32基于遺傳算法的神經(jīng)網(wǎng)絡(luò)優(yōu)化方法-資料下載頁
2024-10-12 16:39本頁面
【導(dǎo)讀】BP算法是人工神經(jīng)網(wǎng)絡(luò)中應(yīng)用最廣泛的算法，但是存在著一些缺陷：。二是不能保證收斂到全局最小點；三是網(wǎng)絡(luò)結(jié)構(gòu)不易確定。BP算法優(yōu)化后仍存在一定的問題。初始連接權(quán)值選取。遺傳算法應(yīng)用于神經(jīng)網(wǎng)絡(luò)。學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的權(quán)值，也就是用遺傳算法取代一些傳統(tǒng)的學(xué)習(xí)。遺傳算法是模擬達(dá)爾文。的遺傳選擇和自然淘汰的生物進化過程的計算模型。由美國密執(zhí)根大學(xué)的。子產(chǎn)生新一染色體群。生物遺傳學(xué)概念與遺傳算法中概念的對應(yīng)關(guān)系。種群的規(guī)?；虼笮?。適應(yīng)度越高，其被選擇的機會越大。（交配）操作、變。解，這樣產(chǎn)生的染色體群（種群）稱為后代。，是則結(jié)束，否則。traceInfo：每代的最優(yōu)值和均值矩陣。1）初始化種群P. 2）計算每一個個體評價函數(shù)，并將其排序，可按下。以交叉概率Pc對個體和進行交叉操作，產(chǎn)生新。4）利用變異概率Pm突變產(chǎn)生的新個體。則轉(zhuǎn)3）進入下一輪迭代。算法結(jié)束，如達(dá)到預(yù)先設(shè)定的性能指標(biāo)后，將
【正文】 Pc、突變概率 Pm以及權(quán)值初始化 ?2）計算每一個個體評價函數(shù)，并將其排序，可按下式概率值選擇網(wǎng)絡(luò)個體 ? 為個體 的適應(yīng)度，可用誤差平方和來衡量，即 ?以交叉概率 Pc對個體 和 進行交叉操作，產(chǎn)生新個體 和 ，沒有進行交叉操作的個體直接進行復(fù)制。 N1iiifpf???if i1()if Ei? 2( ) ( )ookoE i d yo????iG 1iG?39。iG 39。 1iG? 用遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)權(quán)值的學(xué)習(xí)過程 ?4）利用變異概率 Pm突變產(chǎn)生 的新個體 。 ?5）將新個體插入到種群 P中，并計算新個體的評價函數(shù)。 ?6）判斷算法是否結(jié)束。如果找到了滿意的個體或已經(jīng)達(dá)到最大的迭代次數(shù)則結(jié)束，否則轉(zhuǎn) 3）進入下一輪迭代。 ?算法結(jié)束，如達(dá)到預(yù)先設(shè)定的性能指標(biāo)后，將最終群體中的最優(yōu)個體解碼即可得到優(yōu)化后的網(wǎng)絡(luò)連接權(quán)值系數(shù)。 ?用遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)的 MATLAB實現(xiàn)請參閱 jG39。jG小結(jié) ?概述 ?遺傳算法簡介 ?遺傳算法工具箱函數(shù) ?用遺傳算法優(yōu)化 BP神經(jīng)網(wǎng)絡(luò)權(quán)值的學(xué)習(xí)過程 謝謝！
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號-1