导读:本文包含了遗传进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:遗传算法,进化小波神经网络,电力变压器,故障诊断
遗传进化神经网络论文文献综述
张超,郑晓琼,王娣,石玮佳[1]（2019）在《基于遗传算法进化小波神经网络的电力变压器故障诊断研究》一文中研究指出针对电力变压器故障诊断这一问题,小波神经网络常用的反向传播算法存在着易陷入局部极小点和对初值要求较高的缺点,往往给故障诊断带来困难。因此,基于遗传算法进化小波神经网络的电力变压器故障诊断方法研究,构建了基于小波神经网络故障诊断方法,利用遗传算法来进行优化,针对性的神经网络权值问题,使网络性能得到改善。在整个学习过程中,网络的复杂度、收敛性和泛化能力得到了较好的综合。最后通过MATLAB软件的平台来实现编写程序图形,搭建神经网络模拟电路故障诊断的系统界面,实现诊断过程的可视化及操作简易化。最后通过实例证明该方法能有效地对电力变压器单故障和多故障样本进行分类,提高了诊断准确率。(本文来源于《自动化与仪器仪表》期刊2019年10期）
姚卫粉,许峰[2]（2014）在《基于协同进化遗传算法的SOFM神经网络及其应用》一文中研究指出针对遗传算法优化SOFM神经网络的不足,提出利用合作型协同进化遗传算法实现SOFM神经网络优化的方法。其基本思想是:针对SOFM神经网络中存在的"死神经元"现象,在SOFM神经网络中引入全局搜索能力很强的合作型协同进化遗传算法,这样既解决了分类结果对样本输入顺序的过分依赖,又实现了SOFM神经网络在竞争过程中的全局最优性。将新算法用于矿井突水水源判定问题,结果表明,该算法具有较好的全局收敛性,且可在很大程度上避免"死神经元"现象。(本文来源于《软件导刊》期刊2014年12期）
丁红,董文永,李湘晖,李培冀[3]（2014）在《基于遗传退火算法进化神经网络的水位预测》一文中研究指出为获得更准确的预测结果及更优良的预测性能,本文提出了一个新模型.该模型将遗传算法和退火相结合并进化BP神经网络,称为GASANN模型.通过预测中国广西柳江年水位数据,将新模型的性能与加权移动平均(WMA)、逐步回归(SR)以及自回归移动平均(ARIMA)进行比较,结果显示新模型性能优于其他模型.因此,该非线性模型可作为获取准确水位预测及改善水位预测性能的可选模型之一.(本文来源于《柳州师专学报》期刊2014年02期）
马坚[4]（2012）在《基于遗传算法及其改进的进化神经网络算法》一文中研究指出提出一种基于改进遗传算法的彻底进化神经网络算法,并且命名为IGA-BP算法。在IGA-BP算法中,首先用遗传算法来全面解决和设计神经网络中的结构以及所有训练参数,然后用训练的样本来找到最优解。该网络的缺点是,他的结构和神经训练参数是随机的,或由一个人的经验来解决的。IGA-BP算法可以用于电力变压器故障的诊断。在神经网络的基础上可以建立电力变压器故障诊断的模型。的例证结果表明,该算法在速度的收敛精度方面优于传统的BP算法。可以用该算法实现对电力变压器故障的快速且准确的判断。(本文来源于《硅谷》期刊2012年04期）
尤一帆[5]（2011）在《遗传进化神经网络算法在分类问题中的设计和研究》一文中研究指出分类是通过训练数据集找出类别的概念描述,根据概念描述建立分类模型,从而使用该模型来分类同种数据。目前常见的分类方法有神经网络方法、贝叶斯网络、粗糙集、模糊集和支持向量机等。神经网络方法在分类问题中有着广泛的应用,但是如何为具体问题选择合适的网络结构和设定好的网络参数一直是神经网络悬而未决的问题。近年来,遗传算法结合神经网络的研究越来越多。人们希望通过结合遗传算法和神经网络能够充分地利用两者优点,寻找出一种有效解决问题的方法。现在用于分类问题的遗传进化神经网络算法一般都是将进化结构和进化网络权值分开处理或者只进化网络权值,而同时进化结构和网络权值的少之又少。扩张拓扑的神经进化算法(NEAT)是一种同时进化结构和进化网络权值的遗传进化神经网络算法,它能够有效的解决未监督问题,却不适用于分类问题。本文首先对NEAT算法进行初步改进,并引入BP学习算法,让它进化叁层前向网络,通过实验验证它的有效性。然后,进一步引入自适应的特性和选择改进的BP算法-Levenberg-Marquardt BP算法(LMBP算法)作为学习算法,提出了用于分类问题的能够同时进化结构和进化网络权值的遗传进化神经网络算法-自适应LMBP-NEAT算法(ALMBP-NEAT),通过实验验证了它的有效性,并与一般的混合遗传进化神经网络算法进行比较,并验证了它具有进化出用于分类的神经网络的能力。最后,本文将它应用于处理手写数字识别和语音识别上,在手写数字识别实验中,ALMBP-NEAT算法进化出具有比较好的识别能力的神经网络,而在语音识别上,本算法的效果就不尽如人意。通过这两个实验,虽然ALMBP-NEAT算法具有一定的有效性,但是也存在诸多需要改进的地方,为笔者将来进一步改进算法提供了许多可能性的出路。(本文来源于《浙江大学》期刊2011-01-05）
张璐璐[6]（2009）在《基于遗传进化神经网络的人民币号码识别方法研究》一文中研究指出人民币纸币号码是综合了印刷体英文字符和数字的字符串,作为法定货币人民币的标识,具有唯一性。现阶段字符识别技术虽然已经提出了一系列的理论及方法,但是不同的行业对于字符识别有着不同的需求。本文针对金融领域的清分机,研究了人民币纸币号码的识别方法,更进一步地探讨了字符识别方法的设计与实现。本文首先对纸币图像进行滤波、二值化、倾斜矫正、定位、分割、归一化等方法完成图像的预处理工作,得到从字符串中切分出的字母和数字,作为最基本的识别单位。然后研究了人工神经网络和遗传算法原理,针对BP算法存在的收敛速度慢,容易陷入局部极小值等技术缺陷,提出了基于遗传进化BP网络的混合训练算法模型。此算法研究了遗传算法的选择、交叉、变异等机制,得到了最优个体,优化BP神经网络的初始权值和阈值,并采用BP网络进行识别训练。此算法充分结合了遗传算法的全局搜索能力和BP算法较强的局部搜索能力。经试验结果表明,该方法有效解决了BP网络初值不合理,极易陷入局部极小以致网络不收敛的问题,网络收敛速度得到明显提高。本文所研究的基于遗传进化神经网络的人民币号码识别算法,有效地提高了纸币号码识别的准确度及识别速度,为号码识别提供了新的方法和手段。(本文来源于《吉林大学》期刊2009-05-01）
潘翀,陈伟根,云玉新,杜林,孙才新[7]（2007）在《基于遗传算法进化小波神经网络的电力变压器故障诊断》一文中研究指出在电力变压器故障诊断方法中,小波神经网络常用的反向传播算法存在着易陷入局部极小点和对初值要求较高的缺点,往往给故障诊断带来困难。文中提出了一种基于遗传算法进化小波神经网络的变压器故障诊断方法,用实数编码的遗传算法来代替人解决小波神经网络结构的选择和参数的设定。在整个学习过程中,网络的复杂度、收敛性和泛化能力得到了较好的综合。大量实例表明,该方法能有效地对电力变压器单故障和多故障样本进行分类,提高了诊断准确率。(本文来源于《电力系统自动化》期刊2007年13期）
刘志伟[8]（2007）在《遗传进化型神经网络体系结构研究》一文中研究指出进化型神经网络(EANN)是进化算法与神经网络的结合。进化型神经网络已经越来越受到人们的关注，该领域的研究非常活跃，已经取得了很多有价值的结论和结果，并在工程上已经有一些成功的应用实例，这为进化型神经网络更为广泛深入的应用带来了充满希望的前景。本文首先介绍了遗传算法、神经网络技术的发展历程、理论基础和应用领域。接着重点介绍了遗传神经网络，在其中详细地介绍了遗传神经网络研究的关键技术和编码方法，并介绍了遗传BP神经网络及其在鼠标手势识别中的应用。然后介绍了目前一些进化型神经网络中存在的一些问题，并从结构功能映射问题，杂交时破坏父代的结构功能创新问题，如何使网络的拓扑尽可能小等问题探讨了可能的解决方法，综合这些问题的解决方法，给出了一种新型进化神经网络体系结构的方法，这种方法有效地避免了上面提到的叁种问题。通过试验证实了其良好的效果。通过基于节点的编码来描述网络的结构和连接权值。当创建新的节点和链接时，它借助于所产生的历史数据，来消除结构功能映射的问题。采取小生境策略来保持群体的多样性，并且利用显式适应性共享技术，通过计算个体表现型之间的欧氏距离来确定种群。通过保持群体的多样性有效的防止了进化的早熟。从没有隐藏层的最简单的拓扑开始，拓扑的扩大通过结构化变异来实现。通过这种方式，可以保持网络尺寸尽可能小。基于前面的研究结果，本文通过基于这种方法的机器人避免碰撞路径规划试验证实了这种构造神经网络体系结构的良好效果。(本文来源于《合肥工业大学》期刊2007-05-01）
罗兵,章云,黄红梅[9]（2007）在《基于协同进化遗传算法的神经网络优化》一文中研究指出人工神经网络的结构设计没有系统的规律可循,而基于梯度的神经网络参数优化又易于陷入局部最优解。该文研究了用带退化的协同进化遗传算法来优化神经网络结构,同时优化网络参数。将网络参数作为实数编码基因进行遗传选择,参数个体的受损率超过退化阈值时发生结构退化。退化进程由协同进化的控制个体动态控制。实验证明,该方案能够有效简化神经网络的结构和得到最优网络参数,收敛速度比常规遗传算法快。(本文来源于《计算机工程与设计》期刊2007年03期）
李影,徐涛,邢伟[10]（2006）在《基于进化遗传算法的神经网络优化》一文中研究指出遗传算法能有效解决神经网络优化设计存在的问题,但古典的遗传算法有一定的弊端。本文对遗传算法的操作算子进行改进,对结点和连接权采用两种不同的交叉规则,使子代结点个数在两父代之间,而子代个体的权值在较好的父代个体两侧;并增加一个变异概率,增大网络的结构进行突变的几率,这样既加快了搜索进程,在精度上也收到了很好的效果。(本文来源于《长春理工大学学报》期刊2006年03期）
遗传进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：
针对遗传算法优化SOFM神经网络的不足,提出利用合作型协同进化遗传算法实现SOFM神经网络优化的方法。其基本思想是:针对SOFM神经网络中存在的"死神经元"现象,在SOFM神经网络中引入全局搜索能力很强的合作型协同进化遗传算法,这样既解决了分类结果对样本输入顺序的过分依赖,又实现了SOFM神经网络在竞争过程中的全局最优性。将新算法用于矿井突水水源判定问题,结果表明,该算法具有较好的全局收敛性,且可在很大程度上避免"死神经元"现象。
（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。
遗传进化神经网络论文参考文献
[1].张超,郑晓琼,王娣,石玮佳.基于遗传算法进化小波神经网络的电力变压器故障诊断研究[J].自动化与仪器仪表.2019
[2].姚卫粉,许峰.基于协同进化遗传算法的SOFM神经网络及其应用[J].软件导刊.2014
[3].丁红,董文永,李湘晖,李培冀.基于遗传退火算法进化神经网络的水位预测[J].柳州师专学报.2014
[4].马坚.基于遗传算法及其改进的进化神经网络算法[J].硅谷.2012
[5].尤一帆.遗传进化神经网络算法在分类问题中的设计和研究[D].浙江大学.2011
[6].张璐璐.基于遗传进化神经网络的人民币号码识别方法研究[D].吉林大学.2009
[7].潘翀,陈伟根,云玉新,杜林,孙才新.基于遗传算法进化小波神经网络的电力变压器故障诊断[J].电力系统自动化.2007
[8].刘志伟.遗传进化型神经网络体系结构研究[D].合肥工业大学.2007
[9].罗兵,章云,黄红梅.基于协同进化遗传算法的神经网络优化[J].计算机工程与设计.2007
[10].李影,徐涛,邢伟.基于进化遗传算法的神经网络优化[J].长春理工大学学报.2006