基于遺傳算法的模糊優(yōu)選bp網(wǎng)絡(luò)模型及其應(yīng)用

ID:16457710

大?。?5.50 KB

頁(yè)數(shù):8頁(yè)

時(shí)間:2018-08-10

基于遺傳算法的模糊優(yōu)選bp網(wǎng)絡(luò)模型及其應(yīng)用_第1頁(yè)
基于遺傳算法的模糊優(yōu)選bp網(wǎng)絡(luò)模型及其應(yīng)用_第2頁(yè)
基于遺傳算法的模糊優(yōu)選bp網(wǎng)絡(luò)模型及其應(yīng)用_第3頁(yè)
基于遺傳算法的模糊優(yōu)選bp網(wǎng)絡(luò)模型及其應(yīng)用_第4頁(yè)
基于遺傳算法的模糊優(yōu)選bp網(wǎng)絡(luò)模型及其應(yīng)用_第5頁(yè)
資源描述:

《基于遺傳算法的模糊優(yōu)選bp網(wǎng)絡(luò)模型及其應(yīng)用》由會(huì)員上傳分享,免費(fèi)在線閱讀,更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。

1、基于遺傳算法的模糊優(yōu)選BP網(wǎng)絡(luò)模型及其應(yīng)用陳守煜1,王大剛1(1.大連理工大學(xué)土木水利學(xué)院,遼寧大連116024)摘要:在模糊優(yōu)選BP神經(jīng)網(wǎng)絡(luò)模型的基礎(chǔ)上,引入遺傳算法,提出融入遺傳算法的模糊優(yōu)選神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型,是對(duì)模糊優(yōu)選BP神經(jīng)網(wǎng)絡(luò)模型的進(jìn)一步發(fā)展。其基本思路是:在BP算法訓(xùn)練網(wǎng)絡(luò)出現(xiàn)收斂速度緩慢時(shí)啟用遺傳算法優(yōu)化網(wǎng)絡(luò)的運(yùn)行參數(shù),把優(yōu)化的結(jié)果作為BP算法的初始值再用BP算法訓(xùn)練網(wǎng)絡(luò),這樣交替運(yùn)行BP算法和遺傳算法,直到達(dá)到問(wèn)題要求的精度。在新疆雅馬渡站年徑流量的預(yù)報(bào)中,預(yù)測(cè)模型在預(yù)報(bào)精度和算法的收

2、斂速度方面都達(dá)到了較好的效果。關(guān)鍵詞:模糊集;神經(jīng)網(wǎng)絡(luò);遺傳算法;徑流預(yù)測(cè)中圖分類號(hào):P338????????????文獻(xiàn)標(biāo)識(shí)碼:A????人工神經(jīng)網(wǎng)絡(luò)以其獨(dú)特的非線性、非凸性、自適應(yīng)性和處理各種信息的能力,廣泛應(yīng)用于水文分析和水文預(yù)測(cè)[1,2]。陳守煜將模糊優(yōu)選模型同神經(jīng)網(wǎng)絡(luò)有機(jī)地結(jié)合起來(lái),提出模糊優(yōu)選神經(jīng)網(wǎng)絡(luò)模型,激勵(lì)函數(shù)的物理意義清晰直觀[3,4]。遺傳算法是模擬生物在自然界環(huán)境中遺傳進(jìn)化過(guò)程的一種自適應(yīng)全局優(yōu)化概率搜索算法,具有簡(jiǎn)單通用、魯棒性強(qiáng)、適于并行處理的優(yōu)點(diǎn)。如何把模糊集理論、神經(jīng)網(wǎng)絡(luò)和

3、遺傳算法有機(jī)地結(jié)合起來(lái),既能用模糊概念來(lái)表達(dá)人的知識(shí)和經(jīng)驗(yàn),又可利用神經(jīng)網(wǎng)絡(luò)較強(qiáng)的學(xué)習(xí)能力,還能結(jié)合遺傳算法全局搜索的特點(diǎn),在這方面的工作還不多見。本文在模糊優(yōu)選BP神經(jīng)網(wǎng)絡(luò)模型的基礎(chǔ)上,引入加速遺傳算法(RAGA),提出融入遺傳算法的模糊優(yōu)選神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型,是對(duì)模糊優(yōu)選BP神經(jīng)網(wǎng)絡(luò)的進(jìn)一步發(fā)展。在新疆伊犁河雅馬渡站年徑流量預(yù)報(bào)的應(yīng)用中,取得了良好的效果。1模糊優(yōu)選BP神經(jīng)網(wǎng)絡(luò)模型[4]????設(shè)模糊優(yōu)選BP神經(jīng)網(wǎng)絡(luò)的輸入層節(jié)點(diǎn)數(shù)為m(預(yù)報(bào)因子數(shù)),輸出層節(jié)點(diǎn)數(shù)為1(預(yù)報(bào)對(duì)象數(shù))。為表述方便,用i表示

4、輸入層節(jié)點(diǎn),k表示隱含層節(jié)點(diǎn),p表示輸出層節(jié)點(diǎn)。輸入層節(jié)點(diǎn)i將信息直接傳遞給隱含層節(jié)點(diǎn),節(jié)點(diǎn)輸出與輸入相等。網(wǎng)絡(luò)隱含層節(jié)點(diǎn)k和輸出節(jié)點(diǎn)p的激勵(lì)函數(shù)均采用模糊優(yōu)選模型。????對(duì)隱含層的節(jié)點(diǎn)k,其輸入為(1)式中:wik為輸入層節(jié)點(diǎn)i與隱含層節(jié)點(diǎn)k的連接權(quán)重;rij為第j個(gè)樣本的第i個(gè)預(yù)報(bào)因子的規(guī)格化值,i=1,2,…,m,j=1,2,…,n,k=1,2,…,k。????輸出為(2)????輸出層僅一個(gè)節(jié)點(diǎn),輸入為(3)輸出為(4)????網(wǎng)絡(luò)的實(shí)際輸出upj就是模糊優(yōu)選神經(jīng)網(wǎng)絡(luò)對(duì)輸入樣本集(r1

5、j,r2j,…,rmj)的響應(yīng)。設(shè)樣本j的期望輸出為M(upj),則其平方誤差為(5)2模糊優(yōu)選BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)系統(tǒng)權(quán)重調(diào)整模型????網(wǎng)絡(luò)學(xué)習(xí)的目的是通過(guò)調(diào)整網(wǎng)絡(luò)中的連接權(quán)重使E最小。應(yīng)用梯度下降法,連接權(quán)重的調(diào)整量為(6)式中:η為學(xué)習(xí)效率。????則隱含層節(jié)點(diǎn)與輸出層節(jié)點(diǎn)的連接權(quán)重調(diào)整量Δwkp為(7)輸入層節(jié)點(diǎn)與隱含層節(jié)點(diǎn)的連接權(quán)重調(diào)整量Δwik為(8)式中(9)????權(quán)重調(diào)整公式為wik(t+1)=wik(t)+Δwik(t+1)+αΔwik(t)(10)wkp(t+1

6、)=wkp(t)+Δwkp(t+1)+αΔwkp(t)(11)式中:α為動(dòng)量系數(shù),且0<α<1。????應(yīng)用上述模型,并根據(jù)通常神經(jīng)網(wǎng)絡(luò)的迭代算法,可確定網(wǎng)絡(luò)的連接權(quán)重值,使實(shí)際輸出與期望輸出的誤差最小。3基于遺傳算法的權(quán)重優(yōu)化算法????遺傳算法作為一種全局優(yōu)化搜索算法,因其簡(jiǎn)單通用、魯棒性強(qiáng),適于并行處理,已廣泛應(yīng)用于不同領(lǐng)域[5,6]。利用遺傳算法優(yōu)化模糊優(yōu)選神經(jīng)網(wǎng)絡(luò)的連接權(quán)重,就是對(duì)模糊優(yōu)選神經(jīng)網(wǎng)絡(luò)的連接權(quán)重進(jìn)行編碼,形成染色體,然后模擬自然界的進(jìn)化過(guò)程。對(duì)染色體進(jìn)行選擇、交叉以及變異操作,使染

7、色體不斷進(jìn)化,最終產(chǎn)生代表問(wèn)題最優(yōu)解的染色體,再經(jīng)反編碼得到優(yōu)化的網(wǎng)絡(luò)連接權(quán)重。3.1模糊優(yōu)選神經(jīng)網(wǎng)絡(luò)的連接權(quán)重優(yōu)化問(wèn)題描述設(shè)優(yōu)化問(wèn)題為minE=f(w1,w2,…,wN)(12)式中:E為網(wǎng)絡(luò)訓(xùn)練的總誤差,(w1,w2,…,wN)為統(tǒng)一編號(hào)后的連接權(quán)重(包括輸入層節(jié)點(diǎn)與隱含層節(jié)點(diǎn)的連接權(quán)重wik,隱含層節(jié)點(diǎn)與輸出層節(jié)點(diǎn)的連接權(quán)重wkp),N為連接權(quán)重總個(gè)數(shù)。????約束條件為ai≤wi≤bi,i=1,2,…,N(13)式中:ai和bi分別為變量wi變化的下限和上限。3.2權(quán)重編號(hào)在神經(jīng)網(wǎng)絡(luò)與

8、遺傳算法之間的相互轉(zhuǎn)換模糊優(yōu)選神經(jīng)網(wǎng)絡(luò)訓(xùn)練中的連接權(quán)重包括輸入層節(jié)點(diǎn)和隱含層節(jié)點(diǎn)的連接權(quán)重wik、隱含層節(jié)點(diǎn)與輸出層節(jié)點(diǎn)的連接權(quán)重wkp,其形式為二維向量。而利用遺傳算法對(duì)上述優(yōu)化問(wèn)題的求解,必須把連接權(quán)重轉(zhuǎn)化為一維連續(xù)向量,對(duì)其重新統(tǒng)一編號(hào)。同樣,遺傳算法優(yōu)化后的連接權(quán)重也必須轉(zhuǎn)化為形式為二維向量的連接權(quán)重wik、wkp??衫靡韵鹿綄?shí)現(xiàn)相互間的轉(zhuǎn)化。(14)式中:m、l分別為輸入層和隱含層節(jié)點(diǎn)數(shù)。????遺傳算法中經(jīng)統(tǒng)一連續(xù)編號(hào)的連接

當(dāng)前文檔最多預(yù)覽五頁(yè),下載文檔查看全文

此文檔下載收益歸作者所有

當(dāng)前文檔最多預(yù)覽五頁(yè),下載文檔查看全文
溫馨提示:
1. 部分包含數(shù)學(xué)公式或PPT動(dòng)畫的文件,查看預(yù)覽時(shí)可能會(huì)顯示錯(cuò)亂或異常,文件下載后無(wú)此問(wèn)題,請(qǐng)放心下載。
2. 本文檔由用戶上傳,版權(quán)歸屬用戶,天天文庫(kù)負(fù)責(zé)整理代發(fā)布。如果您對(duì)本文檔版權(quán)有爭(zhēng)議請(qǐng)及時(shí)聯(lián)系客服。
3. 下載前請(qǐng)仔細(xì)閱讀文檔內(nèi)容,確認(rèn)文檔內(nèi)容符合您的需求后進(jìn)行下載,若出現(xiàn)內(nèi)容與標(biāo)題不符可向本站投訴處理。
4. 下載文檔時(shí)可能由于網(wǎng)絡(luò)波動(dòng)等原因無(wú)法下載或下載錯(cuò)誤,付費(fèi)完成后未能成功下載的用戶請(qǐng)聯(lián)系客服處理。
关闭