GA-CCA混合优化算法及其在神经网络应用中的研究

摘要

当前，计算智能算法作为人工神经网络、模糊系统和进化计算三种算法的融合，被越来越多的学者研究，成为人工智能的一个新的研究领域。 为了进一步扩展计算智能算法的性能，在深入分析的基础上，本文首先介绍一种传统的优化算法——共轭梯度法(ConjugateGradientAlgorithm，简称CGA)，并且对该算法进行改进，然后对计算智能算法之一——遗传算法(GeneticAlgorithm，简称GA)进行改进，最后将改进GA和改进CGA有机结合，提出了一种新型的GA-CGA混合优化算法。为了验证该GA-CGA混合优化算法具有良好的优化性能，本文将该混合优化算法用于神经网络的权值训练。 另外，为了进一步验证CA-CGA混合优化算法在神经网络的应用领域内同样具有良好的性能，本文将其用于系统辨识及盲信号分离中神经网络模型的训练，取得了理想的训练效果，达到了优化的目的，为计算智能算法的应用研究提供了一种新途径。

目录

文摘

英文文摘

第1章 引言

第2章 非线性共轭梯度法(CGA)及其改进算法

第3章 标准遗传算法(GA)及其改进

第4章 一种新型的GA-CGA混合优化算法

第5章 基于GA-CGA混合优化算法的人工神经网络在应用中的研究

结束语

参考文献

致谢

原创性声明