基于GPU的雙種群進(jìn)化神經(jīng)網(wǎng)絡(luò)的研究.pdf

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