免疫遗传算法在BP网络结构优化中的应用

免疫遗传算法是基于免疫原理的改进遗传算法，它能克服遗传算法易早熟、搜索效率低、不能很好保持个体的多样性等缺点。本文将免疫遗传算法用于BP网络结构优化设计中，仿真实验结果表明，该方法有很好的效果。     

基于遗传算法和BP神经网络的优化设计方法

随着生产规模的复杂化、多维化和非线性等复杂特性的增加，对生产中高效的优化技术要求也越来越迫切，利用并行遗传算法和BP网络的优点，提出采用遗传算法的并行搜索和解空间搜索的优点进行网络参数的选取，利用BP网络简单和可塑性强的优点来优化样本空间，以取得整体的优化效率。     

遗传算法与人工神经网络在流体机械研究领域中的应用

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。     

改进遗传算法在企业经营参数优化中的应用

鉴于遗传算法固有的缺陷，提出了一种改进遗传算法，并指出了这种算法的优越性。本文将改进遗传算法引入到企业经营参数优化的问题中，以一个矿山企业经营参数优化实例证明了改进遗传算法具有很好的应用效果。     

Matlab人工神经网络工具箱中的BP工具函数及其应用

人工神经网络中的BP网络模型在函数逼近、模式识别等领域得到了广泛的应用 ,但利用神经网络解决实际问题时 ,经常涉及到大量的数值计算问题 ,而运用计算机高级语言编程对神经网络BP模型进行仿真和辅助设计是件十分麻烦的事情 ,为了解决这个矛盾 ,Matlab工具箱中专门编制了大量有关设计BP网络模型的工具函数 .本文分析了Matlab软件包中人工神经网络工具箱的有关BP网络的工具函数 ,并给出了部分重要工具函数的实际应用     

人工神经网络在隧洞工程围岩力学参数识别中的应用

围岩是地下工程类特殊的介质，其稳定性直接影响到生产和安全。依据人工神经网络理论，构造识别围岩力学参数的BP神经网络模型，对围岩力学参数的识别具有实际意义。     

遗传算法优化BP神经网络预测股指研究

股票价格受众多不确定性因素影响。为更精准地预测股票指数,首先利用具有良好非线性寻优能力的遗传算法优化BP网络初始权值阈值设置,然后构建一个以开盘价、最高价、最低价、收盘价、成交量、收盘价近5日移动平均线MA等6个输入变量、以下一天6个变量为输出变量的股指预测模型。对观察期内上证综指实证研究表明,经遗传算法优化后的BP 网络对股票指数预测平均误差为0.1%,其中成交量预测值比单纯BP神经网络算法误差减少0.71%,同时收敛速度得到提高。     

基于BP人工神经网络改进算法的数据挖掘技术应用研究

在阐述数据挖掘技术的产生背景、过程和一些常用方法的基础上,针对原有BP神经网络算法效率较低、易陷入局部极小等不足,提出了一种改进的BP算法,并对其进行推理和验证:同时将其应用到病人数情况预测中.结果表明,与标准的BP算法相比,改进的BP算法具有更好的精度和更高的效率.     

用遗传算法实现PID参数优化

提出一种应用遗传算法对PID控制器参数进行优化设计，文中重点介绍了遗传算法的优化过程，仿真结果证明了该算法的有效性。     

遗传算法优化BP神经网络的非线性函数拟合研究

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.     

人工神经网络在中长期电力负荷预测中的应用

设计了一个由输入层、隐含层和输出层组成的三层BP网络模型,利用神经网络高度非线性建模能力,进行电力系统的中长期负荷预测.选取影响电力负荷的一些经济因素作为神经网络的输入变量,并对分别采用单个因素和多个因素的组合作为输入量对预测精度的影响进行了探讨.在多因素组合时对输入量进行了归一化处理.仿真结果证明,使用人工神经网络方法进行中长期电力负荷预测是可行和有效的.     

改进的遗传算法及其在优化IC中的应用

本文介绍一种改进遗传算法，通过引入强制变异算子，避免了超级个体的出现，保证了杂交算子的有效性，提高了遗传算法的全局寻优能力，用改进的遗传算法优化仿人智能控制器，得到了理想的结果，由此得出一阶纯滞后对象的ＯＩＣ参数整定公式。     

BP网络与CMAC用于非线性曲线拟合

本首先介绍人工神经网络中的BP网络与CMAC用于非线性曲线拟合的基本方法。然后比较了两在这方面应用的特点，最后给出了一些改进拟合性能的措施。     

基于遗传算法的BP神经网络在变压器超高频局部放电模式识别中的应用

本文针对BP算法易陷入局部极小、收敛速度慢的缺点,根据遗传算法（Genetic Algorithms．GA）具有全局寻优的特点,将二者结合起来提出了一种混合算法：GA—BP算法,并将该算法成功应用于变压器超高频局部放电模式识别。将变压器油中局部放电超高频测量系统所得到的局部放电的特征量作为输入,分别用BP算法和混合算法进行模式识别。实验结果表明GA—BP算法具有收敛速度快、全局最优的优点．并且这种算法可以推广应用于其他实际系统中。     

改进的遗传算法及其在优化IC中的应用

本文介绍一种改进遗传算法，通过引入强制变异算子，避免了超级个体的出现，保证了杂交算子的有效性，提高了遗传算法的全局寻优能力．用改进的遗传算法代化仿人智能控制器．得到了理想的结果，由此得出一阶纯滞后对象的OIC参数整定公式．     

改进的BP神经网络方法在用电量预测中的应用

在借助BP神经网络模型的优异功能的基础上,对它的采用黑箱操作、收敛速度慢等不足之处进行了某些改进,并将该模型在广东汕头市某区用电量预测中进行了初步应用,取得了较好的效果,说明了对该模型的改进具有重要的实际意义.     

一种改进的遗传算法在异步电机参数辨识中的应用

给出改进的遗传算法和异步电动机动态数学模型,利用异步电动机直接空载起动特性对其模型参数进行辨识,辨识结果说明改进的遗传算法的有效性。     

人工神经网络模型在水文地质学中的应用

介绍了人工神经网络的生理基础以及算法的基本结构,对其在水文地质学中进行反求参数的应用进行了阐述,并就应用的具体步骤及所建立的网络模型进行讨论。     

基于自适应差分遗传算法的BP神经网络优化

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。