期刊文献+
共找到455篇文章
< 1 2 23 >
每页显示 20 50 100
基于云模型的混合量子神经网络算法及其仿真研究
1
作者 刘小红 张人龙 《统计与信息论坛》 CSSCI 北大核心 2020年第2期17-23,共7页
在云模型、量子算法、神经网络算法等理论研究的基础上,设计了一种以量子比特神经元为信息处理单元的多层量子神经网络——基于云模型的混合量子神经网络算法。在标准数据集上进行的实验仿真表明:混合量子算法具有量子算法轨迹行为性能... 在云模型、量子算法、神经网络算法等理论研究的基础上,设计了一种以量子比特神经元为信息处理单元的多层量子神经网络——基于云模型的混合量子神经网络算法。在标准数据集上进行的实验仿真表明:混合量子算法具有量子算法轨迹行为性能的优势;同时该混合算法可将提取的特征输入到量子神经网络中对数据集进行分类。该算法改进了量子神经网络的损失函数,提高了误差分析性能。最后,通过仿真实验验证了该混合量子算法在收敛速度和鲁棒性等方面均优于量子神经网络算法。 展开更多
关键词 云模型 神经网络 量子算法 混合量子神经网络算法 鲁棒性能
在线阅读 下载PDF
一种基于混合量子卷积神经网络的恶意代码检测方法
2
作者 熊其冰 苗启广 +2 位作者 杨天 袁本政 费洋扬 《计算机科学》 北大核心 2025年第3期385-390,共6页
量子计算是基于量子力学的全新计算模式,具有远超经典计算的强大并行计算能力。混合量子卷积神经网络结合了量子计算和经典卷积神经网络的双重优势,逐渐成为量子机器学习领域的研究热点之一。当前,恶意代码规模依然呈高速增长态势,检测... 量子计算是基于量子力学的全新计算模式,具有远超经典计算的强大并行计算能力。混合量子卷积神经网络结合了量子计算和经典卷积神经网络的双重优势,逐渐成为量子机器学习领域的研究热点之一。当前,恶意代码规模依然呈高速增长态势,检测模型越来越复杂,参数量越来越大,迫切需要一种高效轻量型的检测模型。为此,设计了一种混合量子卷积神经网络模型,将量子计算融入经典卷积神经网络,以提高模型的计算效率。该模型包含量子卷积层、池化层和经典全连接层。量子卷积层采用低深度强纠缠轻量型的参数化量子线路实现,仅使用两类量子门:量子旋转门Ry和受控非门CNOT(controlled-NOT),并仅使用两量子比特实现卷积计算。池化层基于经典计算和量子计算实现了3种池化方法。在Google TensorFlow Quantum上进行了模拟实验。实验结果显示,所提模型在恶意代码公开数据集DataCon2020和Ember的分类性能(accuracy,F1-score)分别达到了(97.75%,97.71%)和(94.65%,94.78%),均有明显提升。 展开更多
关键词 量子计算 量子机器学习 混合量子卷积神经网络 恶意代码检测
在线阅读 下载PDF
基于粒子群优化算法的量子卷积神经网络
3
作者 张嘉雯 蔡彬彬 林崧 《量子电子学报》 北大核心 2025年第1期123-135,共13页
针对当前量子卷积神经网络模型中参数化量子电路缺乏自适应目标选择策略的问题,提出了一种基于粒子群优化算法自动优化电路的量子卷积神经网络模型。该模型通过将量子电路编码为粒子,并利用粒子群优化算法对电路进行优化,从而搜索出在... 针对当前量子卷积神经网络模型中参数化量子电路缺乏自适应目标选择策略的问题,提出了一种基于粒子群优化算法自动优化电路的量子卷积神经网络模型。该模型通过将量子电路编码为粒子,并利用粒子群优化算法对电路进行优化,从而搜索出在图像分类任务上表现优异的电路结构。基于Fashion MNIST和MNIST标准数据集的仿真实验表明,该模型具有较强的学习能力和良好的泛化性能,准确率分别可达94.7%和99.05%。相较于现有量子卷积神经网络模型,平均分类精度最高分别提升了4.14%和1.43%。 展开更多
关键词 量子光学 量子卷积神经网络 粒子群优化算法 量子机器学习 参数化量子电路
在线阅读 下载PDF
基于混合优化算法和深度神经网络模型结合的致密砂岩气藏裂缝参数优化 被引量:1
4
作者 罗山贵 赵玉龙 +4 位作者 肖红林 陈伟华 贺戈 张烈辉 杜诚 《天然气工业》 EI CAS CSCD 北大核心 2024年第9期140-151,共12页
水平井分段压裂是致密砂岩气藏的主要开发方式,其中水力压裂裂缝参数的合理设计对于气藏的经济效益开发至关重要。基于群智能优化算法和机器学习代理模型的自动优化方法存在所需数值模拟次数多、收敛速度慢和代理模型更新复杂等问题,且... 水平井分段压裂是致密砂岩气藏的主要开发方式,其中水力压裂裂缝参数的合理设计对于气藏的经济效益开发至关重要。基于群智能优化算法和机器学习代理模型的自动优化方法存在所需数值模拟次数多、收敛速度慢和代理模型更新复杂等问题,且依靠现场工程师经验和正交实验等传统方法难以获得最佳的裂缝参数设计。为此,建立了一种新的基于混合优化算法和自适应深度神经网络(DNN)结合的致密气藏裂缝参数优化方法。首先,混合优化算法采用遗传算法(GA)和贝叶斯自适应直接搜索(BADS)之间循环迭代的混合策略。在自适应学习过程中,提出了以“最大平均距离点”作为最不确定解,同时辅以最有希望解和少量拉丁超立方采样解共同更新优化过程中的DNN代理模型。随后,将建立的优化方法用于非均质致密砂岩气藏裂缝参数优化。研究结果表明:(1)在标准测试函数和低维裂缝参数优化问题上,GA+BADS混合优化算法表现出了显著优于GA的寻优速度;(2)针对高维裂缝参数优化问题,GA+BADS混合优化算法在约1/2的GA总数值模拟次数下提高了131万元的经济净现值(NPV),收敛速度和寻优精度都明显增加;(3)相比于GA+BADS混合优化算法,在获得相同NPV时,自适应DNN代理加速优化可再减少24.54%的数值模拟运算次数。结论认为,该优化方法显著提升了优化效率,为解决非常规油气藏中水力压裂裂缝参数设计问题提供了一套可行且高效的智能优化方法,将有力促进非常规油气的规模效益开发。 展开更多
关键词 致密气 沙溪庙组 裂缝参数优化 混合优化算法 深度神经网络 自适应学习 代理模型
在线阅读 下载PDF
基于混合双层自组织径向基函数神经网络的优化学习算法
5
作者 杨彦霞 王普 +2 位作者 高学金 高慧慧 齐泽洋 《北京工业大学学报》 CAS CSCD 北大核心 2024年第1期38-49,共12页
针对传统方法采用先训练后测试两阶段学习机制极易导致的过拟合或欠拟合问题,提出一种基于混合双层自组织径向基函数神经网络的优化学习(hybrid bilevel self-organizing radial basis function neural network optimization learning,H... 针对传统方法采用先训练后测试两阶段学习机制极易导致的过拟合或欠拟合问题,提出一种基于混合双层自组织径向基函数神经网络的优化学习(hybrid bilevel self-organizing radial basis function neural network optimization learning,Hb-SRBFNN-OL)算法。首先,将训练过程和测试过程集成到一个统一的框架中,规避过拟合或欠拟合问题。其次,基于进化学习机制,提出上下2层的交互式优化学习算法,上层基于网络复杂度和测试误差自组织调整网络结构,下层采用列文伯格-马夸尔特(Levenberg Marquardt,LM)算法作为优化器对自组织径向基函数神经网络(self-organizing radial basis function neural network,SO-RBFNN)的连接权值进行优化。最后,利用来自多个子网络的综合信息生成模型的最终输出,加速网络全局收敛。为验证所提方法的可行性,分别在多个分类和预测任务中进行了测试实验。结果表明,在与传统神经网络结构相似甚至更好的测试和分类精度下,该方法不仅能实现更快的训练收敛,而且能进化成更精简紧凑的径向基函数神经网络(radial basis function neural network,RBFNN)模型。尤其在污水处理过程中总磷的质量浓度预测实验中,测试集中均方根误差(root mean squared error,RMSE)最高可降低48.90%,实际场景实验结果验证了所提算法的精确性更佳且泛化能力更强。 展开更多
关键词 径向基函数神经网络(radial basis function neural network RBFNN) 自组织 列文伯格-马夸尔特(Levenberg Marquardt LM)算法 混合双层 优化学习 泛化性能
在线阅读 下载PDF
量子混合蛙跳算法在过程神经网络优化中的应用 被引量:5
6
作者 张强 许少华 刘丽杰 《信号处理》 CSCD 北大核心 2013年第8期1003-1011,共9页
针对基于正交基展开的过程神经元网络参数较多,基函数展开项数和网络结构难以确定,传统BP算法不易收敛的问题,结合量子理论提出一种量子混合蛙跳算法,用于过程神经元网络的训练。该算法利用量子位的Bloch球面坐标将网络结构、网络参数... 针对基于正交基展开的过程神经元网络参数较多,基函数展开项数和网络结构难以确定,传统BP算法不易收敛的问题,结合量子理论提出一种量子混合蛙跳算法,用于过程神经元网络的训练。该算法利用量子位的Bloch球面坐标将网络结构、网络参数和展开项数统一编码,提出沿球面上经过两点间的劣弧路径进行旋转的方法来同时更新三个优化解,并利用Hadamard门完成个体变异避免早熟,进而有效扩展解空间的搜索范围。以抽油机故障诊断和网络流量预测为例,验证了算法的有效性。 展开更多
关键词 过程神经网络 量子计算 混合蛙跳算法 学习算法
在线阅读 下载PDF
基于混合递阶遗传算法的径向基神经网络学习算法及其应用 被引量:27
7
作者 石红瑞 刘勇 +1 位作者 刘宝坤 李光泉 《控制理论与应用》 EI CAS CSCD 北大核心 2002年第4期627-630,共4页
在研究径向基神经网络学习算法的基础上 ,提出了一种新型的径向基神经网络学习算法———混合递阶遗传算法 .该算法将递阶遗传算法和最小二乘法的优点结合在一起 ,能够同时确定径向基神经网络的结构和参数 ,并具有较高的学习效率 .采用... 在研究径向基神经网络学习算法的基础上 ,提出了一种新型的径向基神经网络学习算法———混合递阶遗传算法 .该算法将递阶遗传算法和最小二乘法的优点结合在一起 ,能够同时确定径向基神经网络的结构和参数 ,并具有较高的学习效率 .采用基于混合递阶遗传算法的径向基神经网络对混沌时间序列学习和预测 ,取得了较好的效果 . 展开更多
关键词 混合递阶遗传算法 径向基神经网络 学习算法 混沌时间序列
在线阅读 下载PDF
基于混合神经网络与遗传算法方法的注塑参数优化 被引量:19
8
作者 郑生荣 辛勇 +1 位作者 杨国泰 何成宏 《计算机应用》 CSCD 北大核心 2004年第2期91-94,共4页
建立了基于混合神经网络与遗传算法方法的注塑工艺参数优化系统,用Matlab语言编制了应用程序,对神经网络的参数预测与遗传算法的优化过程进行求解。将网络预测结果与CAE模拟结果进行比较和误差分析,显示出BP网络的稳定性和可靠性;优化... 建立了基于混合神经网络与遗传算法方法的注塑工艺参数优化系统,用Matlab语言编制了应用程序,对神经网络的参数预测与遗传算法的优化过程进行求解。将网络预测结果与CAE模拟结果进行比较和误差分析,显示出BP网络的稳定性和可靠性;优化结果经CAE模拟和实验验证,证明是正确的,表明基于混合神经网络与遗传算法方法的注塑工艺参数优化方法是可行的。 展开更多
关键词 人工神经网络 遗传算法 混合方法 MADAB CAE 参数优化
在线阅读 下载PDF
量子遗传算法优化RBF神经网络及其在热工辨识中的应用 被引量:41
9
作者 董泽 黄宇 韩璞 《中国电机工程学报》 EI CSCD 北大核心 2008年第17期99-104,共6页
量子遗传算法是基于量子计算原理的概率优化方法,在量子门更新过程中,旋转角的大小直接影响优化的结果和进化的速度。文中针对模糊量子遗传算法(FQGA)容易导致系统陷入局部最优的缺点,将量子衍生交叉算法的思想引入FQGA,提出了一种新的... 量子遗传算法是基于量子计算原理的概率优化方法,在量子门更新过程中,旋转角的大小直接影响优化的结果和进化的速度。文中针对模糊量子遗传算法(FQGA)容易导致系统陷入局部最优的缺点,将量子衍生交叉算法的思想引入FQGA,提出了一种新的量子遗传算法。同时利用该方法构造径向基函数神经网络进行非线性系统辨识。其特点是通过这种新的量子遗传算法,实现对RBF神经网络权值、宽度和中心位置等有关参数的估计。其速度快、精度高。通过RBF神经网络有效地完成了对非线性系统的辨识。对典型非线性函数辨识的测试表明:该方法有效地提高了量子遗传算法的计算精度和收敛速度。同时利用该方法设计了一种通用的热工对象模型辨识神经网络算法,编制了专用的模型识别软件,对某电厂循环流化床锅炉一次风对床温的动态特性进行辨识,结果表明该方法是一种精度比较高的辨识算法。 展开更多
关键词 热工过程 系统辨识 径向基函数神经网络 量子遗传算法
在线阅读 下载PDF
基于遗传与BP混合算法神经网络预测模型及应用 被引量:21
10
作者 殷峻暹 陈守煜 邱菊 《大连理工大学学报》 CAS CSCD 北大核心 2002年第5期594-598,共5页
提出用遗传学习算法和权重调整 BP算法相结合的混合算法来训练模糊模式识别神经网络预测模型 ;即先通过遗传学习算法进行全局训练 ,再用权重调整 BP算法进行精确训练 ,使网络收敛速度加快和避免局部极小 .作为实例 ,以新疆雅马渡站的实... 提出用遗传学习算法和权重调整 BP算法相结合的混合算法来训练模糊模式识别神经网络预测模型 ;即先通过遗传学习算法进行全局训练 ,再用权重调整 BP算法进行精确训练 ,使网络收敛速度加快和避免局部极小 .作为实例 ,以新疆雅马渡站的实测径流资料和相应的前期 4个预报因子实测数据作为样本进行训练并用以预测雅马渡站的年径流量 .结果表明 。 展开更多
关键词 混合算法 神经网络预测模型 模糊模式识别 遗传学习算法 权重调整BP算法 人工神经网络 收敛速度 水文预报
在线阅读 下载PDF
混合蛙跳算法神经网络及其在语音情感识别中的应用 被引量:11
11
作者 余华 黄程韦 +2 位作者 张潇丹 金赟 赵力 《南京理工大学学报》 EI CAS CSCD 北大核心 2011年第5期659-663,共5页
该文将混合蛙跳算法(SELA)优化方法应用于人工神经网络训练中,对6种语音情感进行了语音情感特征的分析与识别。研究了谐波噪声比特征随情感类别的变化特性。利用混合蛙跳算法训练随机产生的初始数据优化神经网络的连接权值,快速实现了... 该文将混合蛙跳算法(SELA)优化方法应用于人工神经网络训练中,对6种语音情感进行了语音情感特征的分析与识别。研究了谐波噪声比特征随情感类别的变化特性。利用混合蛙跳算法训练随机产生的初始数据优化神经网络的连接权值,快速实现了网络收敛。实验比较了BP神经网络、RBF神经网络和SFLA神经网络的语音情感识别性能。结果表明,SFLA神经网络的平均识别率分别高于BP神经网络和RBF神经网络4.7%和4.3%。 展开更多
关键词 混合蛙跳算法 神经网络 语音情感识别 辨识率
在线阅读 下载PDF
一种人工免疫与RBF神经网络结合的混合算法的应用 被引量:10
12
作者 周颖 郑德玲 +1 位作者 裘之亮 刘聪 《计算机工程与应用》 CSCD 北大核心 2004年第1期39-40,46,共3页
提出了一种人工免疫学习算法,该算法具有识别多样性、自我调节功能等特点。将该算法用于RBF神经网络隐层中心点数量和位置的调整,网络的输入数据作为抗原,抗体(RBF中心)作为抗原的内影像,输出采用最小二乘法。仿真结果表明,该混合算法... 提出了一种人工免疫学习算法,该算法具有识别多样性、自我调节功能等特点。将该算法用于RBF神经网络隐层中心点数量和位置的调整,网络的输入数据作为抗原,抗体(RBF中心)作为抗原的内影像,输出采用最小二乘法。仿真结果表明,该混合算法具有较强的泛化能力,而且精度高,效果好。 展开更多
关键词 人工免疫 RBF神经网络 中心点 混合算法
在线阅读 下载PDF
基于混合杂草算法的神经网络优化策略 被引量:8
13
作者 彭斌 胡常安 赵荣珍 《振动.测试与诊断》 EI CSCD 北大核心 2013年第4期634-639,725,共6页
通过对入侵式杂草优化算法(invasive weed optimization,简称IWO)和神经网络(neural networks,简称NN)特点的分析,提出了一种新的混合杂草算法(hybrid invasive weed optimization,简称HIWO)来优化NN的权值、阈值和结构。为了提升算法... 通过对入侵式杂草优化算法(invasive weed optimization,简称IWO)和神经网络(neural networks,简称NN)特点的分析,提出了一种新的混合杂草算法(hybrid invasive weed optimization,简称HIWO)来优化NN的权值、阈值和结构。为了提升算法的效果,在HIWO中引入遗传算法(genetic algorithm,简称GA)的交叉算子和粒子群算法(particle swarm opmtimization,简称PSO)的矢量跟踪思想。构建了NN模型参数的IWO主副分区编码方案,根据个体适应度值的大小来动态调整隐层节点及连接权个数,并给出算法的整个实现过程。以转子实验台故障数据的四类谱熵作为HIWO-NN的训练样本,通过实例仿真与GA,PSO和IWO构建的NN结构进行比较。仿真结果表明,采用HIWO的NN能快速、准确地实现故障信号的分类,验证了该算法的有效性,为故障诊断提供了一种新的方法和手段。 展开更多
关键词 混合杂草算法 神经网络 优化 遗传算法 粒子群算法 故障诊断
在线阅读 下载PDF
基于集成量子神经网络的大地构造环境判别与分析
14
作者 张佳文 李明超 +1 位作者 韩帅 张敬宜 《地学前缘》 EI CAS CSCD 北大核心 2024年第3期511-519,共9页
量子地球科学是一门崭新的跨学科前缘专业,量子计算和量子机器学习算法为地学大数据的深度挖掘与分析带来了新的契机。其中,量子神经网络是目前最具代表性的研究方向之一,在复杂多源数据处理方面的效率与准确率尤为突出。本文以大地构... 量子地球科学是一门崭新的跨学科前缘专业,量子计算和量子机器学习算法为地学大数据的深度挖掘与分析带来了新的契机。其中,量子神经网络是目前最具代表性的研究方向之一,在复杂多源数据处理方面的效率与准确率尤为突出。本文以大地构造环境判别这一关键问题为切入点,利用堆叠集成算法对量子神经网络(Stacking Quantum Neural Network,S-QNN)进行了改进,并分别实现了玄武岩、辉长岩和尖晶石的构造环境智能判别;同时与四种传统算法(SVM、RF、KNN和NB)、经典神经网络(ANN)和传统量子神经网络(QNN)进行对比。结果表明,集成后的S-QNN模型在3类情况下的准确率较最优的传统算法分别提升5.67%、6.19%和13.34%,较普通的QNN模型提升3.11%、4.99%和3.84%,且更具鲁棒性和通用性。该研究反映了所提出的S-QNN在数据处理中的优势,更证实了量子机器学习算法在地球科学研究中的适用性与潜力,为量子科学与地球科学的交叉融合提供了新思路。 展开更多
关键词 量子地球科学 构造环境判别 岩石矿物 地球化学 堆叠集成算法 量子神经网络
在线阅读 下载PDF
基于多值编码的混合遗传算法的小波神经网络优化 被引量:15
15
作者 黄敏 方晓柯 +1 位作者 王建辉 顾树生 《系统仿真学报》 CAS CSCD 2004年第9期2080-2082,2114,共4页
采用多值编码方式构造染色体结构,对小波神经网络的结构和参数进行编码,可以同时确定小波神经网络结构和优化网络参数,简化了问题的求解过程。在遗传算法中嵌入一个梯度下降算子,使得混合算法既有较快的收敛性,又能以较大概率得到全局... 采用多值编码方式构造染色体结构,对小波神经网络的结构和参数进行编码,可以同时确定小波神经网络结构和优化网络参数,简化了问题的求解过程。在遗传算法中嵌入一个梯度下降算子,使得混合算法既有较快的收敛性,又能以较大概率得到全局极值。仿真表明,利用该算法训练小波神经网络,能使网络具有简单的结构形式,较快的收敛速度,较高的逼近精度和较强的泛化能力。 展开更多
关键词 小波神经网络 混合遗传算法 多值编码 梯度下降法
在线阅读 下载PDF
用混合遗传算法实现神经网络快速训练 被引量:6
16
作者 肖本贤 昂卫兵 王群京 《合肥工业大学学报(自然科学版)》 CAS CSCD 2001年第5期901-906,共6页
快速神经网络训练算法的研究是人们所关注的问题之一。经过分析与研究 ,遗传算法是一种全局并行随机搜索优化算法 ,具有很强的全局搜索能力 ,而 BP算法的局部搜索能力较强。文章将两者结合起来 ,形成一种混合遗传算法 ,并就混合遗传算... 快速神经网络训练算法的研究是人们所关注的问题之一。经过分析与研究 ,遗传算法是一种全局并行随机搜索优化算法 ,具有很强的全局搜索能力 ,而 BP算法的局部搜索能力较强。文章将两者结合起来 ,形成一种混合遗传算法 ,并就混合遗传算法的原理及其在实现时所涉及到的许多策略问题进行了分析比较 ,仿真结果表明它具有收敛速度快和不会陷入局部极小的特点。 展开更多
关键词 神经网络 训练算 遗传算法 混合遗传算法 BP算法
在线阅读 下载PDF
神经网络中克服局部最小的BP-EP混合算法 被引量:5
17
作者 陈小平 石玉 于盛林 《小型微型计算机系统》 CSCD 北大核心 2001年第12期1460-1463,共4页
人工神经网络在很多领域有着成功的应用 .神经网络有许多学习算法 ,BP算法是前向多层神经网络的典型算法 ,但 BP算法有时会陷入局部最小解 .进化规划 (EP)是一种随机优化技术 ,它可以发现全局最优解 .当网络学习过程陷入局部最小时 ,利... 人工神经网络在很多领域有着成功的应用 .神经网络有许多学习算法 ,BP算法是前向多层神经网络的典型算法 ,但 BP算法有时会陷入局部最小解 .进化规划 (EP)是一种随机优化技术 ,它可以发现全局最优解 .当网络学习过程陷入局部最小时 ,利用 EP确定 BP算法中的学习速率 ,使学习过程逸出局部最小 . 展开更多
关键词 神经网络 BP算法 进化规划 BP-EP混合算法
在线阅读 下载PDF
一种基于LM的量子神经网络训练算法 被引量:4
18
作者 张翼鹏 陈亮 郝欢 《计算机科学》 CSCD 北大核心 2013年第9期221-224,共4页
针对量子神经网络的训练结果易陷入局部极小值的问题,将Levenberg-Marquardt(LM)算法引入到原训练算法中,从而提高网络收敛速度与训练效果。并通过改进原训练算法的迭代步骤,解决训练过程中网络权值与量子间隔不同的目标函数相互冲突引... 针对量子神经网络的训练结果易陷入局部极小值的问题,将Levenberg-Marquardt(LM)算法引入到原训练算法中,从而提高网络收敛速度与训练效果。并通过改进原训练算法的迭代步骤,解决训练过程中网络权值与量子间隔不同的目标函数相互冲突引起的输出均方误差和波动的问题。实验结果表明,相比原训练算法,引入LM后的训练算法可以大幅减少迭代次数,显著降低网络收敛值,提高量子神经网络的分类效果。 展开更多
关键词 量子神经网络 LEVENBERG-MARQUARDT算法 最速下降 量子间隔
在线阅读 下载PDF
基于量子蛙跳算法和过程神经网络的抽油机故障诊断 被引量:7
19
作者 张强 许少华 李盼池 《中国机械工程》 EI CAS CSCD 北大核心 2014年第12期1609-1615,共7页
提出了一种量子混合蛙跳算法,该算法采用量子位的Bloch球面坐标编码个体,利用量子位在Bloch球面上绕轴旋转的方法实施优化搜索,采用Hadamard门实现个体变异以避免早熟,增强解空间的遍历性,可以快速逼近全局最优解。对过程神经网络的网... 提出了一种量子混合蛙跳算法,该算法采用量子位的Bloch球面坐标编码个体,利用量子位在Bloch球面上绕轴旋转的方法实施优化搜索,采用Hadamard门实现个体变异以避免早熟,增强解空间的遍历性,可以快速逼近全局最优解。对过程神经网络的网络结构、网络参数和展开项数统一编码,并利用该算法进行优化,把优化后的神经网络应用到抽油机故障诊断中,结果表明,用量子混合蛙跳算法优化的神经网络对抽油机进行故障诊断较传统BP算法更具准确性与快速性。 展开更多
关键词 过程神经网络 混合蛙跳算法 示功图 故障诊断
在线阅读 下载PDF
量子遗传算法优化BP神经网络的网络流量预测 被引量:41
20
作者 张立仿 张喜平 《计算机工程与科学》 CSCD 北大核心 2016年第1期114-119,共6页
为了提高网络流量的预测精度,提出了一种改进的多种群量子遗传算法优化BP神经网络的网络流量预测模型。在确定了神经网络的结构后,采用多种群量子遗传算法对BP神经网络的初始权值和阈值进行优化。该模型利用K均值聚类算法将种群划分成... 为了提高网络流量的预测精度,提出了一种改进的多种群量子遗传算法优化BP神经网络的网络流量预测模型。在确定了神经网络的结构后,采用多种群量子遗传算法对BP神经网络的初始权值和阈值进行优化。该模型利用K均值聚类算法将种群划分成若干子种群,多个子种群分别进化以保持种群的多样性。子种群间通过移民操作进行信息交互,减小了算法陷入局部最优的概率。同时采用一种自适应的量子旋转门调整策略加快算法的收敛速度。仿真结果表明,相较传统方法,该模型在网络流量预测方面具有收敛速度快、预测精度高的优点。 展开更多
关键词 网络流量预测 量子遗传算法 BP神经网络 移民操作 K均值聚类算法
在线阅读 下载PDF
上一页 1 2 23 下一页 到第
使用帮助 返回顶部