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。