| 【中文题名】 | 基于GA进化BP神经网络的货币识别研究 |
| 【英文题名】 | |
| 【学科专业】 | 计算机软件与理论 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2007-10-16 |
| 【中关键词】 | BP神经网络,GA,货币识别,,, |
| 【英关键词】 | BP neural networks,GA,currency identification, |
| 【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】 |
随着世界经济的高速发展，商业活动中越来越注重追求高效率和自动化。特别是在一些零售行业、银行业，对货币自动识别的要求已经成为新的研究热点。如何快速、有效而又低成本地对数以百万计的分布在世界各地的货币识别系统进行识别效率的提高与改善便成为业界必须面临的任务。
本文在充分分析货币识别的国内外研究现状之后，针对人工神经网络和遗传算法进行了一些初步的探讨，并提出利用遗传算法(GA)来进化神经网络应用于货币识别。首先，本文分析了货币识别的应用背景和研究现状，介绍了神经网络和GA的概念以及应用。其次，叙述了人工神经网络和GA的基本理论，分析了神经网络和GA结合的可行性并就两者的结合进行了较为详细的阐述。其三，利用BP神经网络建立了货币识别的应用模型。为了使神经网络的性能达到最优，提出利用GA算法来同时优化BP神经网络的结构和连接权值的具体方案，并建立了基于GA进化BP神经网络的货币识别模型。最后，针对建立的两种模型，进行了MATLAB仿真，并对仿真结果进行了比较和分析。
实验结果表明：GA-BP模型使得神经网络缩短了训练时间，获得了更高的识别速度和更好的识别效果，从而，说明了基于GA进化的BP神经... |
| 【论文题纲】 |
|
摘要 |
3-4 |
|
Abstract |
4-7 |
|
第一章 绪论 |
7-12 |
|
1.1 引言 |
7-8 |
|
1.2 货币识别的应用背景 |
8-9 |
|
1.3 货币识别的研究现状 |
9-10 |
|
1.4 本文工作与论文组织 |
10-12 |
|
第二章 人工神经网络和遗传算法理论 |
12-40 |
|
2.1 人工神经网络概述 |
12 |
|
2.2 神经网络的基本原理 |
12-17 |
|
2.2.1 神经元模型 |
12-14 |
|
2.2.2 神经网络结构及工作方式 |
14-16 |
|
2.2.3 神经网络的学习 |
16-17 |
|
2.3 BP神经网络 |
17-24 |
|
2.3.1 BP神经网络的结构和算法推导 |
18-22 |
|
2.3.2 BP神经网络的主要缺点 |
22-24 |
|
2.4 遗传算法 |
24-36 |
|
2.4.1 遗传算法的理论基础 |
24-26 |
|
2.4.2 遗传算法的设计 |
26-36 |
|
2.5 遗传算法与神经网络 |
36-38 |
|
2.6 本章小结 |
38-40 |
|
第三章 遗传进化神经网络的货币识别建模 |
40-50 |
|
3.1 样本数据的获取 |
40-41 |
|
3.2 主分量特征提取和选择 |
41-42 |
|
3.3 神经网络货币识别模型 |
42-46 |
|
3.3.1 训练样本的准备 |
43-44 |
|
3.3.2 初始权值的选取 |
44 |
|
3.3.3 网络结构设计 |
44 |
|
3.3.4 训练参数的设定 |
44-45 |
|
3.3.5 网络的训练与测试 |
45-46 |
|
3.4 基于遗传-神经网络的货币识别模型 |
46-48 |
|
3.4.1 BP网络的结构优化 |
46 |
|
3.4.2 编码和初始种群 |
46-47 |
|
3.4.3 适应度函数的选择 |
47 |
|
3.4.4 遗传操作 |
47-48 |
|
3.5 本章小结 |
48-50 |
|
第四章 遗传进化神经网络货币识别仿真 |
50-62 |
|
4.1 MATLAB简介 |
50 |
|
4.2 货币样本数据的预处理 |
50-52 |
|
4.3 基于BP神经网络货币识别仿真 |
52-55 |
|
4.3.1 新训练样本数据的选择与组织 |
52-53 |
|
4.3.2 网络初始权值和结构的确定 |
53 |
|
4.3.3 网络参数的选定 |
53-54 |
|
4.3.4 样本训练 |
54-55 |
|
4.3.5 测试结果与分析 |
55 |
|
4.4 基于遗传进化BP神经网络货币识别仿真 |
55-61 |
|
4.4.1 遗传操作和参数设定 |
56 |
|
4.4.2 网络权值和结构的优化 |
56-60 |
|
4.4.3 测试结果和分析 |
60-61 |
|
4.5 仿真结果对比分析 |
61 |
|
4.6 本章小结 |
61-62 |
|
第五章 结论与展望 |
62-64 |
|
5.1 工作总结 |
62 |
|
5.2 展望 |
62-64 |
|
参考文献 |
64-68 |
|
致谢 |
68 |
|
| 【DOI】 | LunWen.ID:2.2008.389144 |
