面向反馈神经网络的进化特征提取算法研究开题报告
2022-01-09 21:53:51
全文总字数：1964字
1. 研究目的与意义及国内外研究现状
反馈神经网络指自身带有局部或全局反馈的网络。反馈神经网络可应用于盲信号分离解卷积、时间序列预测、语音处理和模式分类等信号处理的众多领域，也是非线性控制的重要工具之一。
本文的目的在于设计特征提取算法，完成进化计算（EC）的有关操作，计划反馈神经网络算法的演化流程，再设计面向反馈神经网络的进化特征提取算法，之后使用测试函数测试面向反馈神经网络的进化特征提取算法，并与相应的算法比较。
国内外研究现状
学习算法是反馈网络应用的瓶颈。反馈网络的结构复杂，这使得反馈网络的学习算法的计算复杂度远远高于静态网络的，反馈网络一般很难实时地训练。研究快速算法对推动神经网络的实际应用和理论研究都大有益处。在文中所作的仿真中，虽然网络的待估参数只有几百个，但其训练过程已经有明显的时间延迟，如果网络规模增大时其训练耗时会更严重。学习算法涉及最优化理论、计算方法和信号处理等领域，可借鉴的算法多，考虑到执行效率等因素，反馈网络的学习算法以梯度算法为主。基于梯度的学习算法有局部极值问题，其中比较好的算法有BTT、EKF、基于期望最大化的算法、集中反向传输等。神经网络的学习算法还有很多种，大部分是从其它领域借鉴来的，例如遗传算法、模拟退火算法、扰动算法和粒子群算法等。除某些网络类型需要特殊的学习算法外，能实现参数优化的方法一般都可作为神经网络的学习算法。除上面列举的几个典型算法，其它方法一般是结合具体问题对经典算法作些改进。2. 研究的基本内容
- 训练集产生：为了使得建立的模型具有良好的泛化性能，要求具有 足够多的训练样本且具有较好的代表性；
- 初始种群产生：利用种群初始产生函数可以方便的产生初始种群；
- 子种群趋同操作：优胜子种群和临时子种群产生后，各个子种群首先需要执行趋同操作，利用种群成熟判别函数判断各个子种群趋同操作是否完成；
- 子种群异化操作：执行异化操作，根据其产生的结果，补充新的子群体；
- 解析最优个体：根据编码规则，对寻找到的最优个体进行解析，得到对应的BP神经网络的权值和阈值；
- 训练BP神经网络：得到的权值和阈值作为BP神经网络的初始权值和阈值，利用训练集样本对BP神经网络进行训练学习；
- 仿真预测、结果分析：输入训练完成后的测试集样本，进行仿真预测，并进行结果分析和讨论。
3. 实施方案、进度安排及预期效果
时间 任务 1.3-1.6搜集相关资料，翻译英文文献，撰写开题报告、文献综述；1.7-1.14提交开题报告，并根据指导老师意见修改开题报告； 1.15-4.4拟出反馈神经网络特征提取算法的研究与设计的基本构架，对算法进行编码； 4.5-4.30对算法中的主要关键技术进行详细的设计； 5.1-5.12对算法进行测试，分析测试产生的问题并予以解决； 5.13-6.8写毕业设计论文，根据指导老师的意见对其进行修改和完善；5.19-6.3完成毕业设计论文，提交其它文档，参与毕业答辩。
4. 参考文献
（1）龚文引,刘小波,蔡之华. 一种基于正交设计的快速差分演化算法及其应用研究[J]. 小型微型计算机系统, 2007, 28(7): 1297-1301. （2）商琳,王金根,姚望舒等. 一种基于多进化神经网络的分类方法[J]. 软件学报, 2005, 16(9): 1577-1583. （3）李祚泳,汪嘉杨,郭淳. PSO算法优化BP网络的新方法及仿真实验[J]. 电子学报, 2008,36(11): 2224-2228. （4）刘建伟,刘嫒,罗雄麟. 波尔兹曼机研究进展[J]. 计算机研究与发展,2014,51(1):1-16.（5）李鸿儒,王晓楠,高仝. 基于免疫进化策略的神经网络优化方法[J]. 东北大学学报(自然科学版),2008,29(6):794—797.（6）苟光磊,王国胤,利节,等. 基于置信优势关系的粗糙集近似模型[J]. 控制与决策,2014,29(7):1325—1329.（7）陈万翠,吕跃进,翁世洲. 基于容差优势关系的排序方法及其应用[J]. 计算机应用,2014,34(8):2170—2174.（8）王利东,田晓娟,杨艳冰. 基于熵权与优势关系的教学效果评价方案[J]. 数学的实践与认识,2014,44(10):8-12.（9）李金鹏,岳超源,李武. 一类基于优势关系的不完全信息多属性决策方法[J]. 控制与决策,2013,28(2):229—234.（10）邱涤珊,贺川,朱晓敏. 基于概率可信度的区间数排序方法[J]. 控制与决策,2012,27(12):1894—1898.
剩余内容已隐藏，您需要先支付 5元 才能查看该篇文章全部内容！立即支付
