化学反应工程与工艺
化學反應工程與工藝
화학반응공정여공예
CHEMICAL REACTION ENGINEERING AND TECHNOLOGY
2005年
1期
70-75
,共6页
Peng Qianrong%石炎福%刘钟祥%王东山
Peng Qianrong%石炎福%劉鐘祥%王東山
Peng Qianrong%석염복%류종상%왕동산
神经网络%遗传算法%自适应交叉变异
神經網絡%遺傳算法%自適應交扠變異
신경망락%유전산법%자괄응교차변이
采用自适应交叉变异、最优保存、局部寻优的遗传算法,避免了BP神经网络在训练过程中收敛于局部极小点的缺陷,并将其对神经网络的权值和阈值进行优化,从而提出了一种改进的混合遗传算法神经网络模型.该算法首先对一给定的神经网络结构,采用自适应交叉变异和最优保存策略对神经网络进行优化;然后采用局部寻优策略进一步克服神经网络学习算法的早熟问题.采用上述三种优化策略的神经网络模型对三元混合物溶液的物性和烟叶质量进行预测.试算结果表明,与实验值相比,预测结果良好.
採用自適應交扠變異、最優保存、跼部尋優的遺傳算法,避免瞭BP神經網絡在訓練過程中收斂于跼部極小點的缺陷,併將其對神經網絡的權值和閾值進行優化,從而提齣瞭一種改進的混閤遺傳算法神經網絡模型.該算法首先對一給定的神經網絡結構,採用自適應交扠變異和最優保存策略對神經網絡進行優化;然後採用跼部尋優策略進一步剋服神經網絡學習算法的早熟問題.採用上述三種優化策略的神經網絡模型對三元混閤物溶液的物性和煙葉質量進行預測.試算結果錶明,與實驗值相比,預測結果良好.
채용자괄응교차변이、최우보존、국부심우적유전산법,피면료BP신경망락재훈련과정중수렴우국부겁소점적결함,병장기대신경망락적권치화역치진행우화,종이제출료일충개진적혼합유전산법신경망락모형.해산법수선대일급정적신경망락결구,채용자괄응교차변이화최우보존책략대신경망락진행우화;연후채용국부심우책략진일보극복신경망락학습산법적조숙문제.채용상술삼충우화책략적신경망락모형대삼원혼합물용액적물성화연협질량진행예측.시산결과표명,여실험치상비,예측결과량호.
