55问答网
所有问题
当前搜索:
神经网络和遗传算法什么关系
神经网络和遗传算法
有
什么关系
答:
遗传算法是一种智能优化算法,神经网络是人工智能算法的一种
。可以将遗传算法用于神经网络的参数优化中。
关于
遗传算法
,模糊数学,
神经网络
三种数学的区别和联系
答:
遗传算法是一种智能计算方法,针对不同的实际问题可以设计不同的计算程序
。它主要有复制,交叉,变异三部分完成,是仿照生物进化过程来进行计算方法的设计。模糊数学是研究现实生活中一类模糊现象的数学。简单地说就是像好与坏怎样精确的描述,将好精确化,用数字来表达。神经网络是一种仿生计算方法,仿照生...
人工
神经网络和遗传算法的
异同
答:
神经网络是根据实际输出和期望输出的差值来调整权重,最终使输出接近期望输出
。遗传算法是根据假设不停地进化,最终使假设变成真实值。他们都是可以达到最终的决策目的。
遗传神经网络
识别原理
答:
遗传识别是遗传算法+神经网络的一种新兴的寻优技术,适合于复杂的、叠加的非线性系统的辨识描述
。神经网络算法是当前较为成熟的识别分类方法,但网络权值的训练一直存在着缺陷。为此结合具体应用,在对遗传算法进行改进的基础上,本文采用了一种基于遗传学习权值的神经网络识别方法,并取得了较好的效果。 尽管常规遗传算法是稳...
hopfield
神经网络和遗传算法的
不同点
答:
,就这样,最后进化到中够优秀的一代。两者同是通过数次跌代,最后趋于稳定。但两者不同,
遗传算法
是每一代是一个种群,而hopfield是一个个体。遗传算法每一代允许更差的情况,有助于跳出局部最成。而hopfield每次能量都是下跌的,有贪婪
算法的
味道 ,一般不能跳出局部最优。这样。《
神经网络
之家》
遗传算法
为
什么
可以优化bp
神经网络
答:
遗传算法
是从代表问题可能潜在的解集的一个种群(population)开始的,而一个种群则由经过基因(gene)编码的一定数目的个体(individual)组成。每个个体实际上是染色体(chromosome)带有特征的实体。染色体作为遗传物质的主要载体,即多个基因的集合,其内部表现(即基因型)是某种基因组合,它决定了个体的形状的...
遗传算法
求解?
答:
遗传算法在很多领域都得到应用;从
神经网络
研究的角度上考虑,最关心的是遗传算法在神经网络的应用。在遗传算法应用中,应先明确其特点和关键问题,才能对这种算法深入了解,灵活应用,以及进一步研究开发。一、
遗传算法的
特点 1.遗传算法从问题解的中集开始嫂索,而不是从单个解开始。这是遗传算法与传统...
遗传神经网络算法和神经网络算法的
区别
答:
最本质
的
区别可以说是学习方法不同,或者说模型的优化方法不同。前者应该是基于
遗传算法
进行
网络
权值的学习,而后者大都是采用反向传播(BP)算法进行权值学习,而这两种算法差异很大。建议你分别了解:1)遗传算法 2)反向传播算法
神经网络
,隐含层节点数越多,
遗传算法
适应函数越小!这是怎么回事?_百度...
答:
1.为
什么神经网络
还要用
遗传算法
啊?为什么不是反向传播?隐含层节点
的
数目理论上是超参数,针对不同问题,不同数目的隐含层效果都不一样,一般还是得试错法。2.如果最后一定要用遗传算法,那隐含层节点就组成你用来进行各种交叉、变异操作的权重(基因)向量。那这个向量的长度取决于你的目标函数,目标...
学习
遗传算法
和
神经网络
算法看
什么
书好?
答:
适应度高的基因组合在下一代所占的比列更高,而适应度低的组合被淘汰.通过一代一代的筛选繁衍,最终找到全局接近最优解.适用于数值优化,如多目标函数优化。以及组合优化,如NP问题-〉作业调度,旅行问题,背包问题。
神经网络
是
遗传算法的
进阶,进一步深入可以解决机器学习与人工智能和生命工程问题.
1
2
3
4
5
6
7
8
9
10
涓嬩竴椤
灏鹃〉
其他人还搜
遗传算法和bp神经网络
遗传算法和BP神经网络的区别
遗传算法属于神经网络吗
遗传算法改进神经网络
遗传算法优化卷积神经网络
基于遗传算法的神经网络模型
遗传算法训练神经元
遗传算法与其他算法融合
改进遗传算法