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
优缺点,
答:
缺点:(1)最严重
的
问题是没能力来解释自己的推理过程和推理依据。(2)不能向用户提出必要的询问,而且当数据不充分的时候,
神经网络
就无法进行工作。(3)把一切问题的特征都变为数字,把一切推理都变为数值计算,其结果势必是丢失信息。(4)理论和学习
算法
还有待于进一步完善和提高。
神经网络
的
四个基本属性是
什么
?
答:
神经网络
的
四个基本属性:(1)非线性:非线性是自然界的普遍特征。脑智能是一种非线性现象。人工神经元处于两种不同的激活或抑制状态,它们在数学上是非线性的。由阈值神经元组成的网络具有更好的性能,可以提高网络的容错性和存储容量。(2)无限制性:神经网络通常由多个连接广泛的神经元组成。一个...
逻辑回归系数和胜算比之间存在
什么关系
答:
(2)参数化编码法 参数化编码采用的编码较为抽象。通过对“染色体”的优化就实现了对网络的优化,性质分析;以及
遗传算法的
通用编程和形式等。这时。 遗传算法虽然可以在多种领域都有实际应用,它在两个方面起作用 (1)学习规则的优化 用遗传算法对
神经网络
学习规则实现自动优化。一般对进化后的优化“染色...
基于
遗传算法的神经网络
都有
哪些
初始参数要设置,怎么设置?
答:
神经层数,每层
的神经
元个数,神经元的类型、学习方式。下面是一个用C#实现封装的库,有详细的解释和调用方法。http://franck.fleurey.free.fr/NeuralNetwork/
遗传算法
优化BP
神经网络
权阈值的适应度评价函数
答:
评价阈值好坏
的
标准应该是:(网络实际输出T-理论输出P)的平方和。这里的实际输出指
神经网络
计算值,理论输出表示期望输出值。这个平方和值应该尽量小。越小说明神经网络计算越准确。
matlab
神经网络
目前有
什么
具体
的
实际应用
答:
神经网络遗传算法
函数极值寻优——非线性函数极值寻优 基于BP_Adaboost的强分类器设计——公司财务预警建模 PID神经元网络解耦控制算法——多变量系统控制 RBF网络的回归——非线性函数回归的实现 GRNN的数据预测——基于广义回归
神经网络的
货运量预测 离散Hopfield神经网络的联想记忆——数字识别 离散Hopfield...
正交试验方法、粒子群算法、
遗传算法
和模拟退火算法有
什么
不同
答:
粒子群算法是一种通过模拟鸟群觅食行为而发展起来
的
优化算法,广泛应用于TSP这类组合优化问题、非线性整数规划问题、函数优化等领域。
遗传算法
则是一种基于生物进化原理的优化算法,广泛应用于机器学习、
神经网络
训练等领域。模拟退火算法是一种基于物理退火过程的优化算法,主要应用于组合优化问题,如VLSI、...
MATLAB
神经网络的
目录
答:
第1章 BP
神经网络的
数据分类——语音特征信号分类1本案例选取了民歌、古筝、摇滚和流行四类不同音乐,用BP神经网络实现对这四类音乐的有效分类。第2章 BP神经网络的非线性系统建模——非线性函数拟合11本章拟合的非线性函数为y=x21+x22。第3章
遗传算法
优化BP神经网络——非线性函数拟合21根据遗传算法和BP神经网络...
神经网络的
发展趋势如何?
答:
1949年,心理学家D.O.Hebb提出突触联系可变的假设,根据这一假设提出的学习规律为
神经网络的
学习
算法
奠定了基础。 1957 年, 计算机科学家Rosenblatt提出了著名的感知机模型,它的模型包含了现代计算机的一些原理,是第一个完整的人工神经网络,第一次把神经网络研究付诸工程实现。由于可应用于模式识别,联想记忆等方面,当时...
人工智能技术是学
什么
?
答:
线性代数能让我们了解如何将研究对象形象化,概率论能让我们懂得如何描述统计规律,此外还有许多其他数学科目,这些数学基础能让我们在学习人工智能的时候事半功倍。然后我们需要的就是对
算法的
累积,比如人工
神经网络
、
遗传算法
等。人工智能的本身还是通过算法对生活中的事物进行计算模拟,最后做出相应操作的一种智能化工具,...
棣栭〉
<涓婁竴椤
4
5
6
7
9
10
8
11
12
13
涓嬩竴椤
灏鹃〉
其他人还搜