- 在线时间
- 1265 小时
- 最后登录
- 2025-6-21
- 注册时间
- 2022-2-27
- 听众数
- 33
- 收听数
- 0
- 能力
- 90 分
- 体力
- 171113 点
- 威望
- 9 点
- 阅读权限
- 255
- 积分
- 54461
- 相册
- 0
- 日志
- 0
- 记录
- 0
- 帖子
- 1808
- 主题
- 1193
- 精华
- 33
- 分享
- 0
- 好友
- 33
TA的每日心情 | 奋斗 2025-6-5 16:04 |
---|
签到天数: 612 天 [LV.9]以坛为家II 网络挑战赛参赛者 - 自我介绍
- 我是普大帝,拼搏奋进,一往无前。
 |
摘 要 :比较了遗传算法与神经网络的特点 并对将遗传算法用于前向神经网络的可能性进行了研究 同时阐明了遗传算法和神经网络结合的必要性 提出了一种融合遗传算法的神经网络控制方法 该方法采用多层前向神经网络作为遗传搜索表示方式的思想 以神经网络为基础 用遗传算法来学习神经网络的权系数 既保留了遗传算法的强全局随机搜索能力 又具有神经网络的鲁棒性和自学习能力 将遗传算法和神经网络相结合 分析了遗传算法基本参数及神经网络结构隐层和输出层节点非线性函数的选择 设计了用遗传算法学习神经网络权系数的软件实现方法成功地实现了机械手逆运动学求解问题及倒立摆的控制 仿真结果显示了遗传算法快速学习神经网络权系数的能力 并且能够有效抑制遗传算法初期收敛的发生 有效地提高了多层前向神经网络权系数的学习效率与收敛精度 确保了快速达到全局收敛 克服了多层前向神经网络传统的 BP 学习算法精度低 收敛速度慢 容易陷入局部极小的缺陷 表明了该方法的可行性与有效性 。
9 B' I9 i8 p4 J8 e$ @% b关键词 遗传算法 神经网络 非线性控制 适应度函数
! ^+ E: d: P8 O* |6 R# H- O- ~* A. i- D6 ~1 b
6 l4 r2 R) ~0 B1 M/ V, A* u5 S" Q9 t
6 U$ K! @" ?! F& [! _
1 d: C- V0 ? _0 X8 l: U
% D5 }7 m& Q" b+ b5 `+ i
|
zan
|