-
公开(公告)号：CN111091185A
公开(公告)日：2020-05-01
申请号：CN201911081912.5
申请日：2019-11-07
Applicant: 北京理工大学
Abstract: 一种基于三联体密码子的人工神经网络编码和解码方法，包括：步骤1，定义组件为DNA链的基本组成部分，每个组件由相同数量的若干个三联体密码子构成，根据DNA链中组件的功能将组件分为输入组件、中间组件和输出组件，输入组件表示神经网络的输入层，中间组件表示神经网络的隐藏层，输出组件表示神经网络的输出层；步骤2，选择子网结构或权值结构的三联体密码子编码策略；步骤3，通过神经网络的输入和输出节点个数计算DNA链中输入组件、中间组件和输出组件个数；步骤4，计算神经网络中隐藏节点数量；步骤5，解码DNA链，得到与之对应的神经网络。本发明能够实现网络权值和拓扑结构的共同演化，网络具备一定的可靠性和稳定性。
-
公开(公告)号：CN111008700A
公开(公告)日：2020-04-14
申请号：CN201911196681.2
申请日：2019-11-29
Applicant: 北京理工大学
IPC: G06N3/08
Abstract: 一种基于三联体编码的神经网络进化方法，步骤1，初始化一个指定规模的种群，种群中每一个个体都是一个由三联体构成的DNA序列；步骤2，将每一个DNA解码成神经网络并进行适应度计算，如果该种群内存在可解决目标问题的个体，则根据适应度解码最优个体的DNA获得目标网络，并结束进化，否则进入下一步；步骤3，先将个体按照适应度值排序，优先复制最佳个体到新种群，然后在旧种群里通过轮盘赌算法选择两个个体进行重组交叉变异操作，得到的新个体放入新种群，该操作一直重复到种群规模达到指定数量，然后返回步骤2。本发明还提供了一种基于三联体编码的神经网络进化系统，解决了现有进化算法在网络生成效率、网络交叉、重组等方面存在的技术缺陷。
-
公开(公告)号：CN110705704A
公开(公告)日：2020-01-17
申请号：CN201910912280.6
申请日：2019-09-25
Applicant: 北京理工大学
IPC: G06N3/08
Abstract: 一种基于相关性分析的神经网络自组织遗传进化算法，构建初始神经网络，初始神经网络只包含输入层和输出层；采用BP算法训练网络，并记录训练日志数据；获取连接相关性，优化神经网络；复杂化神经网络；融合遗传进化算法迭代神经网络，输出最优神经网络模型。本发明输出最优模型的迭代次数优于NEAT输出最优模型的迭代次数，输出最优的神经网络模型之前所进行的BP调节次数少于普通的BP神经网络所需要的调节次数，通过使用不同数据集进行相关实验对算法性能(准确率)进行验证，实验结果表明算法在分类问题方面的表现相对优秀，可以应用于现在人工智能领域分类问题的研究。
-
-
Search Results
3
records
(took 0.022 seconds)
