导读:本文包含了进化学习论文开题报告文献综述及选题提纲参考文献，主要关键词:思维进化算法,极限学习机,滚动轴承,故障诊断
进化学习论文文献综述
马丽华,朱春梅,赵西伟,覃绘桥[1]（2019）在《基于思维进化优化极限学习机的滚动轴承故障的智能诊断》一文中研究指出为了解决传统极限学习机随机产生的输入权值和阈值对故障诊断的准确率有较大影响的问题,提出了一种利用思维进化算法(mind evolutionary algorithm,MEA)来优化极限学习机(extreme learning machine,ELM)的智能诊断方法。MEA-ELM方法首先将ELM的权值w和阈值b编码成MEA算法个体,产生初始种群,然后通过趋同和异化操作完成种群间的竞争产生优胜种群,整个迭代过程中不断优化极限学习机的初始权值和阈值,最后获得最优个体,对最优个体解码获得隐含层的最优输入权值w和阈值b。将建立的MEA-ELM故障诊断模型应用于滚动轴承的故障诊断中,并分别与传统极限学习机故障诊断模型以及BP神经网络模型的实验结果进行对比,结果表明,经过MEA优化后的ELM不但保持了分类速度快的特点,而且有效提高了诊断的准确率,证明所提出的方法具有良好的可行性和有效性。(本文来源于《制造技术与机床》期刊2019年11期）
吴文海,郭晓峰,周思羽,刘锦涛[2]（2019）在《基于广义反向学习的自适应约束差分进化算法》一文中研究指出差分进化算法是一种基于"贪婪竞争"机制的全局寻优算法,其控制参量少、结构简单,具有较高的可靠性和收敛性,将约束处理机制引入到差分进化算法可以高效解决约束优化问题。提出一种基于广义反向学习的自适应约束差分进化算法,利用广义反向学习机制生成初始种群并执行种群"代跳"操作,采用自适应权衡模型将约束区分状态处理以及改进自适应变异操作对个体进行排序变异。通过与CDE、DDE、A-DDE、εDE以及DPDE算法进行试验比较以及对广义反向学习和改进自适应排序操作性能分析证明该算法具有较好的寻优精度及收敛速度。(本文来源于《西北工业大学学报》期刊2019年05期）
刘琴,黄燕,李艳红[3]（2019）在《高中生生物学习难点调查——以“遗传与进化”模块为例》一文中研究指出文章首先以广安市武胜中学高二学生A班、B班和C班叁个层次及一些教师为对象进行调查,分析了"遗传与进化"学习难点情况,然后针对性地提出了教学对策,包括深入钻研教材,立足学生认知规律;运用多样教学策略,灵活施展教学方法;培养学习兴趣,适时加以鼓励;及时复习巩固,归纳总结规律。(本文来源于《西部素质教育》期刊2019年18期）
杨宁[4]（2019）在《课堂学习的进化观》一文中研究指出长期以来,在传统教育心理学的研究中,标准社会科学模型和行为主义占有支配地位,学习的生物学因素没有得到应有的重视。即使二十世纪六十年代认知革命产生后,支配认知和学习研究的取向从外部转向内部,但还是干巴巴的信息加工模型,计算机隐喻主宰着认知研究,学习的生物学解释仍然没有得到关注。二十世纪后期教育心理学领域兴起的另一个取向——社会文化历史理论或活动理论,也并不关注学习的生物学解释。进化教育心理学聚焦进化形成的社会和认知偏好与儿童在学校中学习的动机和能力之间的关系,为我们理解课堂学习提供了一个富有解释力的框架,推进了几乎停滞的教育心理学研究。论文在评析标准社会科学模型并系统梳理进化教育心理学理论的基础上,对进化教育心理学之于学习的理解——生物初级学习和生物次级学习、朴素知识和天生的动机偏好及其对课堂教学的涵义作了初步探讨。(本文来源于《全球教育展望》期刊2019年08期）
刘莉[5]（2019）在《对生物进化的学习进阶研究》一文中研究指出学习进阶可以定义为围绕某一核心概念展开的从小学到高中连续的学习路径,一般表现为低层次到高层次的概念序列。1993年,美国颁布的《科学普及里程碑》一书中阐述了学生在1-12年级科学、技术等方面应达到的水平。2004年,史密斯等学者向美国国家研究理事会(简称NRC)正式提出学习进阶这个新名词。2012年,美国新一代科学教育标准的前期框架《K-12科学教育的框架:实践、交叉观念和核心概念》(A Framework for(本文来源于《黑龙江教育(中学)》期刊2019年Z2期）
董玲玲,顾彩燕[6]（2019）在《深入学习细胞结构，提升学生进化与适应观——以“细胞具有统一性与多样性”为例》一文中研究指出通过深入比较细胞结构的多样性与统一性,以细胞生物的进化历程为主线,采用任务驱动式教学,带领学生以小组为单位,进行合作学习,进而构建重要概念,并帮助学生提升进化与适应观。(本文来源于《中学生物学》期刊2019年07期）
刘彬,范瑞星,刘浩然,张力悦,王海羽[7]（2019）在《基于混合樽海鞘-差分进化算法的贝叶斯网络结构学习算法》一文中研究指出针对目前利用启发式算法学习贝叶斯网络结构易陷入局部最优、寻优效率低的问题,提出一种基于混合樽海鞘-差分进化算法的贝叶斯网络结构学习算法。该算法在种群划分阶段提出自适应的规模因子平衡局部搜索与全局搜索,在子种群更新阶段利用改进的变异算子与交叉算子构建樽海鞘搜索策略与差分搜索策略,更新不同的子种群,在合并子种群阶段利用两点变异算子增加种群多样性。由算法的收敛性分析可知,通过种群的迭代搜索可以找到最佳结构。实验结果表明,与其他算法相比,所提算法收敛精度与寻优效率均有提升。(本文来源于《通信学报》期刊2019年07期）
金怀平,黄思,王莉,陈祥光,潘贝[8]（2019）在《基于进化多目标优化的选择性集成学习软测量建模》一文中研究指出常规集成学习软测量方法忽略了输入变量选择的多样性,而且没有对基模型进行修剪,从而造成集成模型复杂度高、预测性能受限。为此,提出一种基于进化多目标优化(EMO)的选择性集成学习(SE)高斯过程回归(GPR)软测量建模方法,称为EMO-SEGPR。该方法融合输入特征扰动,通过结合bootstrapping随机重采样和偏互信息相关分析(PMI)构建多样性输入变量子集,并据此建立多样性GPR基模型。然后,基于EMO算法对GPR基模型进行集成修剪,从而获得一组集成规模较小、多样性和准确性较高的基模型。最后,引入集成学习策略实现GPR基模型的融合。将EMO-SEGPR方法应用于青霉素发酵过程和Tennessee Eastman化工过程,实验结果表明了该方法的有效性和优越性。(本文来源于《高校化学工程学报》期刊2019年03期）
张煜培,赵知劲,郑仕链[9]（2019）在《融合学习差分进化和粒子群优化算法的认知决策引擎》一文中研究指出为了提高认知无线电系统的参数决策速度和性能,提出一种融合粒子群和学习差分进化算法的认知无线电决策引擎(HPSO-BLDE)。首先,对学习差分进化算法引入自适应变异机制,使得每条染色体随个体适应度和平均适应度进行自适应变异,提高其局部寻优能力。然后,改进粒子群算法的学习因子,并加入扰动项,防止算法早熟;选用更合适的变换函数,将正反向速度转换为相同概率更新粒子位置,提高最优解的精度,从而提高粒子群算法的全局寻优能力。最后,在认知引擎模型中并行地运行改进的粒子群算法(IBPSO)和差分进化算法(IBLDE),每隔固定的迭代次数后,融合两种算法的最优个体信息,得到HPSO-BLDE算法,使IBPSO算法和IBLDE算法的种群兼具二者的优点,从而提高了最优解的求解精度并加快了收敛速度。多载波通信系统的参数决策仿真结果表明,IBPSO算法、IBLDE算法和HPSO-BLDE算法的性能优于已有的爬山遗传(HGA)算法、量子粒子群算法(BQPSO)和二进制学习差分进化算法(BLDE),其中HPSO-BLDE算法的性能最优。(本文来源于《计算机科学》期刊2019年06期）
王琪,张国华,陆凤祥,孙慧,卞翔[10]（2019）在《协同学习差分进化算法及在双转向机构优化中的应用》一文中研究指出根据齐次坐标变换法推导了双转向机构转向分析数学模型,然后采用差分进化(DE)算法求解该模型。针对基本DE算法可能出现早熟或收敛速度慢的问题,提出一种基于协同学习机制的差分进化(CLDE)算法。该算法采用两个子种群,每个子种群采用不同的变异策略,利用局部极值判断机制确定早熟收敛种群;针对早熟收敛种群,利用精英种群映射策略向精英种群进行映射学习,实现子种群间的信息交流;若不存在精英种群,则在自身种群内采用自适应高斯扰动策略实现自我调整。函数测试结果表明,CLDE优化精度更高、速度更快、稳定性更好。将该算法用于机构优化问题,结果表明,与基本DE算法、随机变异差分进化算法(RMDE)、多种群自适应差分进化算法(ADEMP)相比,CLDE的最优适应度值分别降低13. 83%、8. 33%和6. 25%,且表现出了较好的稳定性和收敛性。(本文来源于《科学技术与工程》期刊2019年15期）
进化学习论文开题报告
（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：
差分进化算法是一种基于"贪婪竞争"机制的全局寻优算法,其控制参量少、结构简单,具有较高的可靠性和收敛性,将约束处理机制引入到差分进化算法可以高效解决约束优化问题。提出一种基于广义反向学习的自适应约束差分进化算法,利用广义反向学习机制生成初始种群并执行种群"代跳"操作,采用自适应权衡模型将约束区分状态处理以及改进自适应变异操作对个体进行排序变异。通过与CDE、DDE、A-DDE、εDE以及DPDE算法进行试验比较以及对广义反向学习和改进自适应排序操作性能分析证明该算法具有较好的寻优精度及收敛速度。
（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。
进化学习论文参考文献
[1].马丽华,朱春梅,赵西伟,覃绘桥.基于思维进化优化极限学习机的滚动轴承故障的智能诊断[J].制造技术与机床.2019
[2].吴文海,郭晓峰,周思羽,刘锦涛.基于广义反向学习的自适应约束差分进化算法[J].西北工业大学学报.2019
[3].刘琴,黄燕,李艳红.高中生生物学习难点调查——以“遗传与进化”模块为例[J].西部素质教育.2019
[4].杨宁.课堂学习的进化观[J].全球教育展望.2019
[5].刘莉.对生物进化的学习进阶研究[J].黑龙江教育(中学).2019
[6].董玲玲,顾彩燕.深入学习细胞结构，提升学生进化与适应观——以“细胞具有统一性与多样性”为例[J].中学生物学.2019
[7].刘彬,范瑞星,刘浩然,张力悦,王海羽.基于混合樽海鞘-差分进化算法的贝叶斯网络结构学习算法[J].通信学报.2019
[8].金怀平,黄思,王莉,陈祥光,潘贝.基于进化多目标优化的选择性集成学习软测量建模[J].高校化学工程学报.2019
[9].张煜培,赵知劲,郑仕链.融合学习差分进化和粒子群优化算法的认知决策引擎[J].计算机科学.2019
[10].王琪,张国华,陆凤祥,孙慧,卞翔.协同学习差分进化算法及在双转向机构优化中的应用[J].科学技术与工程.2019