神经网络与粗集、进化计算结合技术的研究

来源 :南京大学 | 被引量 : 0次 | 上传用户:shichun
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
神经网络一直是人工智能研究的一个重点,粗集和进化计算是人工智能的新兴领域。本文在研究神经网络的结构设计方面,结合了粗集理论和进化计算这些新兴领域的方法,提出了两个新的神经网络结构设计方案,分别是RCBNN算法和SEFNN算法,研究过程中还提出了一个过渡的CBNN算法,它是产生RCBNN算法的基础。下面简单介绍一下本文的主要研究工作和成果: (1)研究了当前粗集理论和神经网络结合的现状、关键技术和发展趋势,提出了一个三维应用框架。而后研究了C4.5与神经网络结合的方法,提出CBNN算法,在此基础上引入粗集理论,使三者有机结合,提出了RCBNN算法,该算法产生的网络易于构造,收敛速度快,易于理解,收敛精度也较高。 (2)对当前进化计算与神经网络相结合的现状进行了综合分析,并对研究过程中出现的主要问题及未来发展趋势进行了讨论。提出了基于结构进化的前馈神经网络的构造算法SEFNN,该算法设计了新的基因结构与新的结构化交叉算子、修订的变异算子以及精英训练法则,从而提高了进化神经网络的效率。实验表明该算法在网络规模与测试精度上均有优越性能。 (3)将本文提出的CBNN算法和RCBNN算法应用于高速公路路面破损智能系统中,实验结果表明,这两种方法均比其他算法优越,获得了较好的实验效果。最后比较了这两种方法的实验效果,得出CBNN一般能获得较高的精度,而RCBNN能在精度损失较小的情况下获得更快的收敛速度。
其他文献
该文在国家自然科学基金项目"基于多智能体协调的机器人系统控制"的资助下,以提高移动机器人路径规划的实时性、智能性和鲁棒性为目的,对移动机器人路径规划问题进行了深入系
本论文详细阐述了鞍钢铁路运输系统的需求分析、系统分析、数据库设计和系统设计开发过程中使用的方法,并引入了UML面向对象建模技术,从静态、动态两个角度完成了对系统的建
本论文在软件平台化、构件化、软件复用以及快速开发方面的进行探讨,提出了基于中间件技术构造面向银行的金融交易交换平台的思想,阐述了中间件的由来、机理、分类、特点和优势
模糊聚类分析是模糊模式识别范畴中的一个重要分支,是一种无监督的模式识别方法,在许多领域被广泛的应用。本文在对传统的模糊c-均值(FCM,Fuzzyc-means)聚类算法及其修改形式进
伴随着Internet的普及和发展,网络上的资源越来越丰富,以电子形式存在的文本成为人们获取信息的主要来源,面对海量的信息资源,需要对其进行有效的组织和管理,以利于主题发现和信息
互联网是人们日常工作、学习、生活所需信息的一个重要的来源,如何有效的利用搜索引擎来获耿所需的信息已经成为一个非常关键的问题。根据专家的评测,目前主要搜索引擎返回的相
数字电路形式化验证通常有三种方法:定理证明、模型检验和等价性检验.这些方法都是利用数学机制来验证数字电路的性质.在工业界中,模型检验和等价性检验因为能完全自动化的进
对象管理组织(Object Management Group,OMG)提出的模型驱动 框架(Model Driven Architecture,MDA)提高了软件的开发效率和软件 适应新语言、新平台的能力。为了支持基于MD
Internet的飞速发展已经深刻的影响到传统的商业运作模式,电子商务已经得到越来越多人的认同,全球化的电子商务正在兴起。 然而,随着电子商务的迅猛发展,网上的交易不断增加,在
数据网格的目标是使地理上广泛分布的团体能够共享数据资源,以完成对大规模海量数据集的复杂分析、处理任务。而数据复制技术是数据网格系统中广泛采用的改善网格系统性能的