导读:本文包含了遗传算优化神经网络论文开题报告文献综述及选题提纲参考文献，主要关键词:公路隧道,电力线载波,照明系统,节能
遗传算优化神经网络论文文献综述
李斌,胡芳,张朋,董威,邵强[1]（2019）在《基于改进遗传算法优化神经网络的隧道照明控制系统研究》一文中研究指出针对传统的公路隧道照明中存在的节能效果和调光准确效果均不足,给出了一种基于改进遗传算法优化神经网络的隧道照明控制方案,在实现准确调光的同时,改善了隧道照明控制系统的照明节能效果。通过传感器实时采集隧道外部部环境的亮度、行驶车辆的车流量和车速信息,实时准确调节隧道的照明亮度。采用电力线载波通信技术实现照明灯具的控制,减少系统布线难度。仿真结果表明,改进遗传算法优化神经网络算法的均方误差较神经网络算法提高了29.1%,算法仿真时间减少了63.7%,有效的提高了照明调光准确性。最后通过实验证明在隧道照明中使用该算法实现节能效果。(本文来源于《电子设计工程》期刊2019年23期）
李彬,张云,王立平,李学昆[2]（2019）在《基于遗传算法优化小波神经网络数控机床热误差建模》一文中研究指出数控机床的热误差已经成为影响其加工精度的一个关键因素,为最大限度提高数控机床热误差补偿的精度和效率,结合遗传算法自适应全局优化搜索能力和小波神经网络良好的时频局部特性的优点,提出一种基于遗传算法优化小波神经网络的机床热误差补偿模型。以某型号五轴摆动卧式加工中心为试验对象,以机床温度变量和热误差为数据输入样本,建立小波神经网络模型热误差预测模型,然后用遗传算法优化小波神经网络权值、阈值,最终建立热误差预测模型。通过与传统人工神经网络和普通小波神经网络进行对比分析及试验论证表明,该补偿模型具有精度高、抗扰动能力和鲁棒性强等优点,有望在实际加工场合的数控机床的热误差预测和补偿研究中得到更大的推广应用。(本文来源于《机械工程学报》期刊2019年21期）
王蒙,王斌,王飞[3]（2019）在《基于遗传优化BP神经网络的尾矿库边坡稳定性预测》一文中研究指出针对BP神经网络具有收敛速度慢以及极值容易陷入局部最小的劣势,提出使用遗传算法对BP神经网络进行改进,优化BP神经网络的权值和阈值,并将改进的算法应用于尾矿库边坡稳定性预测中.算例仿真结果表明,所提算法对尾矿库边坡稳定性预测具有较高的精确度.(本文来源于《赤峰学院学报(自然科学版)》期刊2019年11期）
邵孟良,于颖敏[4]（2019）在《基于遗传算法的BP神经网络气液两相流持液率预测模型优化》一文中研究指出基于遗传算法(Genetic Algorithm,GA)对BP(Back Propagation)神经网络模型的初始阈值及权值进行优化,弥补了单一BP网络模型预测气液两相流持液率时收敛速度慢随机性大等问题。为了对优化后的BP网络模型进行可行性验证,以倾斜管道为研究对象,对倾斜管道内气液两相流的持液率进行预测,并与前人获得的预测结果进行对比。结果显示:基于GA优化后的BP神经网络模型预测倾斜管道内气液两相流的持液率精度较高,且收敛速度较快。通过与倾斜管道气液两相流持液率的实际值对比得出,与传统的持液率预测公式相比,优化后的BP神经网络模型预测结果与实际值偏差较小,验证了本文优化模型的准确性及可行性。(本文来源于《西安石油大学学报(自然科学版)》期刊2019年06期）
王晓晖,刘月刚,孟婥,孙以泽[5]（2019）在《基于遗传算法和神经网络的3D增材印花工艺参数优化》一文中研究指出针对3D增材印花工艺中刮刀压力、刮印速度、刮刀角度和油墨黏度等参数的组合对印花质量存在较大影响,但实际生产中各工艺参数组合无法实现最优这一问题,利用附加动量法改进下的BP神经网络构建3D增材印花工艺模型,通过实验参数对模型进行训练,确定工艺参数和印花质量间的非线性关系。利用遗传算法对该非线性函数进行极值寻优,从而得到3D增材印花工艺的最优参数组合:印花压力为4 800N,刮印角度为18°,刮印速度为400 mm/s,油墨黏度为170.5 Pa·s,该模型预测误差基本稳定在0.01范围之内。利用优化前后的参数进行对比实验,结果证明该算法可以实现3D增材印花工艺的质量预测和参数寻优,从而提升印花质量,缩短产品开发时间。(本文来源于《纺织学报》期刊2019年11期）
康彩丽[6]（2019）在《遗传算法优化BP神经网络非线性函数拟合的研究》一文中研究指出在人工神经网络中,BP(Back Propagation)神经网络占有重要席位,它具有很多优点,但也有很多缺陷。而遗传算法(GA)是使用运算对个体进行"优胜劣汰"的一种算法,用GA优化BP网络,取长补短。论文建立了BP网络模型,研究了对BP网络的优化,根据GA的特点,在MATLAB环境下,选取合适的网络结构对BP网络非线性函数进行仿真模拟和预测。从训练的结果可以看出,BP网络经GA优化后显然比未优化前的拟合效果更好。同时论文实现了粒子群(PSO)算法优化BP网络,并与GA作对比,从实验结果分析比较得知,BP网络经两种算法优化后拟合效果都明显变好,且GA比PSO算法优化的结果更准确。(本文来源于《忻州师范学院学报》期刊2019年05期）
闫鹏洋,王利宁,郭培文,刘涛[7]（2019）在《基于组合赋权的遗传算法优化BP神经网络岩爆预测研究》一文中研究指出针对岩爆倾向性预测的复杂问题,选取隧洞应力系数、脆性系数及围岩冲击倾向指数为评价指标,利用组合赋权法确定指标的权重,结合遗传算法和BP神经网络,建立了基于组合赋权的遗传算法优化BP神经网络的预测模型。利用岩爆实例数据对建立的模型进行测试,测试结果具有良好的准确度,验证了该模型的可行性及有效性。(本文来源于《广东土木与建筑》期刊2019年10期）
闫春,厉美璇,周潇[8]（2019）在《基于改进的遗传算法优化BP神经网络的车险欺诈识别模型》一文中研究指出为了提高BP神经网络在保险欺诈识别中的准确率,利用改进的遗传算法优化BP神经网络初始权重,以克服BP神经网络容易陷入局部极小点、收敛速度慢以及样本依赖性等问题的缺点。改进的遗传算法充分考虑了遗传算法中种群适应度的集中分散程度,并且非线性地自适应调节遗传算法的交叉概率与变异概率。同时为了加快寻优效率,将排序选择策略与最优保存策略相结合。以某保险公司汽车保险历史索赔数据为样本,采用该算法进行模拟和预测。实证结果表明:相比于IAGA-BP、GA-BP、BP叁种算法,该识别算法在识别准确率上有很大提高。(本文来源于《山东科技大学学报(自然科学版)》期刊2019年05期）
章熙,郭翔,余云昊,陈佳捷,王金贺[9]（2019）在《一种基于遗传算法优化BP神经网络的电网故障诊断方法》一文中研究指出提出了一种基于遗传算法优化BP神经网络的电网故障诊断方法,利用神经网络的非线性问题处理能力进行故障诊断。针对BP神经网络在运算过程中易陷入局部极小的问题,结合遗传算法计算网络参数初始值,寻找最优的隐含层节点数,对网络进行优化。结合实例验证,该方法相对于传统BP神经网络在解决电网故障诊断问题上,收敛速度和准确率都有所提升。(本文来源于《科技创新与应用》期刊2019年29期）
温海骏,孟小玲,许向川,曾艾婧[10]（2019）在《基于神经网络和遗传算法的激光熔覆工艺参数多目标优化》一文中研究指出为了提高再制造工件的激光熔覆层的综合质量,选取激光功率,送粉量,扫描速度为优化变量,熔覆层的宽高比、稀释率、粉末收集率作为优化目标,基于综合加权法与层次分析法将3个优化目标转化为综合质量目标,设计全因子试验,利用MATLAB软件基于试验结果建立BP神经网络预测模型,通过遗传算法确定使综合质量达到最佳的工艺参数组合。研究结果证明,装备工件再制造激光熔覆的最优工艺参数组合为:激光功率3.0 kW,送粉量47 g/min,扫描速度5.5 mm/s。(本文来源于《应用激光》期刊2019年05期）
遗传算优化神经网络论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
数控机床的热误差已经成为影响其加工精度的一个关键因素,为最大限度提高数控机床热误差补偿的精度和效率,结合遗传算法自适应全局优化搜索能力和小波神经网络良好的时频局部特性的优点,提出一种基于遗传算法优化小波神经网络的机床热误差补偿模型。以某型号五轴摆动卧式加工中心为试验对象,以机床温度变量和热误差为数据输入样本,建立小波神经网络模型热误差预测模型,然后用遗传算法优化小波神经网络权值、阈值,最终建立热误差预测模型。通过与传统人工神经网络和普通小波神经网络进行对比分析及试验论证表明,该补偿模型具有精度高、抗扰动能力和鲁棒性强等优点,有望在实际加工场合的数控机床的热误差预测和补偿研究中得到更大的推广应用。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
遗传算优化神经网络论文参考文献
[1].李斌,胡芳,张朋,董威,邵强.基于改进遗传算法优化神经网络的隧道照明控制系统研究[J].电子设计工程.2019
[2].李彬,张云,王立平,李学昆.基于遗传算法优化小波神经网络数控机床热误差建模[J].机械工程学报.2019
[3].王蒙,王斌,王飞.基于遗传优化BP神经网络的尾矿库边坡稳定性预测[J].赤峰学院学报(自然科学版).2019
[4].邵孟良,于颖敏.基于遗传算法的BP神经网络气液两相流持液率预测模型优化[J].西安石油大学学报(自然科学版).2019
[5].王晓晖,刘月刚,孟婥,孙以泽.基于遗传算法和神经网络的3D增材印花工艺参数优化[J].纺织学报.2019
[6].康彩丽.遗传算法优化BP神经网络非线性函数拟合的研究[J].忻州师范学院学报.2019
[7].闫鹏洋,王利宁,郭培文,刘涛.基于组合赋权的遗传算法优化BP神经网络岩爆预测研究[J].广东土木与建筑.2019
[8].闫春,厉美璇,周潇.基于改进的遗传算法优化BP神经网络的车险欺诈识别模型[J].山东科技大学学报(自然科学版).2019
[9].章熙,郭翔,余云昊,陈佳捷,王金贺.一种基于遗传算法优化BP神经网络的电网故障诊断方法[J].科技创新与应用.2019
[10].温海骏,孟小玲,许向川,曾艾婧.基于神经网络和遗传算法的激光熔覆工艺参数多目标优化[J].应用激光.2019