資源描述：
《基于遺傳算法的bp神經(jīng)網(wǎng)絡(luò)的應(yīng)用》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。
1、基于遺傳算法的BP神經(jīng)網(wǎng)絡(luò)的應(yīng)用----非線性函數(shù)擬合摘要人工神經(jīng)網(wǎng)絡(luò)在諸多領(lǐng)域得到應(yīng)用如信息工程、自動(dòng)控制、電子技術(shù)、目標(biāo)識(shí)別、數(shù)學(xué)建模、圖像處理等領(lǐng)域，并且隨著神經(jīng)網(wǎng)絡(luò)算啊發(fā)的不斷改進(jìn)以及其他新算法的結(jié)合，使其應(yīng)用的領(lǐng)域越來越廣。BP神經(jīng)網(wǎng)絡(luò)是目前神經(jīng)網(wǎng)絡(luò)領(lǐng)域研究最多應(yīng)用最廣的網(wǎng)絡(luò)，但BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法易陷入局部極小的缺陷，本文采用遺傳算法來優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的性能。首先采用遺傳算法來優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值，然后將這些優(yōu)化值賦給網(wǎng)絡(luò)得到優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)，最后用MATLAB仿真平臺(tái)，對(duì)非線性函數(shù)的逼近擬合和極值尋優(yōu)問題進(jìn)行實(shí)驗(yàn)。
2、數(shù)值仿真結(jié)果表明：經(jīng)遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)能有效地避免原始BP神經(jīng)網(wǎng)絡(luò)容易出現(xiàn)的局部極小的缺陷，且具有收斂速度快和精度高等優(yōu)點(diǎn)。關(guān)鍵詞：BP神經(jīng)網(wǎng)絡(luò)遺傳算法MATLAB結(jié)構(gòu)優(yōu)化Abstract—Inrecentyears,artificialneuralnetworkgraduallyattentionhasbeenpaidintothehotareaofresearchinmanyfieldshavebeeninvolvedinelectronicapplicationssuchasotherfieldshaveawiderange
3、ofapplications,andalsocontinuedtoexpanditsapplications.ToalleviatetheshortcomingofeasilysinkingintothelocalminimumexistingintheBPneuralnetwork,thepaperexploitsthegeneticalgorithmtooptimizetheBPneuralnetwork.Firstofall,thegeneticalgorithmisutilizedtooptimizetheweightvalues
4、aswellasthethresholdvaluesoftheBPneuralnetwork.Subsequently,byusingtheoptimizedweightvaluesandthresholdvalues,weareabletogettheimprovedBPneuralnetwork.Furthermore,weemploythesimulationdatatomeasuretheperformanceoftheimprovedBPneuralnetwork.Thenumericalresultsindicatethatt
5、heoptimizedBPneuralnetworkcaneffectivelyovercomethelocalminimumoftheoriginalBPneuralnetworkandoutperformtheoriginalBPneuralnetworkintheaspectsofconvergencespeedand19computationaccuracy.Keywords—BPneuralnetwork,geneticalgorithm,optimization1.引言前饋神經(jīng)網(wǎng)絡(luò)（BP模型）其非線性逼近能力是它博得青睞的主要
6、原因，而BP算法作為前饋網(wǎng)絡(luò)的主要學(xué)習(xí)算法，則無可爭(zhēng)議的對(duì)其推廣應(yīng)用起了舉足輕重的促進(jìn)作用。BP算法因其簡(jiǎn)單、易行、計(jì)算量小、并行性強(qiáng)等優(yōu)點(diǎn)，是目前神經(jīng)網(wǎng)絡(luò)訓(xùn)練采用最多也是最為成熟的訓(xùn)練算法之一。然而，由于BP算法是一種梯度下降搜索方法，因而不可避免地存在固有的不足，如易陷入誤差函數(shù)的局部極值點(diǎn)，而且對(duì)于較大搜索空間、多峰值和不可微函數(shù)也不能有效搜索到全局極小點(diǎn)，而遺傳算法則是克服這一不足的有效解決方法，主要是因?yàn)檫z傳算法是一種全局優(yōu)化搜索算法[3]，因而能夠避開局部極小點(diǎn)，而且在進(jìn)化過程中也無需提供所要解決問題的梯度信息。2.BP神經(jīng)網(wǎng)
7、絡(luò)2.1BP神經(jīng)網(wǎng)絡(luò)的特點(diǎn)在20世紀(jì)80年代，Rumelhart等人首次提出了BP神經(jīng)網(wǎng)絡(luò)算法,BP神經(jīng)網(wǎng)絡(luò)的本值就是反向傳播神經(jīng)網(wǎng)絡(luò)(BackPropagationNeuralNetwork)。BP神經(jīng)網(wǎng)絡(luò)與其他網(wǎng)絡(luò)相比具有其獨(dú)特的特點(diǎn)：分布式存儲(chǔ)方式，大規(guī)模并行處理，自學(xué)習(xí)和自適應(yīng)能力，容錯(cuò)性及魯棒性好[2]。2.2BP神經(jīng)網(wǎng)絡(luò)模型BP神經(jīng)網(wǎng)絡(luò)具有一個(gè)輸入層、一個(gè)輸出層以及若干隱含層,其本質(zhì)是一種多層前饋神經(jīng)網(wǎng)[1]19。在BP神經(jīng)網(wǎng)絡(luò)中每一層的神經(jīng)元都不與相同層的神經(jīng)元相連接，這是由于在神經(jīng)網(wǎng)絡(luò)中各層之間是以全連接方式連接到一起構(gòu)成
8、網(wǎng)絡(luò)的，因此各層的神經(jīng)元只能接受下層神經(jīng)元送來的激活信號(hào)，并向多層映射網(wǎng)傳遞修正誤差及反饋，BP網(wǎng)絡(luò)的這種結(jié)果使得他能在參數(shù)選擇合理時(shí)收斂點(diǎn)較小的均方誤差。對(duì)許多實(shí)際問題的解決都是利用BP網(wǎng)絡(luò)
