导读:本文包含了混合遗传神经网络论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:神经网络,算法,模型,工艺,变体,种群,盲区。
混合遗传神经网络论文文献综述
朱明飞,陈兢,方敏[1]（2019）在《基于混合遗传算法与小波神经网络的电机转子断条故障诊断方法》一文中研究指出首先根据内积最大准则,借助于混合遗传算法的优秀的全局搜索性能,准确地估计定子电流中的工频分量的参数,并将其去除,以防止工频分量淹没故障特征分量。其次,运用最优小波包方法分解已经去除工频分量部分的定子电流信号,将其中规律最强的节点能量作为神经网络的输入量。第叁,采用混合遗传算法处理神经网络参数,形成了新方法:改进的神经网络方法。最后通过对一台感应电机的正常、一根断条和两根断条的情况进行了实验,验证了提出的方法的有效性。(本文来源于《农村电气化》期刊2019年06期）
杨书新,汤达荣[2]（2019）在《基于混合深度神经网络的基因遗传变体致病性注释》一文中研究指出绝大部分非编码区的基因功能尚不清楚,而许多的遗传变体就存在这些区域,如何识别与疾病相关的变体仍是一个挑战。已有基于支持向量机的算法CADD被提出,它可以注释编码和非编码区的变体,但是该方法未能捕获特征间的非线性关系。为了解决此问题,设计了一个混合卷积网络和全连接网路的模型,能很好地捕获特征之间的非线性关系。在测试集上,方法达到了最高的66. 44%准确率。(本文来源于《生物学杂志》期刊2019年04期）
余运俊,衷国瑛,万晓凤,辛建波,夏永洪[3]（2018）在《基于遗传算法及BP神经网络的混合孤岛检测方法》一文中研究指出文章提出一种基于遗传算法及BP神经网络的混合光伏孤岛检测方法,该方法通过遗传算法优化了BP神经网络的初始权值和阈值,有效改进了BP神经网络局部最优的缺点。通过对其检测机理和在Matlab/Simulink实验结果的分析,该方法检测盲区更小,不影响系统电能质量,检测速度更快,误判率低。在DSP中进行了该算法的软硬件实现,实验结果验证了这种方法的正确性和有效性。(本文来源于《可再生能源》期刊2018年05期）
张丽娟,张文勇[4]（2018）在《基于Heston模型和遗传算法优化的混合神经网络期权定价研究》一文中研究指出本文以Heston模型取代传统混合神经网络期权定价模型中的Black-Scholes(BS)模型,通过Back Propagation(BP)神经网络来拟合实际市场期权价格和Heston模型的期权价格的差值,并运用遗传算法来优化整个神经网络,建立了基于Heston模型和遗传算法的混合神经网络期权定价模型。应用这一模型,通过对香港恒生指数期权和上证50ETF期权的实证研究,结果表明:该模型相对于基于BS模型的混合神经网络模型和其他传统定价模型,有着更高的精确度,而且运用上证50ETF期权的Heston神经网络定价模型要比运用香港恒生指数期权的定价模型定价效果好,说明基于Heston神经网络期权定价模型在中国期权市场上有更好的适应性,为未来的期权定价提供新的模型指导,具有较大的参考价值。(本文来源于《管理工程学报》期刊2018年03期）
马德,李少聪,张军峰[5]（2018）在《基于混合遗传神经网络的运动员专项成绩预测系统设计》一文中研究指出针对传统运动员专项成绩预测系统一直存在无法达到实质性的综合预测的问题,提出并设计基于混合遗传神经网络的运动员专项成绩预测系统。通过混合遗传神经网络,导入运动员专项数据,根据系统内部节点间调整,对运动员专项数据信息进行处理,建立专项成绩灰色预测模型,实现运动员专项成绩预测。实验数据表明,所设计的成绩预测系统能够进行高精度的专项成绩预测。(本文来源于《现代电子技术》期刊2018年08期）
王小凤,高攀科,王进玺[6]（2017）在《基于混合遗传神经网络的高速公路沥青路面使用性能评价方法研究》一文中研究指出目的在于基于混合遗传神经网络算法,研究高速公路沥青路面使用性能评价方法。在本篇研究中,将应用混合遗传神经网络算法,分析评价高速公路沥青路面的使用性能,并进一步优化制定提升究高速公路沥青路面使用性能决策,提升高速公路沥青路面的使用性能。路面使用性能的正确评价是合理制定养护维护计划、进行投资决策的重要依据之一;分析实际之中高速公路沥青路面的相关特点,有针对性的找出研究高速公路使用性能的评价指标,并进一步优化制定高速公路沥青路面使用性能。研究结果证实,基于混合遗传神经网络算法,通过对某地区高速公路路面的评价,能够准确、科学的评价高速公路路面使用性能,方便快捷的给出使用性能评价结果,提升评价结果的科学、准确性能。(本文来源于《公路工程》期刊2017年04期）
吴俊伟,姜春茂[7]（2017）在《一种BP神经网络和遗传算法混合的云平台负载 预测方法》一文中研究指出在云计算提供高效,便捷等强大服务的背后,是日益攀升的能耗问题。准确的预测云平台的负载(如CPU,内存的使用)在任务调度,云能效方面具有重要意义。在以往研究中,线性自回归算法在预测请求资源的粒度上存在不足,本文提出一种基于BP神经网络与遗传算法混合的负载预测方法,结合遗传算法良好的全局搜索能力与神经网络强大的非线性拟合能力,建立CPU资源的请求预测模型。实验通过Google的云平台数据作为训练,测试集。实验结果表明该方法有效的预测了CPU资源请求量,进而可以在此基础上调整服务资源,实现绿色调度。(本文来源于《软件》期刊2017年08期）
夏维,刘新学,范阳涛,范金龙[8]（2017）在《基于混合遗传BP神经网络的城市系统作战能力评估》一文中研究指出针对现有城市系统作战能力评估方法较少的问题,利用反向传播(back propagation,BP)神经网络在能力评估方面所具有的自适应、自学习、强容错性和泛化映射等优势,建立了评估指标体系并给出了指标的隶属函数。通过模拟退火遗传算法(simulated annealing and genetic algorithm,SAGA)优化BP神经网络的连接权重和阀值,弱化了指标评价中的人为因素,提高了评价结果的准确性、客观性和权威性,有效解决了传统遗传算法和BP神经网络易陷入局部极小值、收敛速度慢和抗干扰能力差等问题。仿真实例验证了该方法对城市系统作战能力评估的可行性和有效性。(本文来源于《系统工程与电子技术》期刊2017年01期）
杨建国,熊经纬,徐兰,项前[9]（2016）在《应用混合种群遗传神经网络的精梳毛纺工艺参数反演模型》一文中研究指出针对传统精梳毛纺工艺参数反演模型收敛性和稳定性不理想、反演精度低等问题,以及标准遗传算法(SGA)应用于复杂优化问题时存在早熟收敛等缺点,以BP神经网络为基础,提出一种混合种群遗传人工神经网络(MPG-ANN)反演模型,首先以混合种群遗传算法优化BP神经网络的权值与阈值建立预测模型,在此基础上根据毛纱CV值建立混合种群遗传算法反演模型,用来反演精梳毛纺生产过程工艺参数。以纺纱车间大量现场工艺检测数据为对象进行反演验证,结果表明:MPG-ANN模型反演精度达97%,相比于标准遗传算法人工神经网络(SGA-ANN)模型提高4%,同时反演结果波动幅度相比于SGA-ANN模型降低了6.28%。该方法可为精梳毛纺生产过程质量控制提供有效的理论指导,对纺织企业新产品工艺开发设计的快速决策具有很好的借鉴作用。(本文来源于《纺织学报》期刊2016年07期）
付栋[10]（2016）在《聚类与遗传混合优化RBF神经网络的车牌识别研究》一文中研究指出车牌识别系统是智能交通系统的重要组成部分,目前该技术已广泛应用于停车场收费管理、小区出入车辆管理、高速公路自动收费、路口车辆监控等领域。车牌识别系统是一个涉及图像处理、神经网络、模式识别等理论的综合课题,该技术可以极大提高车辆管理水平和效率,并能够节省大量的社会资源,因此有着巨大的学术价值与应用前景。车牌识别系统由车牌定位、字符分割、字符识别叁个模块构成。本文基于数字图像处理与神经网络的相关理论,对车牌图像预处理、车牌定位、字符分割、字符特征提取、RBF神经网络字符识别等环节进行研究,并在MATLAB环境下进行了仿真实验。在车牌定位环节,首先对灰度图像进行灰度形态学处理来达到图像增强的目的,然后运用边缘检测与二值形态学组合的方法对车牌进行定位,最后根据车牌具有一定的宽高比等特征实现伪车牌的去除。在字符分割环节,首先运用Radon变换对车牌进行倾斜矫正;然后采用基于灰度跳变方法对牌照边框进行去除;最后,先用模板移动匹配的方法找到二叁字符的间隔区域以将车牌分为左右两部分,然后用连通域与模板匹配相结合的方法分别对两部分车牌进行字符分割。在字符识别环节,首先对分割出来的单个字符进行大小归一化处理,然后对灰度字符图像提取Hog特征,最后运用聚类与遗传相结合的方法对RBF神经网络的结构进行设计,并用设计好的网络实现牌照字符的识别。本文最后利用MATLAB软件设计了一个车牌识别GUI界面,实验结果表明,本文设计的牌照识别算法具有较高的准确性。(本文来源于《燕山大学》期刊2016-05-01）
混合遗传神经网络论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
绝大部分非编码区的基因功能尚不清楚,而许多的遗传变体就存在这些区域,如何识别与疾病相关的变体仍是一个挑战。已有基于支持向量机的算法CADD被提出,它可以注释编码和非编码区的变体,但是该方法未能捕获特征间的非线性关系。为了解决此问题,设计了一个混合卷积网络和全连接网路的模型,能很好地捕获特征之间的非线性关系。在测试集上,方法达到了最高的66. 44%准确率。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
混合遗传神经网络论文参考文献
[1].朱明飞,陈兢,方敏.基于混合遗传算法与小波神经网络的电机转子断条故障诊断方法[J].农村电气化.2019
[2].杨书新,汤达荣.基于混合深度神经网络的基因遗传变体致病性注释[J].生物学杂志.2019
[3].余运俊,衷国瑛,万晓凤,辛建波,夏永洪.基于遗传算法及BP神经网络的混合孤岛检测方法[J].可再生能源.2018
[4].张丽娟,张文勇.基于Heston模型和遗传算法优化的混合神经网络期权定价研究[J].管理工程学报.2018
[5].马德,李少聪,张军峰.基于混合遗传神经网络的运动员专项成绩预测系统设计[J].现代电子技术.2018
[6].王小凤,高攀科,王进玺.基于混合遗传神经网络的高速公路沥青路面使用性能评价方法研究[J].公路工程.2017
[7].吴俊伟,姜春茂.一种BP神经网络和遗传算法混合的云平台负载预测方法[J].软件.2017
[8].夏维,刘新学,范阳涛,范金龙.基于混合遗传BP神经网络的城市系统作战能力评估[J].系统工程与电子技术.2017
[9].杨建国,熊经纬,徐兰,项前.应用混合种群遗传神经网络的精梳毛纺工艺参数反演模型[J].纺织学报.2016
[10].付栋.聚类与遗传混合优化RBF神经网络的车牌识别研究[D].燕山大学.2016
论文知识图
