隨著人類社會的進步，科學技術(shù)的發(fā)展日新月異，模擬人腦神經(jīng)網(wǎng)絡(luò)的人工神經(jīng)網(wǎng)絡(luò)已取得了長足的發(fā)展。經(jīng)過半個多世紀的發(fā)展，人工神經(jīng)網(wǎng)絡(luò)在計算機科學，人工智能，智能控制等方面得到了廣泛的應用。當代社會是一個講究效率的社會，科技更新領(lǐng)域也是如此。在人工神經(jīng)網(wǎng)絡(luò)研究領(lǐng)域，算法的優(yōu)化顯得尤為重要，對提高網(wǎng)絡(luò)整體性能舉足輕重.BP神經(jīng)網(wǎng)絡(luò)模型是目前應用最為廣泛的一種神經(jīng)網(wǎng)絡(luò)模型，對于解決非線性復雜問題具有重要的意義。但是BP神經(jīng)網(wǎng)絡(luò)有其自身的一些不足（收斂速度慢和容易陷入局部極小值問題），在解決某些現(xiàn)實問題的時候顯得力不從心。針對這個問題，本文利用遺傳算法的并行全局搜索的優(yōu)勢，能夠彌補BP網(wǎng)絡(luò)的不足，為解決大規(guī)模復雜問題提供了廣闊的前景。本文將遺傳算法與BP網(wǎng)絡(luò)有機地結(jié)合起來，提出了一種新的網(wǎng)絡(luò)結(jié)構(gòu)，在穩(wěn)定性、學習性和效率方面都有了很大的提高。基于以上的研究目的，本文首先設(shè)計了BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，在此基礎(chǔ)上，應用遺傳算法進行優(yōu)化，達到了加快收斂速度和全局尋優(yōu)的效果。本文借助MATLAB平臺，對算法的優(yōu)化內(nèi)容進行了仿真實驗，得出的效果也符合期望值，實現(xiàn)了對BP算法優(yōu)化的目的。關(guān)鍵詞：生物神經(jīng)網(wǎng)絡(luò)：人工神經(jīng)網(wǎng)絡(luò)；BP網(wǎng)絡(luò)；遺傳算法；仿真隨著電子計算機的問世及發(fā)展，人們試圖去了解人的大腦，進而構(gòu)造具有人類思維的智能計算機。在具有人腦邏輯推理延伸能力的計算機戰(zhàn)勝人類棋手的同時，引發(fā)了人們對模擬人腦信息處理的人工神經(jīng)網(wǎng)絡(luò)的研究。1.1研究背景人工神經(jīng)網(wǎng)絡(luò)（Artificial Noural Networks，ANN）（注：簡稱為神經(jīng)網(wǎng)絡(luò)），是一種數(shù)學算法模型，能夠?qū)π畔⑦M行分布式處理，它模仿了動物的神經(jīng)網(wǎng)絡(luò)，是對動物神經(jīng)網(wǎng)絡(luò)的一種具體描述。這種網(wǎng)絡(luò)依賴系統(tǒng)的復雜程度，通過調(diào)節(jié)內(nèi)部大量節(jié)點之間的關(guān)系，最終實現(xiàn)信息處理的目的。人工神經(jīng)網(wǎng)絡(luò)可以通過對輸入輸出數(shù)據(jù)的分析學習，掌握輸入與輸出之間的潛在規(guī)則，能夠?qū)π聰?shù)據(jù)進行分析計算，推算出輸出結(jié)果，因為人工神經(jīng)網(wǎng)絡(luò)具有自適應和自學習的特性，這種學習適應的過程被稱為“訓練"。
標簽：
遺傳算法
bp神經(jīng)網(wǎng)絡(luò)
matlab
上傳時間：
2022-06-16
上傳用戶：jiabin
