期刊文献+
共找到5篇文章
< 1 >
每页显示 20 50 100
基于改进适应度函数的遗传单神经元控制
1
作者 祝海江 赵众 侯媛彬 《半导体技术》 CAS CSCD 北大核心 2005年第6期64-66,31,共4页
介绍了一种基于改进适应度函数的遗传单神经元控制方法。通过利用遗传算法的全局寻优特性和神经网络对非线性函数较强的逼近能力,将改进的遗传算法和单神经元相结合,设计了一种遗传算法单神经元解耦控制器,实现了对炉群多变量燃烧系统... 介绍了一种基于改进适应度函数的遗传单神经元控制方法。通过利用遗传算法的全局寻优特性和神经网络对非线性函数较强的逼近能力,将改进的遗传算法和单神经元相结合,设计了一种遗传算法单神经元解耦控制器,实现了对炉群多变量燃烧系统的解耦控制。实验结果验证了这种方法是可行的。 展开更多
关键词 遗传单神经元控制 改进适应度函数 单神经元
在线阅读 下载PDF
一种基于改进遗传算法的单神经元控制方法
2
作者 祝海江 赵众 侯媛彬 《控制工程》 CSCD 2005年第S2期112-114,共3页
为实现在实际的炉群多变量燃烧系统中,对各个燃烧的子系统的控制参数进行优化,提出了一种基于改进适应度函数的遗传单神经元控制算法,该算法克服了采用神经网络方法收敛速度慢、在求解过程中陷入局部极小点等缺点,利用遗传算法的全局寻... 为实现在实际的炉群多变量燃烧系统中,对各个燃烧的子系统的控制参数进行优化,提出了一种基于改进适应度函数的遗传单神经元控制算法,该算法克服了采用神经网络方法收敛速度慢、在求解过程中陷入局部极小点等缺点,利用遗传算法的全局寻优特性和神经网络对非线性函数较强的逼近能力,将改进的遗传算法和单神经元控制相结合,实现对一类非线性系统的参数进行优化。模拟实验和真实结果验证了这种方法是可行的。 展开更多
关键词 遗传单神经元控制 改进适应度函数 遗传算法 单神经元
在线阅读 下载PDF
基于改进遗传的XML注入式攻击自动测试 被引量:1
3
作者 王茜 高建华 《计算机工程与设计》 北大核心 2021年第8期2203-2210,共8页
为增强软件抵御各种攻击的能力,削减软件开发成本,研究一种基于改进遗传的XML注入式攻击自动测试方法。使用实码遗传算法搜索能够导致系统受到XML注入式攻击的用户输入,在算法执行过程中使用优化的编辑距离算法并引入影响因子LCS重新定... 为增强软件抵御各种攻击的能力,削减软件开发成本,研究一种基于改进遗传的XML注入式攻击自动测试方法。使用实码遗传算法搜索能够导致系统受到XML注入式攻击的用户输入,在算法执行过程中使用优化的编辑距离算法并引入影响因子LCS重新定义适应度函数指导算法的搜索。实验通过对比不同搜索算法结合不同适应度函数的搜索结果表明,该算法在测试用例的搜索、评估以及算法的执行时间上表现优异。 展开更多
关键词 自动测试 注入式攻击 实码遗传算法 改进编辑距离 改进适应度函数
在线阅读 下载PDF
动态调整惯性权重的粒子群优化算法 被引量:29
4
作者 龙文 梁昔明 +1 位作者 董淑华 阎纲 《计算机应用》 CSCD 北大核心 2009年第8期2240-2242,共3页
针对高维复杂优化问题,提出一种改进适应度函数和动态调整惯性权重的粒子群优化算法。首先考虑了搜索点的函数值及其变化率,并将该信息加入适应度函数。利用维惯性权重矩阵自适应动态调整惯性权重,较好地平衡了算法的全局探索和局部开发... 针对高维复杂优化问题,提出一种改进适应度函数和动态调整惯性权重的粒子群优化算法。首先考虑了搜索点的函数值及其变化率,并将该信息加入适应度函数。利用维惯性权重矩阵自适应动态调整惯性权重,较好地平衡了算法的全局探索和局部开发,并分析了惯性权重随种群多样性的变化关系。在算法后期计算每一维的收敛度,以一定的概率对收敛度最小的维进行变异,以加快算法的收敛速度。对高维测试函数的实验表明,算法提高了全局搜索能力。 展开更多
关键词 改进适应度函数 惯性权重矩阵 粒子群优化 维变异
在线阅读 下载PDF
一种基于PCA-IPSO的BiLSTM神经网络预测PM 被引量:2
5
作者 武艳 杜景林 +1 位作者 全力 滕达 《现代电子技术》 2022年第1期119-124,共6页
目前空气污染严重,为了实时监测空气质量,保证人们的生活健康,提出了一种新的神经网络预测模型来提高PM;的预测精度。通过PCA降维缩减数据的维度简化数据,将PSO的惯性权重从线性减小改进成非线性变化,再将加速因子从固定值进行线性变化... 目前空气污染严重,为了实时监测空气质量,保证人们的生活健康,提出了一种新的神经网络预测模型来提高PM;的预测精度。通过PCA降维缩减数据的维度简化数据,将PSO的惯性权重从线性减小改进成非线性变化,再将加速因子从固定值进行线性变化,动态地调整了粒子的局部寻优和全局寻优,并且在原有的基础上加入了遗传算法的变异操作,进行自适应变异,避免其陷入局部最优,并对粒子的适应度函数做改进。采用改进的PSO算法优化BiLSTM结构的迭代次数、学习率、两个隐含层的节点数,构成PCA-IPSO-BiLSTM神经网络预测模型。最后将该预测模型与PCA-PSO-BiLSTM、PSOBiLSTM预测模型进行对比,结果表明该预测模型的优化性能最好,预测精度更高,在预测PM;浓度值上有巨大的使用价值。 展开更多
关键词 PM 预测 BiLSTM神经网络 改进PSO PCA 适应变异 预测模型 适应度函数改进
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部