GA-CCA混合优化算法及其在神经网络应用中的研究

《GA-CCA混合优化算法及其在神经网络应用中的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、中山大学硕士学位论文GA-CCA混合优化算法及其在神经网络应用中的研究姓名：刘文谊申请学位级别：硕士专业：检测技术与自动化装置指导教师：李晓东20060606GA-CGA混合优化算法及其在神经网络应用中的研究专业：检测技术与自动化装置硕士生：刘文谊指导教师：李晓东副教授摘要当前，计算智能算法作为人工神经网络、模糊系统和进化计算三种算法的融合，被越来越多的学者研究，成为人工智能的一个新的研究领域。为了进一步扩展计算智能算法的性能，在深入分析的基础上，本文首先介绍一种传统的优化算法——共轭梯度法(Conj

2、ugateGradientAlgorithIn，简称CGA)，并且对该算法进行改进，然后对计算智能算法之一——遗传算法(GeneticAlgorithm，简称GA)进行改进，最后将改进GA和改进CGA有机结合，提出了一种新型的GA—cGA混合优化算法。为了验证该GA—CGA混合优化算法具有良好的优化性能，本文将该混合优化算法用于神经网络的权值训练。另外，为了进一步验证cA—cGA混合优化算法在神经网络的应用领域内同样具有良好的性能，本文将其用于系统辨识及盲信号分离中神经网络模型的训练，取得了理想的训练

3、效果，达到了优化的目的，为计算智能算法的应用研究提供了一种新途径。关键词：GA算法，cGA算法，GA—CGA混合优化算法，盲信号分离，系统辨识HybridGA—CGAOptimizationAlgorithmandresearchofItsApplicationinNeuralNetworkMajorNameSupervisorDetectionTechnologyandAutomationDeviceWenjYiLiuAssociateProfessor,Xiao-dongLiABSTRACTNow

4、adays，ComputingIntelligence(CI)hasbeenstudiedbymoreandmoreresearchers．AsacombinationofArtificialNeuralNetwork、FuzzysystemandEvolutionmyComputaEon，CIisanewscientificapproachwiththedevelopmentofArtificialIntelligence．InordertofurtherfacilitatetheOD6mizing

5、ofCI，thisthesisproposesanimpmvedConjugateGradientAlgorithm(CGA)，basedonanin-depthanalysistooriginalstandardCGA。Then，animprovedGeneticAlgorithm(GA)asakindofCIisproposed。Finally,annovelhybridGACGAalgorithmispresentedbyorganicallycombiningthen鲫impmvedCGAan

6、dthenewimpmvedGA．TovalidatetheperformanceoftheproposedhybridGA—CGAalgorithm．thealgorithmisappliedtothetrainingofArtificialNeuralNetwork。Moreover，thisthesisinvesagatestheapplicationsoftheArtificialNeuralnetworkbasedonthepreposedhybridGACGA，suchasblindsig

7、nalseparation，systemidentificationetc．Goodopnmizedperformancesarealsoobtained．Therefore，ThehybridGA_CGAalgorithmprovidesanewdimensionforresearchofCIalgorithm-KeyWords：GeneticAlgorithm(GA)，ConjugateGradientAlgorithm(CGA)，HybridGA-CGAAlgonthm．BlindSignalS

8、eparation，Systemidentification．II—中山火学硕L学位论文第1章引言1．1论文研究的意义和目的1994年，关于人工神经网络、进化计算及模糊系统的3个IEEE国际学术组织在美国奥兰多联合举行了首届计算智能世界大会，原本属于3个不同学科的学者们聚集在一起，提出了计算智能⋯的概念。按照JamesC．Bezdek的观点，计算智能系统”即：“当一个系统仅仅处理底层的数据，具有模式识别的部分，并且不使用人工智能意义中的知识，那么这个系统