几类神经网络的分析和优化及应用的研究.pdf

摘 要 人工神经网络是人工智能研究领域的重要分支之一，在控制、预测、优化、 系统辨识、信号处理和模式识别等方面有广泛的应用。本文分析和研究了几类主 并将其应用于函数逼近、模式识别、数据分类和图像处理。论文的主要研究工作 可概括为以下几个方面： 1．对无约束全局优化问题，分别将高斯变异和正交杂交用于差分进化算法的 变异算子和杂交算子中，给出了一种插值局部搜索算子，提出了嵌入正交杂交和 局部搜索的差分进化算法。对20个标准测试函数作了数值实验。与文献中其它差 分进化算法的比较结果表明了算法的有效性。 由预估一校正法确定前馈神经网络结构的情况下，将政进的差分进化算法和 经网络的权值和阈值。将该进化神经网络应用于函数逼近、模式分类和识别问题。 2．对同时含有二进制变量和实数变量的非线性优化问题，采用二进制和实数 混合编码，在差分进化变异算子中引入异或逻辑运算处理二进制变量，将正交杂 交引入到杂交算子中，提出了一种协同二进制——实数差分进化算法。对该算法 作了大量的数值测试，并与文献中已有的进化算法作了比较，结果表明了该算法 性能优良。 将改进的协同二进制——实数差分进化算法和尺度化共轭梯度反向传播算法 相结合，构成两阶段训练算法，同时优化前馈