:
a、选择:运用选择算子从上一代种群中选择适应度高的个体,选择算子为轮盘赌选择法、锦标赛选择法和竞争选择法的其中一种;
b、交叉:将选择的两个适应度高的个体作为母体,依据步骤(3)中设置的交叉概率,运用交叉算子进行交叉操作,交叉操作为单点交叉或是多点交叉,交叉概率选取较大值,为0.25~0.75;
c、变异:依据变异概率执行变异操作,变异概率取较小值,为0.001~0.1;
(6)检验是否满足终止条件:若满足,选择适应度最大的个体,进入神经网络训练阶段;否则转步骤(4);终止条件为以下条件之一:
A、种群中个体的最大适应度是否超过预先设定值;
B、进化代数是否超过预先设定值;
C、种群中个体的平均适应度是否超过预先设定值;
S3.对BP网络时行训练,得到最终结果;对遗传算法选择的最优个体进行解码生成新的神经网络,运用BP训练算法对新的网络进行训练,得到最终结果。
上述实施例为本发明较佳的实施方式,但本发明的实施方式并不受上述实施例的限制,其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化,均应为等效的置换方式,都包含在本发明的保护范围之内。
Claims (6)
1.一种基于遗传算法改进BP神经网络的方法,其特征在于,包含以下顺序的步骤:
S1.对BP网络进行编码:确定神经网络的结构,包括隐层个数、每一层的单元数;采用实数编码,将各层权值和阈值作为基因进行编码,编码后每个神经网络对应一条染色体;
S2.用遗传算法对网络进行选择优化,具体包括以下步骤:
(1)初始化种群:确定种群规模N,随机生成N条染色体;
(2)确定适应性函数:适应性函数用来评判个体对环境的适应性;
(3)确定控制参数:控件参数包括交叉概率、变异概率和终止条件;
(4)根据适应性函数计算各个体的适应度;
(5)执行遗传算子:
a、选择:运用选择算子从上一代种群中选择适应度高的个体;
b、交叉:将选择的两个适应度高的个体作为母体,依据步骤(3)中设置的交叉概率,运用交叉算子进行交叉操作;
c、变异:依据变异概率执行变异操作;
(6)检验是否满足终止条件:若满足,选择适应度最大的个体,进入神经网络训练阶段;否则转步骤(4);
S3.对BP网络时行训练,得到最终结果;对遗传算法选择的最优个体进行解码生成新的神经网络,运用BP训练算法对新的网络进行训练,得到最终结果。
2.根据权利要求1所述的基于遗传算法改进BP神经网络的方法,其特征在于:步骤S2的步骤(2)中,所述的适应性函数为神经网络误差的单调递减函数。
3.根据权利要求1所述的基于遗传算法改进BP神经网络的方法,其特征在于:步骤S2的步骤(5)中,所述的选择算子为轮盘赌选择法、锦标赛选择法和竞争选择法的其中一种。
4.根据权利要求1所述的基于遗传算法改进BP神经网络的方法,其特征在于:步骤S2的步骤(5)中,所述的交叉操作为单点交叉或是多点交叉,交叉概率选取较大值,为0.25~0.75。
5.根据权利要求1所述的基于遗传算法改进BP神经网络的方法,其特征在于:步骤S2的步骤(5)中,所述的变异概率取较小值,为0.001~0.1。
6.根据权利要求1所述的基于遗传算法改进BP神经网络的方法,其特征在于:步骤S2的步骤(6)中,所述的终止条件为以下条件之一:
A、种群中个体的最大适应度是否超过预先设定值;
B、进化代数是否超过预先设定值;
C、种群中个体的平均适应度是否超过预先设定值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410136702.2A CN103971162A (zh) | 2014-04-04 | 2014-04-04 | 一种基于遗传算法改进bp神经网络的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410136702.2A CN103971162A (zh) | 2014-04-04 | 2014-04-04 | 一种基于遗传算法改进bp神经网络的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103971162A true CN103971162A (zh) | 2014-08-06 |
Family
ID=51240629
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410136702.2A Pending CN103971162A (zh) | 2014-04-04 | 2014-04-04 | 一种基于遗传算法改进bp神经网络的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103971162A (zh) |
Cited By (53)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104504442A (zh) * | 2014-12-30 | 2015-04-08 | 湖南强智科技发展有限公司 | 神经网络优化方法 |
CN105372087A (zh) * | 2015-11-30 | 2016-03-02 | 南通大学 | 基于多传感器信号分析的故障诊断方法 |
CN106651001A (zh) * | 2016-11-08 | 2017-05-10 | 浙江理工大学 | 一种改进神经网络的金针菇产量预测方法及实施系统 |
CN107622319A (zh) * | 2016-07-14 | 2018-01-23 | 上海电气分布式能源科技有限公司 | 一种微电网功率预测方法 |
CN107645545A (zh) * | 2017-09-04 | 2018-01-30 | 济宁学院 | 一种基于云平台的病毒监测预警系统 |
CN107679368A (zh) * | 2017-09-11 | 2018-02-09 | 宁夏医科大学 | 基于遗传算法和变精度粗糙集的pet/ct高维特征级选择方法 |
CN107703752A (zh) * | 2017-10-22 | 2018-02-16 | 成都具鑫机械设备有限公司 | 一种基于模糊神经网络的数控机床检测方法 |
CN107909149A (zh) * | 2017-10-26 | 2018-04-13 | 西北农林科技大学 | 一种基于遗传bp神经网络的日光温室温度预测方法 |
CN107977726A (zh) * | 2016-10-21 | 2018-05-01 | 中国科学院声学研究所 | 用户关系预测模型的建立及用户动态关系的预测方法 |
CN108053054A (zh) * | 2017-11-22 | 2018-05-18 | 中国农业大学 | 一种河流水质预测方法 |
CN108334949A (zh) * | 2018-02-11 | 2018-07-27 | 浙江工业大学 | 一种优化深度卷积神经网络结构的快速进化方法 |
CN108616120A (zh) * | 2018-04-28 | 2018-10-02 | 西安理工大学 | 一种基于rbf神经网络的非侵入式电力负荷分解方法 |
CN108630228A (zh) * | 2017-03-20 | 2018-10-09 | 比亚迪股份有限公司 | 声品质识别方法、装置、系统、以及车辆 |
CN108710940A (zh) * | 2017-12-31 | 2018-10-26 | 中交第公路工程局有限公司 | 基于神经网络优化角砾地层中盾构机运行轨迹参数的方法 |
CN108805221A (zh) * | 2017-04-28 | 2018-11-13 | 普天信息技术有限公司 | 手写数字识别方法及装置 |
CN108875639A (zh) * | 2018-06-20 | 2018-11-23 | 甘肃万维信息技术有限责任公司 | 一种基于遗传算法人脸识别的优化和识别方法 |
CN109165720A (zh) * | 2018-09-05 | 2019-01-08 | 深圳灵图慧视科技有限公司 | 神经网络模型压缩方法、装置和计算机设备 |
CN109166118A (zh) * | 2018-09-05 | 2019-01-08 | 深圳灵图慧视科技有限公司 | 织物表面属性检测方法、装置及计算机设备 |
CN109217617A (zh) * | 2018-08-09 | 2019-01-15 | 瑞声科技(新加坡)有限公司 | 一种马达的激励信号搜索方法及电子设备 |
CN109299142A (zh) * | 2018-11-14 | 2019-02-01 | 中山大学 | 一种基于进化算法的卷积神经网络结构搜索方法及系统 |
CN109299780A (zh) * | 2018-09-05 | 2019-02-01 | 深圳灵图慧视科技有限公司 | 神经网络模型压缩方法、装置和计算机设备 |
CN109342352A (zh) * | 2018-12-18 | 2019-02-15 | 龙口味美思环保科技有限公司 | 一种基于混合模拟退火与遗传算法的面粉质量检测方法 |
CN109359469A (zh) * | 2018-10-16 | 2019-02-19 | 上海电力学院 | 一种工业控制系统的信息安全风险评估方法 |
CN109447265A (zh) * | 2018-10-12 | 2019-03-08 | 湘潭大学 | 一种基于偏好遗传算法的染色配比方法及系统 |
CN109461478A (zh) * | 2017-09-06 | 2019-03-12 | 唐纪絜 | 幼儿健康信息管理系统与方法 |
CN109492761A (zh) * | 2018-10-30 | 2019-03-19 | 深圳灵图慧视科技有限公司 | 实现神经网络的fpga加速装置、方法和系统 |
CN109598341A (zh) * | 2018-11-21 | 2019-04-09 | 济南浪潮高新科技投资发展有限公司 | 一种基于遗传算法的卷积神经网络训练成果检测及可视化方法 |
CN109688358A (zh) * | 2018-12-29 | 2019-04-26 | 盐城工业职业技术学院 | 加工制造类课程资源可视化开发与信息传输系统及方法 |
CN109766991A (zh) * | 2019-01-14 | 2019-05-17 | 电子科技大学 | 一种采用对抗性训练的人工智能优化系统及方法 |
CN109871953A (zh) * | 2019-01-25 | 2019-06-11 | 浙江大学 | fpRNA遗传算法的重油裂解过程小波神经网络建模方法 |
CN109918659A (zh) * | 2019-02-28 | 2019-06-21 | 华南理工大学 | 一种基于不保留最优个体遗传算法优化词向量的方法 |
CN109948791A (zh) * | 2017-12-21 | 2019-06-28 | 河北科技大学 | 利用遗传算法优化bp神经网络的方法及其在定位中的应用 |
CN110059887A (zh) * | 2019-04-25 | 2019-07-26 | 湖南大学 | 基于自适应遗传算法的bp神经网络风险识别方法及系统 |
CN110084354A (zh) * | 2019-04-09 | 2019-08-02 | 浙江工业大学 | 一种基于遗传算法训练神经网络控制游戏角色行为的方法 |
CN110097973A (zh) * | 2019-05-10 | 2019-08-06 | 重庆邮电大学 | 基于遗传算法和bp神经网络的人体健康指标的预测算法 |
CN110298467A (zh) * | 2018-03-23 | 2019-10-01 | 中国科学院微电子研究所 | 一种剩余电量的估计方法及系统 |
CN110463587A (zh) * | 2019-09-21 | 2019-11-19 | 河北工程大学 | 基于LoRa与GA-BP的规模化大棚节水灌溉系统 |
CN110490320A (zh) * | 2019-07-30 | 2019-11-22 | 西北工业大学 | 基于预测机制和遗传算法融合的深度神经网络结构优化方法 |
CN111028512A (zh) * | 2019-12-31 | 2020-04-17 | 福建工程学院 | 一种基于稀疏bp神经网络的实时交通预测方法及装置 |
CN111105027A (zh) * | 2018-10-25 | 2020-05-05 | 航天科工惯性技术有限公司 | 一种基于ga算法和bp神经网络的滑坡变形预测方法 |
CN111259750A (zh) * | 2020-01-10 | 2020-06-09 | 西北工业大学 | 一种基于遗传算法优化bp神经网络的水声目标识别方法 |
CN111476497A (zh) * | 2020-04-15 | 2020-07-31 | 浙江天泓波控电子科技有限公司 | 一种用于小型化平台的分配馈电网络方法 |
CN111526495A (zh) * | 2020-04-22 | 2020-08-11 | 华中科技大学 | 一种基于改进遗传算法的车联网AoI优化任务卸载方法 |
CN111967973A (zh) * | 2020-08-18 | 2020-11-20 | 中国银行股份有限公司 | 银行客户数据处理方法及装置 |
CN111985153A (zh) * | 2020-08-03 | 2020-11-24 | 华中科技大学 | 基于神经网络和遗传算法的硅基光子器件仿真方法和系统 |
CN112036566A (zh) * | 2020-08-03 | 2020-12-04 | 上海明略人工智能(集团)有限公司 | 使用遗传算法选取特征的方法和装置 |
CN112150475A (zh) * | 2020-10-12 | 2020-12-29 | 山东省科学院海洋仪器仪表研究所 | 一种水下图像的悬浮微粒特征分割提取方法 |
CN112274129A (zh) * | 2020-10-11 | 2021-01-29 | 山东大学 | 一种基于遗传算法优化的bp神经网络模型的颅内压测量装置及其工作方法 |
CN112328465A (zh) * | 2019-08-05 | 2021-02-05 | 四川大学 | 一种基于深度学习与遗传算法的浏览器样本集获取方法 |
CN112765883A (zh) * | 2021-01-18 | 2021-05-07 | 电子科技大学 | 一种基于遗传算法和神经网络确定阀门关闭过程的方法 |
CN113176022A (zh) * | 2021-05-12 | 2021-07-27 | 南京邮电大学 | 一种分段式神经网络压力传感器压力检测方法及系统 |
CN113762610A (zh) * | 2021-08-30 | 2021-12-07 | 武汉理工大学 | 航道承载力最大开发潜力预测方法、系统及设备 |
CN113992375A (zh) * | 2021-10-21 | 2022-01-28 | 中国人民解放军国防科技大学 | 一种基于遗传算法的异质复杂网络防御方法 |
-
2014
- 2014-04-04 CN CN201410136702.2A patent/CN103971162A/zh active Pending
Cited By (70)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104504442A (zh) * | 2014-12-30 | 2015-04-08 | 湖南强智科技发展有限公司 | 神经网络优化方法 |
CN105372087A (zh) * | 2015-11-30 | 2016-03-02 | 南通大学 | 基于多传感器信号分析的故障诊断方法 |
CN108931387A (zh) * | 2015-11-30 | 2018-12-04 | 南通大学 | 提供准确诊断决策的基于多传感器信号分析的故障诊断方法 |
CN107622319A (zh) * | 2016-07-14 | 2018-01-23 | 上海电气分布式能源科技有限公司 | 一种微电网功率预测方法 |
CN107977726B (zh) * | 2016-10-21 | 2021-03-16 | 中国科学院声学研究所 | 用户关系预测模型的建立及用户动态关系的预测方法 |
CN107977726A (zh) * | 2016-10-21 | 2018-05-01 | 中国科学院声学研究所 | 用户关系预测模型的建立及用户动态关系的预测方法 |
CN106651001A (zh) * | 2016-11-08 | 2017-05-10 | 浙江理工大学 | 一种改进神经网络的金针菇产量预测方法及实施系统 |
CN108630228A (zh) * | 2017-03-20 | 2018-10-09 | 比亚迪股份有限公司 | 声品质识别方法、装置、系统、以及车辆 |
CN108805221A (zh) * | 2017-04-28 | 2018-11-13 | 普天信息技术有限公司 | 手写数字识别方法及装置 |
CN107645545B (zh) * | 2017-09-04 | 2021-06-25 | 济宁学院 | 一种基于云平台的病毒监测预警系统 |
CN107645545A (zh) * | 2017-09-04 | 2018-01-30 | 济宁学院 | 一种基于云平台的病毒监测预警系统 |
CN109461478A (zh) * | 2017-09-06 | 2019-03-12 | 唐纪絜 | 幼儿健康信息管理系统与方法 |
CN107679368A (zh) * | 2017-09-11 | 2018-02-09 | 宁夏医科大学 | 基于遗传算法和变精度粗糙集的pet/ct高维特征级选择方法 |
CN107703752A (zh) * | 2017-10-22 | 2018-02-16 | 成都具鑫机械设备有限公司 | 一种基于模糊神经网络的数控机床检测方法 |
CN107909149A (zh) * | 2017-10-26 | 2018-04-13 | 西北农林科技大学 | 一种基于遗传bp神经网络的日光温室温度预测方法 |
CN108053054B (zh) * | 2017-11-22 | 2020-09-01 | 中国农业大学 | 一种河流水质预测方法 |
CN108053054A (zh) * | 2017-11-22 | 2018-05-18 | 中国农业大学 | 一种河流水质预测方法 |
CN109948791B (zh) * | 2017-12-21 | 2022-03-29 | 河北科技大学 | 利用遗传算法优化bp神经网络的方法及其在定位中的应用 |
CN109948791A (zh) * | 2017-12-21 | 2019-06-28 | 河北科技大学 | 利用遗传算法优化bp神经网络的方法及其在定位中的应用 |
CN108710940A (zh) * | 2017-12-31 | 2018-10-26 | 中交第公路工程局有限公司 | 基于神经网络优化角砾地层中盾构机运行轨迹参数的方法 |
CN108710940B (zh) * | 2017-12-31 | 2022-02-01 | 中交一公局集团有限公司 | 基于神经网络优化角砾地层中盾构机运行轨迹参数的方法 |
CN108334949B (zh) * | 2018-02-11 | 2021-04-13 | 浙江工业大学 | 一种基于优化深度卷积神经网络结构快速进化的图像分类器构建方法 |
CN108334949A (zh) * | 2018-02-11 | 2018-07-27 | 浙江工业大学 | 一种优化深度卷积神经网络结构的快速进化方法 |
CN110298467A (zh) * | 2018-03-23 | 2019-10-01 | 中国科学院微电子研究所 | 一种剩余电量的估计方法及系统 |
CN108616120A (zh) * | 2018-04-28 | 2018-10-02 | 西安理工大学 | 一种基于rbf神经网络的非侵入式电力负荷分解方法 |
CN108616120B (zh) * | 2018-04-28 | 2021-09-10 | 西安理工大学 | 一种基于rbf神经网络的非侵入式电力负荷分解方法 |
CN108875639A (zh) * | 2018-06-20 | 2018-11-23 | 甘肃万维信息技术有限责任公司 | 一种基于遗传算法人脸识别的优化和识别方法 |
CN109217617A (zh) * | 2018-08-09 | 2019-01-15 | 瑞声科技(新加坡)有限公司 | 一种马达的激励信号搜索方法及电子设备 |
CN109166118A (zh) * | 2018-09-05 | 2019-01-08 | 深圳灵图慧视科技有限公司 | 织物表面属性检测方法、装置及计算机设备 |
CN109299780A (zh) * | 2018-09-05 | 2019-02-01 | 深圳灵图慧视科技有限公司 | 神经网络模型压缩方法、装置和计算机设备 |
CN109165720A (zh) * | 2018-09-05 | 2019-01-08 | 深圳灵图慧视科技有限公司 | 神经网络模型压缩方法、装置和计算机设备 |
WO2020048389A1 (zh) * | 2018-09-05 | 2020-03-12 | 深圳灵图慧视科技有限公司 | 神经网络模型压缩方法、装置和计算机设备 |
CN109447265B (zh) * | 2018-10-12 | 2020-09-01 | 湘潭大学 | 一种基于偏好遗传算法的染色配比方法及系统 |
CN109447265A (zh) * | 2018-10-12 | 2019-03-08 | 湘潭大学 | 一种基于偏好遗传算法的染色配比方法及系统 |
CN109359469A (zh) * | 2018-10-16 | 2019-02-19 | 上海电力学院 | 一种工业控制系统的信息安全风险评估方法 |
CN111105027A (zh) * | 2018-10-25 | 2020-05-05 | 航天科工惯性技术有限公司 | 一种基于ga算法和bp神经网络的滑坡变形预测方法 |
CN109492761A (zh) * | 2018-10-30 | 2019-03-19 | 深圳灵图慧视科技有限公司 | 实现神经网络的fpga加速装置、方法和系统 |
CN109299142A (zh) * | 2018-11-14 | 2019-02-01 | 中山大学 | 一种基于进化算法的卷积神经网络结构搜索方法及系统 |
CN109598341A (zh) * | 2018-11-21 | 2019-04-09 | 济南浪潮高新科技投资发展有限公司 | 一种基于遗传算法的卷积神经网络训练成果检测及可视化方法 |
CN109342352A (zh) * | 2018-12-18 | 2019-02-15 | 龙口味美思环保科技有限公司 | 一种基于混合模拟退火与遗传算法的面粉质量检测方法 |
CN109688358A (zh) * | 2018-12-29 | 2019-04-26 | 盐城工业职业技术学院 | 加工制造类课程资源可视化开发与信息传输系统及方法 |
CN109766991A (zh) * | 2019-01-14 | 2019-05-17 | 电子科技大学 | 一种采用对抗性训练的人工智能优化系统及方法 |
CN109871953A (zh) * | 2019-01-25 | 2019-06-11 | 浙江大学 | fpRNA遗传算法的重油裂解过程小波神经网络建模方法 |
CN109918659B (zh) * | 2019-02-28 | 2023-06-20 | 华南理工大学 | 一种基于不保留最优个体遗传算法优化词向量的方法 |
CN109918659A (zh) * | 2019-02-28 | 2019-06-21 | 华南理工大学 | 一种基于不保留最优个体遗传算法优化词向量的方法 |
CN110084354A (zh) * | 2019-04-09 | 2019-08-02 | 浙江工业大学 | 一种基于遗传算法训练神经网络控制游戏角色行为的方法 |
CN110059887A (zh) * | 2019-04-25 | 2019-07-26 | 湖南大学 | 基于自适应遗传算法的bp神经网络风险识别方法及系统 |
CN110097973A (zh) * | 2019-05-10 | 2019-08-06 | 重庆邮电大学 | 基于遗传算法和bp神经网络的人体健康指标的预测算法 |
CN110490320A (zh) * | 2019-07-30 | 2019-11-22 | 西北工业大学 | 基于预测机制和遗传算法融合的深度神经网络结构优化方法 |
CN110490320B (zh) * | 2019-07-30 | 2022-08-23 | 西北工业大学 | 基于预测机制和遗传算法融合的深度神经网络结构优化方法 |
CN112328465A (zh) * | 2019-08-05 | 2021-02-05 | 四川大学 | 一种基于深度学习与遗传算法的浏览器样本集获取方法 |
CN110463587A (zh) * | 2019-09-21 | 2019-11-19 | 河北工程大学 | 基于LoRa与GA-BP的规模化大棚节水灌溉系统 |
CN111028512A (zh) * | 2019-12-31 | 2020-04-17 | 福建工程学院 | 一种基于稀疏bp神经网络的实时交通预测方法及装置 |
CN111259750A (zh) * | 2020-01-10 | 2020-06-09 | 西北工业大学 | 一种基于遗传算法优化bp神经网络的水声目标识别方法 |
CN111476497B (zh) * | 2020-04-15 | 2023-06-16 | 浙江天泓波控电子科技有限公司 | 一种用于小型化平台的分配馈电网络方法 |
CN111476497A (zh) * | 2020-04-15 | 2020-07-31 | 浙江天泓波控电子科技有限公司 | 一种用于小型化平台的分配馈电网络方法 |
CN111526495B (zh) * | 2020-04-22 | 2021-03-26 | 华中科技大学 | 一种基于改进遗传算法的车联网AoI优化任务卸载方法 |
CN111526495A (zh) * | 2020-04-22 | 2020-08-11 | 华中科技大学 | 一种基于改进遗传算法的车联网AoI优化任务卸载方法 |
CN112036566A (zh) * | 2020-08-03 | 2020-12-04 | 上海明略人工智能(集团)有限公司 | 使用遗传算法选取特征的方法和装置 |
CN111985153A (zh) * | 2020-08-03 | 2020-11-24 | 华中科技大学 | 基于神经网络和遗传算法的硅基光子器件仿真方法和系统 |
CN111985153B (zh) * | 2020-08-03 | 2022-04-22 | 华中科技大学 | 基于神经网络和遗传算法的硅基光子器件仿真方法和系统 |
CN111967973A (zh) * | 2020-08-18 | 2020-11-20 | 中国银行股份有限公司 | 银行客户数据处理方法及装置 |
CN112274129A (zh) * | 2020-10-11 | 2021-01-29 | 山东大学 | 一种基于遗传算法优化的bp神经网络模型的颅内压测量装置及其工作方法 |
CN112150475A (zh) * | 2020-10-12 | 2020-12-29 | 山东省科学院海洋仪器仪表研究所 | 一种水下图像的悬浮微粒特征分割提取方法 |
CN112765883A (zh) * | 2021-01-18 | 2021-05-07 | 电子科技大学 | 一种基于遗传算法和神经网络确定阀门关闭过程的方法 |
CN113176022B (zh) * | 2021-05-12 | 2022-10-14 | 南京邮电大学 | 一种分段式神经网络压力传感器压力检测方法及系统 |
CN113176022A (zh) * | 2021-05-12 | 2021-07-27 | 南京邮电大学 | 一种分段式神经网络压力传感器压力检测方法及系统 |
CN113762610A (zh) * | 2021-08-30 | 2021-12-07 | 武汉理工大学 | 航道承载力最大开发潜力预测方法、系统及设备 |
CN113992375B (zh) * | 2021-10-21 | 2023-08-25 | 中国人民解放军国防科技大学 | 一种基于遗传算法的异质复杂网络防御方法 |
CN113992375A (zh) * | 2021-10-21 | 2022-01-28 | 中国人民解放军国防科技大学 | 一种基于遗传算法的异质复杂网络防御方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103971162A (zh) | 一种基于遗传算法改进bp神经网络的方法 | |
CN105279555B (zh) | 一种基于进化算法的自适应学习神经网络实现方法 | |
Jia et al. | A new optimized GA-RBF neural network algorithm | |
CN109241291A (zh) | 基于深度强化学习的知识图谱最优路径查询系统及其方法 | |
CN103105246A (zh) | 一种基于遗传算法改进的bp神经网络的温室环境预测反馈方法 | |
CN104636801A (zh) | 一种基于优化bp神经网络的预测输电线路可听噪声方法 | |
CN110046710A (zh) | 一种神经网络的非线性函数极值优化方法及系统 | |
CN104573820A (zh) | 一种用于带约束条件的工程优化问题的遗传算法 | |
CN105574589B (zh) | 基于小生境遗传算法的变压器油色谱故障诊断方法 | |
CN105631517A (zh) | 基于思维进化Elman神经网络的光伏发电功率短期预测方法 | |
CN107145943A (zh) | 混沌背景中基于改进教学优化算法的检测回声状态网络微弱信号的方法 | |
CN107121926A (zh) | 一种基于深度学习的工业机器人可靠性建模方法 | |
CN104678988A (zh) | 发动机电控单元ecu电路故障诊断方法 | |
CN112163715A (zh) | 生成式对抗网络的训练方法及装置、电力负荷预测方法 | |
CN112163671A (zh) | 一种新能源场景生成方法及系统 | |
CN112634019A (zh) | 基于细菌觅食算法优化灰色神经网络的违约概率预测方法 | |
CN104732067A (zh) | 一种面向流程对象的工业过程建模预测方法 | |
CN108830292A (zh) | 数据分类模型优化方法及分类方法 | |
Vavilova et al. | Application of genetic algorithm for adjusting the structure of multilayered neural network for prediction of investment processes | |
CN115481727A (zh) | 一种基于进化计算的意图识别神经网络生成与优化方法 | |
Hornby et al. | Accelerating human-computer collaborative search through learning comparative and predictive user models | |
CN114021432A (zh) | 一种应力腐蚀开裂裂纹扩展速率预测方法及系统 | |
CN109697531A (zh) | 一种物流园区腹地物流需求预测方法 | |
Dai et al. | Research on multi-robot task allocation based on BP neural network optimized by genetic algorithm | |
Zhang et al. | Optimization of neural network based on genetic algorithm and BP |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20140806 |
|
RJ01 | Rejection of invention patent application after publication |