版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、天津大學碩士學位論文X849001基于神經(jīng)遺傳學習算法的模型優(yōu)化研究StudyoftheModelingOptimizationBasedonNeuralNetworkandGA專業(yè):管理科學與工程研究生:杜健指導教師:李波副教授天津大學管理學院2005年1月ABSTRACTTheEnsembleLearningisahotspotintheintelligentlearningfieldIthasbeenpaidattentionfr
2、omits’verybeginningandhasbeenusedsuccessfullyinmanyfieldsbecauseofits’goodperformanceandusabilityThecombinationofEnsemblealgorithmsandunstablelearnershasshownimpressiveeffectbothinaccuracyandstabilityAtthesametime,parthe
3、nogeneticalgorithmisahotspotduetoits’maturityItisadoredbySOmanyresearchersduetoits’abilitytosolvecombinationproblemsespeciallyproblemsinlargescaleBasedonthealgorithmsdiscussedabove,thisarticledoessomeusefulstudyinsomeasp
4、ectsSomethingWasdoneasbelow:(1)SomeexperimentsweredonetotestifythevalidityoftheBoostingalgorithmbasedonthestudyoftheEnsemblealgorithmTheexperimentswerebasedontheUCIdatabase,andthepurposeistoprovethegoodperformancesofBoos
5、tinginsomeaspectsas:Serviceability;StabilityTheabilityofparameteroptimizationAtlast,wediscusstheServiceabilityand“OverfittingProblem”fromthepointofMargin,andshowitinintuitionisticgraphics(2)Basedonthestudyabove,weputforw
6、ardanewmethodtoulteriorlyoptimizeparametersofBoostingalgorithmHerethemethodsweusedare:GeneticalgorithmandLSEalgorithmAndthesimulationresultsshowthatbothmethodscarlimprovetheperformancemo∞(3)Astoparthenogeneticalgorithm,w
7、ebringforwardanimprovedalgorithmbasedonparthenogeneticalgorithmtosolvetheCSPproblemAnewmethodwasbroughtforwardtosimpli匆thecodingprocess,atthesametime,anoperatorwasintroducedtoheIptofindthebestglobalsolutionAndthealgorith
8、mhasbeentestifiedtobeaexcellentonethroughthetestinmorethanoneindustrialenterprisesAllproofsshowthatitisagoodmethodtosolvetheCSPproblembothintheCuttingAccuracyandCalculating—EfficiencyKeyWords:Ensemblelearning,ParthenoGen
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。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,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確性、安全性和完整性, 同時也不承擔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
- 基于遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡跟車模型研究.pdf
- 基于神經(jīng)網(wǎng)絡與遺傳算法的配煤優(yōu)化模型的研究.pdf
- 基于遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡的汽車油耗計算模型.pdf
- 基于遺傳算法優(yōu)化小波神經(jīng)網(wǎng)絡的網(wǎng)絡流量預測模型研究.pdf
- 基于遺傳算法的勵磁系統(tǒng)模型優(yōu)化.pdf
- 基于遺傳算法的礦山資源優(yōu)化調度模型.pdf
- 基于遺傳算法和神經(jīng)網(wǎng)絡的鍋爐汽水系統(tǒng)模型參數(shù)優(yōu)化.pdf
- 32 基于遺傳算法的神經(jīng)網(wǎng)絡優(yōu)化方法
- 基于遺傳算法及神經(jīng)網(wǎng)絡的入侵檢測模型研究.pdf
- 基于神經(jīng)網(wǎng)絡和遺傳算法融合技術的模型研究.pdf
- 遺傳學習題
- 基于改進遺傳算法的神經(jīng)網(wǎng)絡結構優(yōu)化研究.pdf
- 基于廣義遺傳算法優(yōu)化的脫硫靜態(tài)模型的研究.pdf
- 基于遺傳算法與代理模型的協(xié)同優(yōu)化方法的研究.pdf
- 基于解析優(yōu)化方法的神經(jīng)網(wǎng)絡學習算法研究.pdf
- 基于遺傳算法的前饋神經(jīng)網(wǎng)絡優(yōu)化設計.pdf
- 基于遺傳算法的區(qū)域水資源優(yōu)化配置模型研究.pdf
- 人工免疫遺傳學習算法及其工程應用研究.pdf
- 基于遺傳算法的大壩安全監(jiān)控統(tǒng)計模型優(yōu)化研究.pdf
- 基于遺傳算法和神經(jīng)網(wǎng)絡的天線優(yōu)化設計研究.pdf
評論
0/150
提交評論