基于進化計算的過程神經(jīng)網(wǎng)絡算法及其應用研究.pdf

1、神經(jīng)網(wǎng)絡與遺傳算法均是人工智能這一研究領域中非常活躍的分支，具有非常成熟的理論基礎和巨大的應用潛力。何新貴院士提出的過程神經(jīng)網(wǎng)絡解決了過程輸入問題，大大提高了神經(jīng)網(wǎng)絡的表達能力和實際應用價值。作為一種新型神經(jīng)網(wǎng)絡，過程神經(jīng)網(wǎng)絡在應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)絡學習算法，BP算法具有簡便易行的優(yōu)點，但也存在訓練精度低、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

2、相結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)絡與遺傳算法的思想基礎。分析了神經(jīng)網(wǎng)絡在復雜系統(tǒng)建模方面的應用價值，以及遺傳算法與神經(jīng)網(wǎng)絡相結合的理論基礎。
　　其次，對較為常用的前饋過程神經(jīng)網(wǎng)絡、權函數(shù)展開的過程神經(jīng)網(wǎng)絡以及多聚合過程神經(jīng)網(wǎng)絡模型進行分析研究，并探討了基于梯度下降和基于正交基展開的兩種學習算法，針對其易陷入