多層前饋神經(jīng)網(wǎng)絡拓撲結構的遺傳優(yōu)化研究.pdf

1、人工神經(jīng)網(wǎng)絡(ArtificialNeuralNetwork，簡稱ANN)已經(jīng)廣泛應用于模式識別、工業(yè)控制、經(jīng)濟預測、優(yōu)化計算等領域，但是由于缺乏堅實的理論基礎其拓撲結構設計規(guī)則和學習算法一直都是科研工作者研究的重要內容。 遺傳算法是近年來發(fā)展起來的計算模型，從新的角度開辟了解決復雜問題優(yōu)化的途徑。它建立在嚴格的理論基礎上，具有很強的自適應性、魯棒性，尤其適合在高維、多峰、不可微(導數(shù)很難求)、連續(xù)或離散空間搜索優(yōu)化解。

2、 遺傳算法和神經(jīng)網(wǎng)絡都是模擬生物智能化的學習能力，對兩者結合的研究逐漸成為當前的熱點之一。人們希望通過結合充分利用兩者的長處，尋找出一種有效解決問題的方法，也借助這種結合使得人們更好的理解學習和進化的相互作用關系。在神經(jīng)網(wǎng)絡中結合應用遺傳算法，能夠克服神經(jīng)網(wǎng)絡利用梯度下降法所帶來的缺點。 本文在介紹了有關神經(jīng)網(wǎng)絡和遺傳算法的部分基礎理論，分析了遺傳算法在神經(jīng)網(wǎng)絡結構優(yōu)化中的應用的基礎上，通過改進遺傳算法的適應度函數(shù)、遺傳算子等方