基于遗传算法的神经网络的仿真设计.doc
约44页DOC格式手机打开展开
基于遗传算法的神经网络的仿真设计,本文共计44页，17921字； 摘 要小波变换具有时域局部特性和变焦特性，而神经网络具有自学习、自适应、鲁棒性、容错性和推广能力。把两者的优势结合起来形成了小波网络（wavelet neural network, wnn）。小波神经网络是由小波理论支持的一种特殊的前向控制神经网络，兼有小...
内容介绍
此文档由会员 霜天盈月 发布
基于遗传算法的神经网络的仿真设计
本文共计44页，17921字；
摘 要
小波变换具有时域局部特性和变焦特性，而神经网络具有自学习、自适应、鲁棒性、容错性和推广能力。把两者的优势结合起来形成了小波网络（Wavelet Neural Network, WNN）。小波神经网络是由小波理论支持的一种特殊的前向控制神经网络，兼有小波变换和神经网络两者的优势，是近似计算和预测领域广泛流行的工具。遗传算法和人工神经网络作为两个工具在众多的研究领域得到了广泛的应用，遗传算法和神经网络本身也得到很大发展。遗传算法体现了生物进化中的四个要素，即繁殖、变异、竞争和自然选择。在本篇论文，用遗传算法来构建和训练小波神经网络，以此来近似计算和进行预测。本文提出的遗传算法利用分级染色体对小波神经网络的结构和权值进行编码，遗传算法联合进化规则来构建和训练小波神经网络，同时对网络进行进化。最后用训练后得到的小波神经网络用于函数近似，体现小波神经网络良好的近似功能。
关键词 小波变换，小波神经网络，遗传算法，函数近似
Abstract
Wavelet Neural Network, WNN）The wavelet network has been introduced as a special feed-forward neural network supported by the wavelet theory,and has become a popular tool in the approximation algorithm,which combines the wavelet theory and feed-forward neural netword.. As two kinds of tools , genetic algorithms( GA )and artificial neural network get wide applications in many research areas,and there are many variation in thenselve. Genetic algorithms shows four elements of biologic evolution :
目 录
摘 要 I
Abstract II
第1章 绪论 1
1.1 课题背景 1
1.2 遗传算法的起源和发展 1
1.3 小波神经网络的起源和发展 2
1.4 遗传算法在神经网络中的应用 2
1.5本文的主要研究内容 3
第2章 遗传算法的相关理论 3
2.1引言 3
2.2遗传算法简介 4
2.3 遗传算法的基本原理与方法 5
2.3.1 编码 5
2.3.2 选择 6
2.3.3 交叉 8
2.3.4 变异 9
2.3.5 适应度函数 9
2.3.6 控制参数选择 10
2.4简单函数优化的实例 12
2.5本章小结 14
第3章 小波神经网络 15
3.1人工神经网络 15
3.1.1激活转移函数 15
3.1.2前向神经网络 16
3.2小波神经网络 16
3.2.1小波变换 17
3.2.2小波神经网络 18
3.2.3小波神经网络的构建和学习 19
3.3小波神经网络与常规神经网络的比较 22
3.4本章小结 22
第4章 基于遗传算法的小波网络的构建 23
4.1简介神经网络的训练 24
4.1.1网络联结权重的进化训练 24
4.1.2 网络结构的进化设计 24
4.2 层次染色体 25
4.3基于阶层染色体的遗传进化算法的设计 27
4.3.1设定初值 28
4.3.2 性能评估 28
4.3.3遗传算子 29
第5章 仿真过程和结果分析 31
5.1 函数逼近实验 31
5.2仿真结果和实验分析 32
结 论 34
参考文献 35
致谢 37
毕业设计（论文）成绩评定表 38
部分参考文献
1． Yao X. A review of evolutionary artificial neural networks[J]. International Journal of Intelligent Systems, 1993, 8: 539 ～ 567
2． Peter J A, etal. An evolutionary algorithm that constructs recurrent neural networks[J]. IEEE Trans Neural Networks, 1994, 5(1): 54～65
3． Koza J R, Rice J P. Genetic generation of both the weights and architure for a neural network. International Joint Conference on Neuralworks, IJCNN -91-Seattle, 1991: 397～404
4．王小平，曹立明.遗传算法——理论、应用与软件实现.西安.西安交通大学出版社，2002.2,10～14、87～95
5．王洪元，史国栋.人工神经网络技术及其应用.北京.中国石化出版社.2002.10，71～91
本文共计44页，17921字；
摘 要
小波变换具有时域局部特性和变焦特性，而神经网络具有自学习、自适应、鲁棒性、容错性和推广能力。把两者的优势结合起来形成了小波网络（Wavelet Neural Network, WNN）。小波神经网络是由小波理论支持的一种特殊的前向控制神经网络，兼有小波变换和神经网络两者的优势，是近似计算和预测领域广泛流行的工具。遗传算法和人工神经网络作为两个工具在众多的研究领域得到了广泛的应用，遗传算法和神经网络本身也得到很大发展。遗传算法体现了生物进化中的四个要素，即繁殖、变异、竞争和自然选择。在本篇论文，用遗传算法来构建和训练小波神经网络，以此来近似计算和进行预测。本文提出的遗传算法利用分级染色体对小波神经网络的结构和权值进行编码，遗传算法联合进化规则来构建和训练小波神经网络，同时对网络进行进化。最后用训练后得到的小波神经网络用于函数近似，体现小波神经网络良好的近似功能。
关键词 小波变换，小波神经网络，遗传算法，函数近似
Abstract
Wavelet Neural Network, WNN）The wavelet network has been introduced as a special feed-forward neural network supported by the wavelet theory,and has become a popular tool in the approximation algorithm,which combines the wavelet theory and feed-forward neural netword.. As two kinds of tools , genetic algorithms( GA )and artificial neural network get wide applications in many research areas,and there are many variation in thenselve. Genetic algorithms shows four elements of biologic evolution :
目 录
摘 要 I
Abstract II
第1章 绪论 1
1.1 课题背景 1
1.2 遗传算法的起源和发展 1
1.3 小波神经网络的起源和发展 2
1.4 遗传算法在神经网络中的应用 2
1.5本文的主要研究内容 3
第2章 遗传算法的相关理论 3
2.1引言 3
2.2遗传算法简介 4
2.3 遗传算法的基本原理与方法 5
2.3.1 编码 5
2.3.2 选择 6
2.3.3 交叉 8
2.3.4 变异 9
2.3.5 适应度函数 9
2.3.6 控制参数选择 10
2.4简单函数优化的实例 12
2.5本章小结 14
第3章 小波神经网络 15
3.1人工神经网络 15
3.1.1激活转移函数 15
3.1.2前向神经网络 16
3.2小波神经网络 16
3.2.1小波变换 17
3.2.2小波神经网络 18
3.2.3小波神经网络的构建和学习 19
3.3小波神经网络与常规神经网络的比较 22
3.4本章小结 22
第4章 基于遗传算法的小波网络的构建 23
4.1简介神经网络的训练 24
4.1.1网络联结权重的进化训练 24
4.1.2 网络结构的进化设计 24
4.2 层次染色体 25
4.3基于阶层染色体的遗传进化算法的设计 27
4.3.1设定初值 28
4.3.2 性能评估 28
4.3.3遗传算子 29
第5章 仿真过程和结果分析 31
5.1 函数逼近实验 31
5.2仿真结果和实验分析 32
结 论 34
参考文献 35
致谢 37
毕业设计（论文）成绩评定表 38
部分参考文献
1． Yao X. A review of evolutionary artificial neural networks[J]. International Journal of Intelligent Systems, 1993, 8: 539 ～ 567
2． Peter J A, etal. An evolutionary algorithm that constructs recurrent neural networks[J]. IEEE Trans Neural Networks, 1994, 5(1): 54～65
3． Koza J R, Rice J P. Genetic generation of both the weights and architure for a neural network. International Joint Conference on Neuralworks, IJCNN -91-Seattle, 1991: 397～404
4．王小平，曹立明.遗传算法——理论、应用与软件实现.西安.西安交通大学出版社，2002.2,10～14、87～95
5．王洪元，史国栋.人工神经网络技术及其应用.北京.中国石化出版社.2002.10，71～91
