论文部分内容阅读
该文提出了一种新型的遗传优化方法。由参数模型描述的神经元基函数作为遗传基因,利用每个神经元输出序列与网络训练目标以及神经元输出序列之间的相关性得到网络遗传优化方法的选择算子,根据不同参数的特点得到相应的交叉和变异算子,建立基函数的参数化模型,得到遗传算法的初始基因组;并根据初始基因组建立各参数基因组,通过合适的交叉变异算子对个各参数基因组进行交叉变异操作。这样得到的算法使输出误差分布较为均匀,能够大大提高网络的输出精度,简化网络的结构,信号跟踪与非线性系统逼近中得到很好的效果,提高了网络的适时学习能力。