版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、本文使用的是結(jié)合遺傳算法的進(jìn)化神經(jīng)網(wǎng)絡(luò),遺傳算法是從自然界中的生物進(jìn)化機(jī)制中獲得啟示的,人工神經(jīng)網(wǎng)絡(luò)則是對人類或動物神經(jīng)網(wǎng)絡(luò)若干基本特性的抽象和模擬,神經(jīng)網(wǎng)絡(luò)通過不斷訓(xùn)練更新網(wǎng)絡(luò)權(quán)重和閾值,擁有非線性函數(shù)學(xué)習(xí)的能力。神經(jīng)網(wǎng)絡(luò)以平行方式運(yùn)行,因此對每個學(xué)習(xí)樣本都可同時進(jìn)行運(yùn)算,并且在有少許誤差的情況下也不會影響輸出結(jié)果,因而具有很好的容錯能力。針對某一特殊任務(wù),當(dāng)我們發(fā)現(xiàn)了可以完成該任務(wù)的網(wǎng)絡(luò)時,人們可能會無法確定是否還存在另外一種性能更
2、好的網(wǎng)絡(luò),遺傳算法為神經(jīng)網(wǎng)絡(luò)的高效自動設(shè)計,提供了一條很好的途徑。
遺傳算法是一種基于自然選擇和群體遺傳機(jī)制的隨機(jī)搜索算法,它具有很好的全局搜索能力。本文主要研究的是Garis教授提出的部分連接神經(jīng)網(wǎng)絡(luò)(Partially Connected Neural Network,簡稱Parcone)模型,針對模型的早熟和速度極慢的缺陷,為了提高網(wǎng)絡(luò)的多樣性,本文提出一種利用雙種群進(jìn)化策略來改進(jìn)網(wǎng)絡(luò)的DPParcone模型。
3、> 神經(jīng)網(wǎng)絡(luò)的應(yīng)用范圍不斷擴(kuò)展,神經(jīng)網(wǎng)絡(luò)應(yīng)用技術(shù)研究不斷深入,并與多種學(xué)科相交叉,由于處理問題的復(fù)雜性不斷提高,隨之應(yīng)用的神經(jīng)網(wǎng)絡(luò)的規(guī)模也不斷擴(kuò)大,數(shù)據(jù)處理效率成為了神經(jīng)網(wǎng)絡(luò)的一個重要瓶頸。作為一種新興技術(shù),2007年由NVIDIA公司推出的統(tǒng)一計算設(shè)備架構(gòu)CUDA成功結(jié)合了CPU和GPU的特性功能,基于神經(jīng)網(wǎng)絡(luò)的并行性特點(diǎn),CUDA有效地解決了數(shù)據(jù)并行計算問題,同時為了解決雙種群異構(gòu)問題,利用CUDA中的流進(jìn)行異構(gòu)處理,較好對提
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于種群進(jìn)化的神經(jīng)網(wǎng)絡(luò)控制.pdf
- 基于GPU的脈沖神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)研究.pdf
- 基于GPU的深度神經(jīng)網(wǎng)絡(luò)優(yōu)化方法研究.pdf
- 基于進(jìn)化算法的神經(jīng)網(wǎng)絡(luò)訓(xùn)練研究.pdf
- 基于進(jìn)化神經(jīng)網(wǎng)絡(luò)的入侵檢測模型研究.pdf
- 基于GPU的粒子群神經(jīng)網(wǎng)絡(luò)研究與應(yīng)用.pdf
- 基于多GPU的多層神經(jīng)網(wǎng)絡(luò)并行加速訓(xùn)練算法的研究.pdf
- 進(jìn)化脈沖神經(jīng)網(wǎng)絡(luò)的路徑規(guī)劃研究.pdf
- 基于GA進(jìn)化BP神經(jīng)網(wǎng)絡(luò)的貨幣識別研究.pdf
- 基于進(jìn)化算法的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)優(yōu)化研究.pdf
- 基于進(jìn)化計算的前向神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法研究.pdf
- 基于進(jìn)化概率神經(jīng)網(wǎng)絡(luò)的紋理圖像識別.pdf
- 基于GPU的深度神經(jīng)網(wǎng)絡(luò)模型并行及優(yōu)化方法研究.pdf
- 基于差分進(jìn)化算法優(yōu)化的RBF神經(jīng)網(wǎng)絡(luò)的.pdf
- 進(jìn)化回歸神經(jīng)網(wǎng)絡(luò)的研究及應(yīng)用.pdf
- 遺傳神經(jīng)網(wǎng)絡(luò)的綜合進(jìn)化研究.pdf
- 基于同時進(jìn)化神經(jīng)網(wǎng)絡(luò)的團(tuán)隊(duì)游戲智能的設(shè)計.pdf
- 基于進(jìn)化神經(jīng)網(wǎng)絡(luò)建模方法的說話人辨認(rèn)研究.pdf
- 基于神經(jīng)網(wǎng)絡(luò)的進(jìn)化機(jī)器人自主行為方法研究.pdf
- 基于干細(xì)胞機(jī)制的進(jìn)化神經(jīng)網(wǎng)絡(luò)及其應(yīng)用研究.pdf
評論
0/150
提交評論