基于人工免疫网络的神经网络集成方法及其应用研究

摘要

从20世纪90年代中期开始，有关神经网络集成的理论研究受到了极大的关注和重视，大量研究者涌入该领域，理论和应用成果层出不穷，使得神经网络集成成为目前国际机器学习和神经计算界的一个相当活跃的研究热点。其理论研究主要集中在提高集成的多样性。 同时人工免疫网络作为一门新兴的人工智能学科，也得到了长足的发展，涌现了许多人工免疫算法，出现了许多人工免疫网络算法的应用实例。 本文开展了基于人工免疫网络算法的神经网络集成技术及其应用研究，提出了一个基于人工免疫网络的神经网络集成方法AINEN(Artificial ImmuneNetwork Based Neural Network Ememble)，并探讨了其在隧道施工地表沉降预测中的应用。 文中首先介绍了神经网络集成的国内外发展状况，并分门别类的介绍了神经网络集成方法，重点介绍了选择性神经网络集成，因为选择性集成是本文的理论基础。同时介绍了一个经典的选择性集成方法GASEN，并指出这种被动型集成方法的不足，在此基础上提出了一种主动型神经网络集成。另一方面，由于人工免疫网络也是本文的理论基础，所以又介绍了人工免疫算法，其中重点是人工免疫网络理论及其经典算法AiNet，在这里也指出了AiNet算法存在的两个不足，一个是不区分B细胞和抗体，一个是变异算子不能快速的收敛。 在介绍了以上两个理论的基础上，论文提出了AINEN神经网络集成方法，并介绍了该方法的基本思想以及针对上面提出的两个不足的地方的解决方案，给出了实现的详细步骤。然后将AINEN与GASEN算法在标准数据上做了包括实验分类和回归的对比实验。实验结果表明AINEN在回归实验和分类比较多的实验中得到的泛化误差比GASEN要低很多。在分类比较少的实验中，AINEN的泛化误差和GASEN的泛化误差差不多。 最后本文分析了隧道施工地表沉降预测问题，并建立了对应的预测模型，然后在Matlab上，按照AINEN方法的思想进行了实验，取得了较好的应用效果。

目录

文摘

英文文摘

声明

第一章绪论

1.1课题研究的目的和意义

1.2国内外研究概况

1.2.1神经网络集成

1.2.2人工免疫算法

1.2.3盾构风险知识管理及盾构沉降预测

1.3本文的内容安排

1.4小结

第二章神经网络集成

2.1神经网络集成概要

2.1.1算法计算(computation)

2.1.2表示法(representation)

2.2神经网络集成方法的分类

2.2.1结论生成方法的分类

2.2.2个体生成方法的分类

2.3选择性神经网络集成

2.3.1选择性集成的理论基础

2.3.2选择性集成

2.3.3被动型选择性集成-GASEN算法

2.4主动型选择性神经网络集成理论基础

2.5小结

第三章人工免疫

3.1人工免疫概要

3.2自然免疫

3.3从自然免疫到人工免疫

3.4人工免疫分类

3.4.1免疫进化算法

3.4.2阴性选择算法

3.4.3人工免疫网络

3.5Opt-AiNet免疫网络模型的不足

3.6小结

第四章基于人工免疫网络的神经网络集成方法AINEN

4.1AINEN方法概要

4.2AINEN方法详细步骤

4.3AINEN的基本概念

4.3.1异构度矩阵

4.3.2适应度

4.4AINEN中神经网络个体的生成与编码

4.4.1个体生成方法的选择

4.4.2个体编码

4.5AINEN中的两次网络压缩过程

4.6AINEN中单个神经网络的克隆与变异

4.6.1单个神经网络的克隆

4.6.2变异算子

4.6.3单个神经网络的变异

4.7AINEN与GASEN在标准数据上的对比实验

4.7.1分类实验

4.7.2回归实验

4.8小结

第五章AINEN在盾构工程中的应用

5.1盾构知识管理系统综述

5.2隧道施工地表沉降问题分析

5.3建立模型

5.4程序实现

5.4.1预处理

5.4.2单个BP网络的训练

5.5网络的集成和实验结果

5.6 小结

第六章结论与展望

6.1结论

6.2展望

参考文献

作者在攻读硕士学位期间公开发表的论文

作者在攻读硕士学位期间所作的项目

致谢