遗传算法神经网络的学习方法

提出了利用遗传算法的思想实现人工神经网络学习的方法，并具体讨论了在实现中的若干问题。     

遗传算法—优化设计—神经网络的耦合技术

论述了遗传算法－优化设计－神经网络的耦合技术,以一台机器的主控制参数作为样本,采用这种耦合技术,将实际工程参数转化为遗传进化样本,再通过优化技术变成最优样本,来训练神经网络系统,旨在提高控制参数质量。     

利用混合遗传算法训练神经网络的权值

给出了采用混合遗传算法优化神经网络权值的步骤；实例结果表明，混合训练的效果优于常规遗传算法。     

结合遗传算法的BP神经网络训练方法研究

针对BP神经网络存在收敛到局部极小问题,研究了直接利用遗传算法训练BP网络的方法和结合遗传算法训练网络初始权值的BP算法;通过简单异或问题说明了第一种方法所需训练时间较长;将第二种用于解决结构损伤识别问题,得到较好结果,说明利用遗传算法训练初始权值可以克服BP神经网络局部极值点问题,加快网络的收敛速度。     

神经网络与遗传算法结合在结构优化设计中的应用

利用神经网络对有限元计算的样本数据建立起结构设计参数与位移,应力等的全局性映射关系,以获得遗传算法求解结构优化问题所需的目标函数值,从而进一步获得问题的优化解,５杆桁架等例表明,此方法可以在较少的有限元分析次数下获得的较好的优化解。     

神经网络结合遗传算法用于航迹预测

研究利用遗传算法对BP神经网络进行优化设计,建立了基于遗传算法的BP神经网络机动目标航迹预测模型。该模型克服了普通神经网络算法在训练过程中容易陷入局部最优点的缺陷,得到了更高的学习精度和更快的收敛速度。最后,用实测数据进行了验证分析,结果表明,基于遗传算法的神经网络的预测模型比单神经网络预测模型预测精度高,可用于航迹的预测。     

一种模糊自适应遗传算法

为克服标准遗传算法的早熟现象,提高算法的全局收敛性和收敛速度,采用并行遗传算法的思想,将整个种群分为几个子种群,分别用不同的遗传算子进行遗传操作;并根据它们各自对进化的贡献,利用模糊推理的方法,对其所作用的子种群的规模作出调整．对函数优化的仿真结果表明,该算法能较好地克服早熟现象,取得较为满意的优化效果．     

前馈神经网络的特性分析与应用

分析了神经网络的特性,比较研究了前馈神经网络隐层神经元个数对神经网络的学习速度与效果的影响,探讨了隐层神经元个数与输入层变量个数之间的关系。提出了提高神经网络仿真效果的一种方法。     

基于遗传算法的神经网络在道路收费中的应用

道路拥挤收费被认为是城市交通管理和控制的一个有效方法,国内外不少学者提出了模型和相应的计算方法。文章根据弹性需求下的拥挤收费模型,利用BP神经网络算法模拟路段流量和路段收费之间的对应关系,并在神经网络的训练过程中引入遗传算法,加速神经网络的全局收敛。通过训练后的神经网络制定收费,可以使得各路段流量基本达到最优路段流量的要求,并通过实例证明了该算法的有效性。     

基于神经网络和遗传算法结合的桥梁结构损伤诊断

利用神经网络对有限元计算的样本数据建立起桥梁结构的损伤参数——损伤位置、损伤程度（输入）以及位移差——损伤结构与完好结构的位移差（输出）的全局性映射关系，以获得遗传算法求解桥梁结构损伤问题所需的目标函数值，从而识别桥梁的损伤参数．某连续梁桥算例表明，此方法可以在较少的有限元分析次数下获得较好的损伤诊断结果．     

一种连续变量的遗传算法

根据传统遗传算法中二进制编码染色体的杂交和突变的特点,定义了连续变量的杂交,突变规则,此方法有操作简单,可较好地逼近全局最优的真实解的特点,通过非线性优化和二次规划问题的３个算例,证实本算法适应性强,可较精确地确定全局最优解。     

遗传算法优化的模糊神经网络在故障诊断中的应用

本文针对船舶柴油机故障诊断系统提出了一种基于遗传算法优化训练的模糊神经网络诊断方法,介绍了这种模糊神经网络故障诊断系统的结构及其参数形式,通过遗传优化算法对它的权值和阈值进行了学习优化训练。这种方法可以有效地避免通常所选BP算法训练易陷于局部极值的问题,最后将该遗传算法优化训练的模糊神经网络系统应用到船舶柴油机的故障诊断中,通过仿真研究,说明了该方法的有效性。     

基子BP神经网络和遗传算法的桥梁损伤识别方法研究

以钟祥汉江大桥的损伤识别为例,对基于BP神经网络和遗传算法的桥梁结构损伤诊断方法进行的实例应用研究,结果表明该方法兼有神经网络广泛的映射能力和遗传算法快速的全局收敛性能.     

基于BP神经网络和遗传算法的桥梁损伤识别方法研究

以钟祥汉江大桥的损伤识别为例，对基于BP神经网络和遗传算法的桥梁结构损伤诊断方法进行的实例应用研究，结果表明该方法兼有神经网络广泛的映射能力和遗传算法快速的全局收敛性能。     

两种基于遗传算法的交通量预测方法

结合实例予以验证、分析比较的结果说明,采用遗传算法(GA)与遗传神经网络(GANN)方法建立交通量预测模型,其预测精度高,操作简单,可以用于道路交通量的预测研究。     

多智能体遗传算法优化神经网络权值研究

采用多智能体遗传算法来优化神经网络权值,经过神经网络自身的训练来进一步提高精度,结果表明,本算法能以较快的收敛速度获得较高的训练精度。     

神经网络方法在数据挖掘中的应用

通过分析当前一些数据挖掘方法的局限性，介绍一种基于关系数据库的数据挖掘方法——神经网络方法，通过对数据库中数据样本的学习，自动发现隐含的大量知识．文中给出了神经网络方法的学习模型和算法，并通过举例来说明此方法．在本文最后，也提出了神经网络方法在数据挖掘中存在的一些问题．     

基于改进遗传算法的递归神经网络非线性系统辨识

将递归内时延神经网络应用于非线性动力学系统辨识中，描述了其动力学方程，并引入改进遗传算法作为其学习算法，通过非线性动力学SISO和MIMO系统的辨识仿真研究，验证了内时延递归网络结构和改进遗传算法的有效性。     

基于遗传-神经网络的字符识别

设计并实现了一种基于遗传一神经网络的字符识别系统．遗传一神经网络算法综合了遗传算法的全局优化和神经网络的并行计算等特点，可克服遗传算法最终进化至最优解较慢和神经网络易陷入局部解的缺陷，具有较好的全局性和收敛速度．     

基于遗传算法与小波神经网络的客流预测研究

针对轨道交通短时客流具有动态性、非线性、不确定性的特点,提出一种基于遗传算法与小波神经网络的轨道交通短时客流预测方法.该方法利用具有全局搜索最优的遗传算法优化小波神经网络,有效的避免了神经网络易陷入局部最小值的缺陷.在分析轨道交通短时客流的特征上,利用实测数据对模型进行验证.结果表明,相比遗传算法优化的BP神经网络模型,单一的小波神经网络模型其预测精度更高,误差更小,能在实际中应用.