| 【中文题名】 | 基于语法引导遗传编程的神经树的研究与应用 |
| 【英文题名】 | Research and Application of Flexible Neural Tree Based on Grammar Guided Genetic Programming |
| 【学科专业】 | 计算机应用技术 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2007-9-14 |
| 【中关键词】 | 基于语法引导遗传编程,神经树,进化算法,时间序列预测,分类预测, |
| 【英关键词】 | Grammar Guided Genetic Programming,Flexible Neural Tree,Evolutionary Algorithm,Time-series Forecasting,Classification Forecasting, |
| 【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】 |
研究表明人工神经网络由于其大规模并行处理、容错性、自组织和自适应能力和联想功能强等特点,成为解决很多问题的有力工具,并且已经广泛应用在函数逼近、系统识别和控制、信号和图像处理及时间序列预测等许多科学和工程领域。
在神经网络的研究课题中,最重要的一个问题是怎样选择合适的神经网络结构以及相关参数。神经网络的权值和阈值等参数可以用许多方法学习得到,如误差反向传播算法,遗传算法,进化编程和随机搜索算法等。通常神经网络的结构决定着它的性能,网络结构是用节点之间是否连接的方式来表明的,但网络结构的设计目前还没有规律可循。对于同一个问题的解决,可能存在多个结构不同且性能不同的神经网络。根据具体的问题,所设计的神经网络可能是多个隐含层和输入输出层,每个神经元的激励函数可以是不同的,但是有些时候则可能是输入层和输出层直接连接而没有中间层。近年来许多学者致力于实现神经网络结构和参数的自动优化的研究。本文研究的神经树就是一种网络结构和相关参数自动优化的神经网络系统,这是由于它是采用树结构编码的,一些基于树结构编码的优化算法,如遗传编程、蚂蚁编程和概率递增编程等,可被用来优化神经树的结构,而再结合一些参数优化算法就... |
| 【论文题纲】 |
|
摘要 |
4-6 |
|
Abstract |
6-10 |
|
第一章 绪论 |
10-13 |
|
1.1 引言 |
10 |
|
1.2 研究背景 |
10-12 |
|
1.3 论文内容安排 |
12-13 |
|
第二章 神经网络及其理论基础 |
13-19 |
|
2.1 概述 |
13-15 |
|
2.2 神经网络的基本理论 |
15-18 |
|
2.2.1 神经元模型 |
15-16 |
|
2.2.2 神经网络的学习算法 |
16-17 |
|
2.2.3 神经网络的设计 |
17-18 |
|
2.3 本章小结 |
18-19 |
|
第三章 基于语法引导遗传编程算法及其理论基础 |
19-35 |
|
3.1 进化算法概述 |
19-20 |
|
3.2 遗传算法和遗传编程 |
20-24 |
|
3.2.1 遗传算法 |
20-21 |
|
3.2.2 标准遗传编程 |
21-24 |
|
3.3 语法模型简介 |
24-28 |
|
3.4 基于语法引导的遗传编程 |
28-32 |
|
3.5 基于概率的语法模型引导的遗传编程 |
32-34 |
|
3.6 本章小结 |
34-35 |
|
第四章 基于语法引导遗传编程的神经树 |
35-45 |
|
4.1 神经树的基本理论 |
35-41 |
|
4.1.1 神经树的编码 |
35-36 |
|
4.1.2 适应度评价函数 |
36-37 |
|
4.1.3 神经树的进化算法 |
37-41 |
|
4.2 基于上下文无关语法引导的遗传编程的神经树 |
41-42 |
|
4.3 基于概率语法模型引导的遗传编程的神经树 |
42-45 |
|
第五章 仿真实验与数据分析 |
45-58 |
|
5.1 时间序列预测仿真 |
45-53 |
|
5.1.1 Mackey-Class 混沌时间序列预测 |
45-48 |
|
5.1.2 汇率预测 |
48-51 |
|
5.1.3 股票指数预测 |
51-53 |
|
5.2 分类预测仿真 |
53-58 |
|
5.2.1 人脸识别 |
54-55 |
|
5.2.2 癌细胞分类 |
55-58 |
|
第六章 总结和展望 |
58-60 |
|
致谢 |
60-61 |
|
参考文献 |
61-66 |
|
攻读硕士期间发表论文目录 |
66 |
|
| 【DOI】 | LunWen.ID:2.2008.388883 |
