基于准对角递归神经网络盲均衡算法的研究

提出了一种基于准对角递归神经网络的盲均衡算法。利用了准对角递归神经网络结构简单、计算量小,而动态特性强的优点,结合传统的恒模盲均衡算法定义了代价函数,用最速梯度下降法推导出了其算法迭代公式。计算机仿真表明该算法收敛速度较快、剩余误差较小。     

神经网络的BP训练算法和遗传优化训练算法的对比研究

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。     

全局人工鱼群优化的动量常模盲均衡算法

针对常模盲均衡算法(CMA)存在局部收敛和慢收敛的缺陷,提出了一种全局人工鱼群优化的动量常模盲均衡算法(GAFSA-MCMA)。该算法首先利用全局人工鱼群算法(GAFSA)收敛速度快、全局搜索能力强的优点,寻找人工鱼群的最优位置向量并作为CMA的初始优化权向量,从而使权向量在迭代过程中获得全局最优,同时将动量算法引入到CMA中,提高收敛速度。与CMA、MCMA相比,该算法均方误差较小、收敛速度较快。     

遗传算法和神经网络在图像识别中的应用

针对BP算法在神经网络学习中的一些缺点,将遗传算法应用于BP神经网络的网络学习中,提出了一种BP-GA算法。最后,应用神经网络对图像进行智能识别,实验结果证明它比单纯的BP算法有更佳的结果。     

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.     

适合16-QAM信号的盲均衡算法

提出并采用修正恒模算法(MCMA)和判决引导的最小均方算法(DD-LMS)联合均衡算法,对16-QAM系统接收端的码间干扰进行均衡。分析了联合均衡的技术的实现方式和切换门限,对四种不同的均衡算法进行了仿真实验。仿真结果表明,MCMA与DD-LMS联合均衡算法较之其它三种均衡算法,能够将剩余误差迭代得更小,而且可以有效地修复传输过程中产生的相位偏移。     

基于Matlab/Simulink的盲均衡算法仿真实验

结合科研成果进课堂活动,利用Matlab软件中的Simulink模块设计了基于神经网络的数字信道盲算法仿真均衡实验。该实验以信号与系统课程中反卷积教学内容为切入点,将盲均衡算法的科研成果引入课堂教学。该文对盲均衡算法的原理和其与反卷积的关系进行了介绍,推导了状态方程,并给出了基于Simulink的算法仿真验证模型,最后对仿真结果进行了分析。教学实践证明,该实验促进了学生对反卷积知识和通信理论的理解。     

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。     

基于遗传算法和神经网络的倒立摆控制系统

以单级倒立摆为对象,介绍了一种融合遗传算法的神经网络控制方法。该方法采用以多层前馈神经网络作为遗传搜索表示方法的思想,以神经网络为基础,用遗传算法来学习神经网络的权系数,既保留了遗传算法的强全局随机搜索能力,又具有神经网络的鲁棒性和自学习能力。仿真结果证明:遗传算法和神经网络的结合,可兼有神经网络广泛映射能力和遗传算法快速全局收敛等性能。     

基于遗传退火算法进化神经网络的水位预测

为获得更准确的预测结果及更优良的预测性能,本文提出了一个新模型.该模型将遗传算法和退火相结合并进化BP神经网络,称为GASANN模型.通过预测中国广西柳江年水位数据,将新模型的性能与加权移动平均(WMA)、逐步回归(SR)以及自回归移动平均(ARIMA)进行比较,结果显示新模型性能优于其他模型.因此,该非线性模型可作为获取准确水位预测及改善水位预测性能的可选模型之一.     

基于一种改进常模算法的盲信道均衡技术

针对时变信道需要进行自适应均衡的要求,分析了最常用的常模盲均衡算法,对常模算法的缺点进行了分析,通过修正常模算法的迭代公式,提出了一种基于最优控制步长的改进常模算法,并给出了改进算法的仿真结果。与常用定步长常模算法相比较,该算法能够更快地达到平衡状态,且判决函数足够小,说明该算法较大地改善了常模算法的性能。     

基于模糊神经网络控制的供热系统

提出了一种基于神经网络控制的供热系统,采用经典的前向3层神经网络对fi模拟,并根据监测点的历史供暖数据进行网络训练。使用本控制系统对某小区的2008年的供热系统进行仿真控制,并与该年实际供热结果进行比较,结果表明其系统供热效率明显提高,节约能耗效果显著。     

基于改进的布谷鸟搜索算法优化的正交小波动态加权多模盲均衡算法

为了更好地均衡高阶QAM信号,本文提出了基于改进的布谷鸟搜索算法优化的正交小波动态加权多模盲均衡算法(ICS-WT-DWMMA),利用改进了的布谷鸟搜索算法初始化均衡器的权向量,利用小波变换(WT)降低信号自相关性,其中动态加权多模盲均衡算法(DWMMA)利用由判决符号的指数幂构成的加权项来调整代价函数中的模值.水声信道的MATLAB仿真实验结果表明,与小波加权多模盲均衡算法和小波动态加权多模盲均衡算法比较,新算法收敛速度更快,稳态误差更小.     

基于四层BP神经网络模型的数字水印技术

对神经网络应用于数字水印技术进行了改进,选择了一种DWT变换嵌入算法的BP四层模型作为神经网络的训练模型,它能更好地实现了水印的盲提取。实验结果表明,该算法对常用的图像处理如压缩、低通滤波、加噪、剪切、旋转和缩放等攻击具有较好的鲁棒性和不可见性。     

全局优化神经网络拓扑结构及权值的遗传算法

提出将前馈多层神经网络的全局优化表述作为启发式遗传搜索的问题．设计了遗传算法全局优化神经网络拓扑结构和网络权值的新的编码方案,并利用该方法求解了洪水预报问题,给出了实例预报结果     

GA—BP神经网络在高校教学评价中的应用

针对BP神经网络在学习训练过程中容易陷入局部最优的问题,利用GA算法对其权值和阈值进行优化．构造了一个基于GA—BP神经网络的课堂教学质量评价模型,并将该算法具体运用于某高校的教学质量评价中。实验表明,该模型能比较客观地对课堂教学质量进行综合评价。     

用遗传神经网络混合算法求解可变加工时间Job-shop调度问题

有效地混合了遗传算法和基于约束满足的自适应神经网络算法,对于一类加工时间可变的调度问题进行了研究.遗传算法被用来进行迭代寻优.当前代经交叉和变异后生成的染色体对应非可行解,由自适应神经网络运算后得到可行解,对应的染色体作为新一代染色体.本算例的目标函数是基于任务的提前/拖期惩罚、附加惩罚以及加工时间的偏离量惩罚,目标是确定最优加工时间和最优加工顺序极小化目标函数,并与一般的遗传算法相比较,实验结果说明了遗传/自适应神经网络算法混合算法的有效性.