基于進化計算的過程神經(jīng)網(wǎng)絡(luò)算法及其應(yīng)用研究.pdf

1、神經(jīng)網(wǎng)絡(luò)與遺傳算法均是人工智能這一研究領(lǐng)域中非?；钴S的分支，具有非常成熟的理論基礎(chǔ)和巨大的應(yīng)用潛力。何新貴院士提出的過程神經(jīng)網(wǎng)絡(luò)解決了過程輸入問題，大大提高了神經(jīng)網(wǎng)絡(luò)的表達能力和實際應(yīng)用價值。作為一種新型神經(jīng)網(wǎng)絡(luò)，過程神經(jīng)網(wǎng)絡(luò)在應(yīng)用前景和理論研究方面都存在很大空白。
　　作為最為常用的神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法，BP算法具有簡便易行的優(yōu)點，但也存在訓(xùn)練精度低、速度慢、易陷入局部極值的問題，而遺傳算法則恰好可以彌補這種不足，遺傳算法與神經(jīng)網(wǎng)絡(luò)

2、相結(jié)合具有相當重要的意義。
　　本論文主要包括以下內(nèi)容：
　　首先，分別介紹了過程神經(jīng)網(wǎng)絡(luò)及進化算法的基本思想和發(fā)展情況，并著重介紹了過程神經(jīng)網(wǎng)絡(luò)與遺傳算法的思想基礎(chǔ)。分析了神經(jīng)網(wǎng)絡(luò)在復(fù)雜系統(tǒng)建模方面的應(yīng)用價值，以及遺傳算法與神經(jīng)網(wǎng)絡(luò)相結(jié)合的理論基礎(chǔ)。
　　其次，對較為常用的前饋過程神經(jīng)網(wǎng)絡(luò)、權(quán)函數(shù)展開的過程神經(jīng)網(wǎng)絡(luò)以及多聚合過程神經(jīng)網(wǎng)絡(luò)模型進行分析研究，并探討了基于梯度下降和基于正交基展開的兩種學(xué)習(xí)算法，針對其易陷入