免疫进化理论解析.ppt

  1. 1、本文档共106页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
空时信号模型 信号经时域匹配滤波 处理后的中间结果为: 经空域匹配滤波处理: 空时匹配滤波器的输出: 空时多用户检测器 利用Cameron-Martin公式,我们可以将基于所有用户数据b的对接收信号r(t)的似然函数写成如下形式: 其中: 空时多用户检测器 使似然函数最大化的过程即可转化为使最大化: 问题实质上是一个多目标参数的组合优化问题,若用Viterbi算法来对其进行对数最大似然估计,则计算复杂度一般为 ,故是一个完备的NP问题。 基于免疫策略的RBF网络 RBF网络的一般结构 1. 根据经验随机地选择固定的中心; 2. 根据聚类方法自组织地选取中心; 3. 有监督地选择中心(广义径向基函数网络)。 ? 以上三种算法中,采用第三类算法训练的RBF网络性能最好,但是由于它采用的是梯度下降算法,其训练过程较长,很容易陷入局部极小。 RBF网络的学习策略 基于免疫策略的RBF网络 疫苗提取算法: ? 如果隐层节点的个数为M,则随机地从训练数据集中选取M个中心。 ? 根据?的不同取值计算隐层节点相应于训练数据集的输出矩阵G根据矩阵方程(Gw = d), 采用最小二乘法估计RBF网络的输出线性权值矩阵w。 ? 比较?取不同的值时,采用上述方法构造的不同RBF网络相应于训练数据集的均方误差。以使得均方误差最小的?的取值为中心,在一定范围内重复步骤1和步骤2。 基于免疫策略的RBF网络 基于RBF网络的多用户检测器示意图 RBF网络的免疫 策略学习算法 ? 随机产生一组分布,采用某种编码方案对该组中的每个权值(或阈值)进行编码,从而构造出一个个码链(每个码链代表网络的一种权值分布)。 ? 根据经验或针对具体问题的先验知识来大致地确定方差的大致取值范围,以此作为当前问题的免疫疫苗。 ? 对当前群体进行交叉和变异算子操作,产生下一代的准个体。 ? 从当前的群体中随机地选取一定数量的个体进行疫苗注射。 ? 对所产生的网络计算它的误差函数,从而确定其适应度函数值。 ? 根据网络的适应度选择若干个个体作为下一代群体。判断终止条件是否满足:是,则停止运行并将当前最优个体所代表的网络参数作为最终的训练结果;否,则转至第?步继续运行。 a. 8用户 b. 16用户 用户1的信噪比与误码率的关系曲线 基于RBF网络的多 用户检测器仿真结果 a. 8用户 b. 16用户 两用户的能量比与误码率的关系曲线 基于RBF网络的多用户检测器仿真结果 对RBF网络进行训练时的三种算法对比曲线 基于RBF网络的多用户检测器仿真结果 Bye ! 免疫进化理论 焦李成 * 免疫进化理论 焦李成 * 一种免疫神经网络模型 免疫神经网络中激励函数的选取方法 ? 分析待求问题的过程,搜集特征信息,再根据先验知识找出输入变量之间的相互约束关系; ? 设计激励单元的基本类型。即根据上述约束关系,选取一种适当的含有待定参数的函数族; ? 根据第?步所提取的疫苗填充疫苗接种单元; ? 选取一种网络学习算法,如LMS和改进的BP算法等,利用训练样本来修正网络中的权值矩阵和阀值等相关参数。 免疫神经网络的自学习算法 ? 将激励函数中的参数V当作网络训练的目标之一; ? 采用成批训练和添加动量项的方法来训练网络权值和激励函数中的参数。 免疫神经网络的设计实例 双螺旋线问题的求解 设螺旋线的参数方程形式为: 由此可得: 双螺旋线问题的求解 设计激励单元的基本类型: 双螺旋线问题的求解 解决双螺旋线的免疫神经网络的形式为: 双螺旋线问题的仿真结果 带有随机干扰的两类螺旋线: 免疫进化子波网络模型 网络方程: 免疫进化子波网络模型 目标函数: 子波函数的参数初始化 ? 确定一个母波函数以及对特定目标信号的伸缩、平移参数的取值范围; ? 利用免疫进化算法进行优化搜索; ? 获得一组有利于分类识别的信号子波特征。 子波网络的学习算法 ? 初始化。将任意选取n组权值以及初始化后的子波基参数做为初始群体; ? 根据先验知识抽取疫苗H。根据对问题的先验知识或其应用背景方面的特征信息,来确定个体在某些基因上的取值特征或基因之间的相互制约关系,并以此做为待求问题的免疫疫苗,经编码处理后即可视为H;另一方面,若以上条件尚不具备,我们即可采用算法2来动态寻找H,并将该过程置于第4与第5步骤之间进行; 学习算法(续) ? 计算当前群体中所有个体的适应度,并从中确定最佳个体,然后判断停机条件是否满足; ? 对当前群体实施变异操作; ? 对当前群体实施接种疫苗操作; ? 对接种了疫苗的个体进行检验,并对所注射的疫苗做出评价; ? 计算当前群体中所有个体的适应度,并以此为根据在一定的选择机制下,挑选出n个个体组成下一代进化的群体,然后转至第3步。

文档评论(0)

118118 + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档