| 【中文题名】 | 遗传进化型神经网络体系结构研究 |
| 【英文题名】 | Research on Architecture of Genetic Evolutionary Neural Networks |
| 【学科专业】 | 管理科学与工程 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2007-8-3 |
| 【中关键词】 | 遗传神经网络,基于节点的编码,种群,小生境,结构化变异, |
| 【英关键词】 | GNN,node-based encoding,population,niching,structural mutation, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>自动化基础理论>人工智能理论>人工神经网络与计算> |
| 【论文摘要】 |
进化型神经网络(EANN)是进化算法与神经网络的结合。进化型神经网络已经越来越受到人们的关注，该领域的研究非常活跃，已经取得了很多有价值的结论和结果，并在工程上已经有一些成功的应用实例，这为进化型神经网络更为广泛深入的应用带来了充满希望的前景。
本文首先介绍了遗传算法、神经网络技术的发展历程、理论基础和应用领域。接着重点介绍了遗传神经网络，在其中详细地介绍了遗传神经网络研究的关键技术和编码方法，并介绍了遗传BP神经网络及其在鼠标手势识别中的应用。然后介绍了目前一些进化型神经网络中存在的一些问题，并从结构功能映射问题，杂交时破坏父代的结构功能创新问题，如何使网络的拓扑尽可能小等问题探讨了可能的解决方法，综合这些问题的解决方法，给出了一种新型进化神经网络体系结构的方法，这种方法有效地避免了上面提到的三种问题。通过试验证实了其良好的效果。
通过基于节点的编码来描述网络的结构和连接权值。当创建新的节点和链接时，它借助于所产生的历史数据，来消除结构功能映射的问题。采取小生境策略来保持群体的多样性，并且利用显式适应性共享技术，通过计算个体表现型之间的欧氏距离来确定种群。通过保持群体的多样性有效的... |
| 【论文题纲】 |
|
摘要 |
5-6 |
|
Abstract |
6-12 |
|
第一章 绪论 |
12-16 |
|
1.1 论文选题的背景 |
12-13 |
|
1.2 进化型神经网络的国内外研究现状 |
13-15 |
|
1.2.1 EANN的国内外研究现状 |
13-14 |
|
1.2.2 研究存在的问题 |
14-15 |
|
1.3 论文的主要内容及组织 |
15-16 |
|
第二章 遗传算法与神经网络的理论与应用 |
16-25 |
|
2.1 遗传算法 |
16-20 |
|
2.1.1 遗传算法的特点 |
16-17 |
|
2.1.2 遗传算法中的基本概念 |
17 |
|
2.1.3 遗传算法的实施步骤 |
17-18 |
|
2.1.4 遗传算法的理论基础 |
18-20 |
|
2.2 神经网络 |
20-21 |
|
2.2.1 人工神经网络发展简史 |
20 |
|
2.2.2 人工神经网络特点及应用 |
20-21 |
|
2.3 人工神经网络理论基础及模型 |
21-25 |
|
2.3.1 人工神经元模型 |
21-22 |
|
2.3.2 人工神经网络模型分类 |
22-23 |
|
2.3.3 人工神经网络学习法则 |
23 |
|
2.3.4 人工神经网络适合解决的问题 |
23-25 |
|
第三章 遗传神经网络 |
25-38 |
|
3.1 遗传神经网络概述 |
25-27 |
|
3.1.1 产生背景 |
25-26 |
|
3.1.2 遗传神经网络的关键技术 |
26-27 |
|
3.1.3 遗传神经网络的进化过程 |
27 |
|
3.2 编码方法 |
27-30 |
|
3.2.1 直接编码 |
28-29 |
|
3.2.2 间接编码 |
29-30 |
|
3.3 遗传BP神经网络 |
30-37 |
|
3.3.1 BP学习算法 |
30-32 |
|
3.3.2 遗传BP神经网络 |
32-34 |
|
3.3.3 基于遗传BP算法的鼠标手势的识别 |
34-37 |
|
3.4 本章小结 |
37-38 |
|
第四章 遗传神经网络体系结构研究 |
38-57 |
|
4.1 常见的进化型神经网络 |
38-40 |
|
4.1.1 固定拓扑的进化型神经网络 |
38-39 |
|
4.1.2 拓扑和权重进化型神经网络 |
39-40 |
|
4.2 传统进化型神经网络的缺陷 |
40-41 |
|
4.2.1 竞争约定问题 |
40-41 |
|
4.2.2 保护创新问题 |
41 |
|
4.2.3 搜索无用大空间问题 |
41 |
|
4.3 新型进化体系结构的方法 |
41-43 |
|
4.3.1 避免竞争约定 |
41-42 |
|
4.3.2 保护创新 |
42 |
|
4.3.3 保持网络的尺寸最小化 |
42-43 |
|
4.4 遗传操作 |
43-48 |
|
4.4.1 网络编码 |
43-44 |
|
4.4.2 适应度函数的选取 |
44 |
|
4.4.3 遗传算子 |
44-47 |
|
4.4.4 避免早熟 |
47-48 |
|
4.5 遗传神经网络体系结构的流程 |
48-50 |
|
4.6 GNN在免碰撞路径规划中的应用 |
50-56 |
|
4.7 本章小结 |
56-57 |
|
第五章 总结与展望 |
57-59 |
|
5.1 全文总结 |
57-58 |
|
5.2 进一步的工作展望 |
58-59 |
|
参考文献 |
59-61 |
|
| 【DOI】 | LunWen.ID:2.2008.388782 |
