导读:本文包含了进化神经集成论文开题报告文献综述及选题提纲参考文献，主要关键词:控制图,模式识别,神经网络集成,协同进化
进化神经集成论文文献综述
王润飞[1]（2017）在《基于协同进化神经网络集成的控制图模式识别技术研究》一文中研究指出随着生产技术的进步,消费者的需求日益提高。这种需求不仅意味着需求量的增加,更有需求品质的提升。质量管理是现代化工业生产提高市场竞争优势的一个重要方法。在现代化工业生产过程中,稳定的工艺流程是影响产品质量的一个重要因素。统计过程控制中的质量控制图,常被用来监控产品质量的稳定性。然而传统的控制图已不再适应现代化大生产的需求。借助于先进的计算机信息处理技术,把人工智能技术应用工业过程控制中去,实现工业过程中质量控制的实时性、准确性是当前国内外专家学者研究的方向之一。本文总结了在现代化工业生产过程中,关于质量管理领域的控制图模式识别的国内外研究现状和发展趋势,介绍了统计过程控制的基本概念和质量控制图的基本原理,对本文涉及的控制图的判定原则、神经网络的基本理论及其泛化和集成理论、协同进化等相关理论进行了阐述和分析,给本文研究的开展提供了理论支撑。通过分析目前质量控制图模式识别方法中存在的不足和缺陷,结合人工神经网络在处理复杂分类问题方面的特点,利用协同进化的思想提出了一种神经网络集成的设计和训练的方法。通过对神经网络集成泛化误差的分析,将神经网络学习算法和协同进化算法相结合,用个体网络的相关度度量网络集成的误差从而实现个体网络的差异性,个体神经网络的结构在学习过程中自动确定,保持了个体网络的准确性,通过构造方法自动确定神经网络集成的结构,提高了集成学习系统的稳定性和泛化能力。最后利用蒙特卡罗质量特征数据模拟方法生成与实际生产过程相似的质量特征序列,运用MATLAB2012a对控制图6种基本模式识别网络进行编程训练,仿真结果表明所训练的神经网络集成CNNE模型具有很强的识别能力其性能明显优于BP网络和RBF网络等单个的神经网络分类方法,也优于Bagging和Adaboost等传统的集成方法。(本文来源于《中北大学》期刊2017-04-10）
杨凤萍,张大斌[2]（2016）在《差分进化神经网络集成的用户偏好模型构建》一文中研究指出用户偏好模型的构建是推荐成功与否的基础。通过产品特征属性与用户特征属性的映射,建立用户偏好模型,引入神经网络集成的机器学习方法来模拟偏好模型。为了提高用户偏好模型的泛化能力,提出用负相关学习算法并行训练成员神经网络,采用差分进化算法对成员网络进行优化,从而有效降低网络集成的泛化误差,提高模型精度。通过Movielens数据仿真,并与单个BP神经网络、GASEN、核密度神经网络集成等模型实验结果进行对比分析,其均方差明显减少,验证了差分进化神经网络集成的用户偏好模型具有较好的泛化能力,能客观反映用户偏好,从而取得更好的推荐效果。(本文来源于《微型机与应用》期刊2016年08期）
潘晓明,吴建生[3]（2009）在《基于支持向量机的进化神经网络集成股市模型》一文中研究指出利用粒子群优化算法的全局搜索功能,进化设计神经网络的网络结构与连接权,得到一组独立的神经网络集成个体.利用主成份分析法提取其综合信息,再用支持向量机回归方法对其处理,生成神经网络的输出结果,以此建立股市预测模型.通过实例验证,该方法能有效提高神经网络集成的泛化能力,模型的预测精度高、稳定性好、具有应用推广前景.(本文来源于《广西工学院学报》期刊2009年02期）
王立,朱学峰[4]（2009）在《基于新型进化规划的异构神经网络集成算法》一文中研究指出为了进一步提高集成算法的泛化性能,增强个体网络生成过程的客观性,提出一种基于新型进化规划的异构神经网络集成算法.该算法首先利用改进的进化规划生成多个异构的最优网络,然后对异构网络进行组合求解.仿真实验表明,文中算法能够克服传统集成算法中成员网络结构固定、缺乏个体精度的缺点,具有比传统集成算法更好的泛化性能和更少的随机不确定因素.(本文来源于《华南理工大学学报(自然科学版)》期刊2009年01期）
于时才,陈涓[5]（2008）在《基于小生境技术的神经网络进化集成》一文中研究指出针对目前神经网络集成方法中生成个体网络差异度小、集成泛化能力较差等缺点,提出一种基于小生境技术的神经网络进化集成方法。利用小生境技术在增加进化群体的多样性、提高进化局部搜索能力方面的良好性能,通过个体间相似程度的共享函数来调整神经网络集成中个体网络的适应度,再依据调整后的新适应度进行选择,以维护群体的多样性,得到多样性的个体网络。理论分析和实验结果表明,该方法能有效生成差异度较大的个体网络,提高神经网络集成系统的泛化能力与计算精度。(本文来源于《计算机应用》期刊2008年12期）
唐云岚[6]（2008）在《集成神经网络和多目标进化算法的卷烟产品参数优化设计方法及应用研究》一文中研究指出随着烟草行业卷烟工艺水平的发展,计算机辅助卷烟产品设计系统越来越受到卷烟企业的重视。该系统在综合分析历史数据和经验知识的基础上,建立符合卷烟生产实际的各类模型,并以此为指导进行产品优化设计。本文以国内某大型卷烟企业在该领域的课题研究为背景,重点研究该企业计算机辅助产品设计系统中的核心模块——卷烟产品参数优化设计模块。在研究过程中发现,卷烟产品参数优化设计是一个十分复杂的黑盒多目标优化问题,主要反映在:(1)优化对象“工艺参数”与优化目标“质量指标”之间的映射关系十分复杂,难以建立常规的数学优化模型,对于给定的一组工艺参数取值,只能通过现场实验才能获得准确的质量指标评价;(2)优化目标由相互冲突的多个目标组成,这些目标在大多数情况下不能直接进行优劣关系的比较,目标之间相互冲突,在不降低某一目标性能的情况下不能通过参数优化任意提高其他目标的性能。针对上述问题,本文提出了一种基于神经网络和多目标进化算法混合策略的集成计算智能方法:首先,利用人工神经网络对历史数据进行训练,获得能反应参数优化过程中参数向量空间到目标向量空间非线性映射关系的神经网络模型;其次,将训练好的神经网络模型嵌入到多目标进化算法中,以此作为进化过程中个体的适应度评价函数,使得多目标进化算法可以直接应用于产品参数优化设计过程。具体地,本文的主要研究内容和创新成果概括如下:1、提出了一种集成神经网络和多目标进化算法的产品参数优化设计方法现实世界中,很多产品参数优化设计问题均可归纳为黑盒多目标优化问题。黑盒多目标优化问题具有系统建模困难和多个目标必须协调优化的特点。本文通过结合跨越BP神经网络和改进的非劣解排序遗传算法(NSGA-II),借助不同智能计算方法的优点,互补不足:(1)可以充分利用跨越BP神经网络建模的优点,解决复杂系统建模困难的问题,并为NSGA-II的进化个体提供适应度评价函数;(2)采用NSGA-II解决复杂系统中的多目标优化问题。2、提出了基于跨越BP算法的人工神经网络建模方法复杂系统建模是成功解决产品设计参数优化问题的关键,然而传统BP算法具有收敛速度慢、网络结构选择困难、容易陷入局部极小等缺点。本文从连接方式、结构优化以及优化策略叁个方面,对传统BP算法进行了改进:(1)采用基于跨越连接的误差反向传播算法对网络进行训练。有跨越连接的神经网络摒弃了传统神经网络只有前后层相连的拓扑结构,能以更加简洁的结构逼近神经网络的理想状态,加快网络收敛速度。国防科学技术大学研究生院博士学位论文(2)提出了一种BP神经网络结构优化算法。该算法通过引入有方向的均方误差,在有跨越连接的多层前馈人工神经网络结构方程式的基础上,分别导出隐层层数和隐层神经元数判别式。(3)采用基于MOEA和BP混合算法的神经网络建模方法。由于要维持具有一定规模的群体,多目标进化算法必须同时处理搜索空间中的若干点而不像梯度下降法那样只处理单点,从而有助于搜索全局最优点,免予陷入局部最小。这样就可以避免传统BP人工神经网络采用梯度下降法所带来的缺点,同时也确保了良好的收敛速度。3、提出了基于NN和MOEA的卷烟工艺参数优化设计方法卷烟工艺设计主要分为打叶复烤工艺设计、制丝工艺设计和辅料配套工艺设计,它们的本质都是基于各类参数指标关系模型的多目标参数优化过程,且属于黑盒多目标优化范畴。因此,可采用集成神经网络和多目标进化算法的产品参数优化设计方法(ICIA–NN & MOEA)优化求解。在具体应用过程中,结合工艺设计实际提出了基于NN和MOEA的卷烟工艺参数优化设计方法,并将其应用于二次润叶工序工艺参数多目标优化问题,取得了令人满意的效果。4、提出了基于NN和MOEA的卷烟配方参数优化设计方法卷烟配方设计主要分为叶组配方设计和糖香料配方设计,它们的本质都是基于感官质量评价模型的多目标参数优化过程,且属于黑盒多目标优化范畴。与工艺参数优化设计不同的是,配方参数优化设计涉及到感官质量评价问题,这是一个主观性较强的评价过程,难以直接建立类似于工艺参数指标关系模型的单料烟比例与感官质量指标关系模型。针对上述问题,本文提出了基于NN和MOEA的卷烟配方参数优化设计方法,该方法与工艺参数多目标优化设计方法相比,主要有两点不同:(1)借鉴卷烟配方实践中的感官质量评分标准,将感官质量评价结果转换为感官质量得分,实现了非数值型指标向数值型指标的转变;(2)以烟叶化学成分为中间环节,分别建立单料烟比例与烟叶化学成分关系式和烟叶化学成分与感官质量得分关系模型,成功实现了由单料烟比例到感官质量评价的非线性映射。最后,将基于NN和MOEA的卷烟配方参数优化设计方法应用于配方创新和配方维护,取得了令人满意的效果。(本文来源于《国防科学技术大学》期刊2008-10-01）
肖莎[7]（2007）在《基于神经网络集成的进化机器人行为方法研究》一文中研究指出进化机器人是嵌入了进化算法的具有较强环境适应能力的机器人，属于智能机器人研究领域新的研究方向，能够很好的解决移动机器人学习与适应能力方面的问题。本文基于进化神经网络，对机器人硬件进化(EHW)的两个方面—形态的进化和基于FPGA的电子电路的进化进行了系统的研究。现有进化算法搜索时间长，进化速度慢，往往不能进化出个体行为的最优解，本文利用神经网络集成显着的泛化性和个体成员网络的差异性，提出了基于集成系统的并行进化学习算法。本文定义了机器人传感器组，每一个传感器组最小结构对应于一种神经网络，通过进化成员网络的权值、结构、学习规则得到最优的行为个体。仿真实验证明了基于神经网络集成系统的并行学习算法的有效性，相比较于传统的单网络控制器的设计方法，本文所提出的算法具有更高的学习效率和进化能力。本文结合自主避障的进化实验，对神经网络的硬件实现进行了探讨，提出了一种神经元连接方式，从输入层到中间层采用串行连接，从中间层到输出层采用并行连接，并对遗传算法进化神经网络的模块化结构设计进行了初步探讨。采用Altera公司的FPGA芯片—Cyclone EP1C3T144C进行实验，结果显示该方法能有效的缩短运行时间，取得较好的效果。本文根据实际机器人机械结构和运动特性，利用面向对象的编程方法，利用C++BuilderI具建立了SimRobot机器人行为学习和进化的仿真环境软件，讨论了传感器模型和地图环境构建方法，验证了行为学习和进化结果的有效性。本文希望通过模拟生物的学习和进化来研究SimRobot机器人的行为，自主地得到适合机器人工作环境和满足任务要求的机器人各种行为的动作编码值。研究中，仅赋予机器人基本的行为和动作方式，利用机器人个体的行为学习和种群的行为进化，自主地得到机器人的动作编码值，减少较多的人为设计因素，将设计者从机器人的基本行为动作设计中解脱出来，增强机器人的实际应用能力。(本文来源于《山东大学》期刊2007-05-08）
王洪燕[8]（2000）在《基于神经网络的进化机器人行为集成方法的研究》一文中研究指出以往对机器人的研究大多是在已知的、结构化环境中进行的，研究人员对于机器人的自身以及机器人的工作环境都有精确的先验知识。这种传统的机器人设计方法必然存在一些问题，主要表现在：（1）设计者必须要具有机器人及其工作环境的先验知识，即首先要建立机器人及其工作环境的数学模型。（2）如果对机器人自身以及工作环境知识不断完善的话，那么就要不断地修改硬件和软件上的设计，给工程实现带来难以评估的工作量。（3）机器人必须精确地按照环境的内部模型进行规划的结果来运行，适应能力差。 进化机器人是机器人研究领域中的一个重要分支，由于它具有简洁的结构和高度的自主能力，这一方向正受到越来越多的国内外专家学者的重视。具有代表性的行为主义思想认为，设计智能机器人的有效途径应象生物体进化那样，采用“自下而上”方式，以感知-行动作为基础，在与环境的交互中学习。在设计智能机器人过程中，一个关键问题是如何来实现“行为主义”的思想、在与环境的交互中学习行为动作。 本论文则基于进化神经网络，对机器人行为模型和算法进行了系统研究。研究过程更加注重机器人的适应性，不注重对环境知识完备性的要求，让机器人就在完全未知环境下运行。通过机器人自身对环境的感知，来建立环境的模型，并且具有自恢复能力。机器人通过不断的学习，完善自身的适应能力，依靠与环境不断的交互来获得知识，并通过反复调整环境模型与自身的模型，最终学会在未知环境中运行。本文主要研究内容及创新成果包括：1、基于并行遗传算法和L-系统模拟自然进化和生长学习过程，提出一个人工神经网络结 构设计算法。算法对生成网络的产生式规则进行编码来约束网络的搜索空间，并采用 并行算法降低运算时间。实验证明该算法能有效提高网络结构设计的性能和收敛速度。2、提出了基于神经网络的进化机器人避碰、趋近和沿壁行为学习算法。文中首先提出了 新的机器人模拟环境和机器人模型，构建了基于神经网络的进化学习系统；然后对具 有进化学习机制的机器人基本行为学习系统进行了仿真实验，并对仿真结果进行分析 与讨论。3、基于神经网络方法提出了进化机器人避碰、趋近、沿壁行为的高级组合行为切换学习 算法。首先对机器人模拟环境进行了增强设计，给出采用神经网络实现进化学习系统 的方法，然后对具有进化学习机制的机器人组合行为切换学习系统进行了仿真实验， 并对仿真结果进行分析与讨论，最后指出了进一步研究方向。4、基于神经网络集成了进化多机器人编队行为及避碰、趋近、随机等基本行为，以控制 摘要 机器人规划路径、避开危险并同时保持队形。文中首先在研究了自主机器人构架 （AU RARA）的基础上，利用神经网络实现了机器人高级组合行为的进化学习，然后对 具有进化学习机制的机器人编队行为系统进行了仿真实验，并对多种模拟环境中的不 同编队行为类型进行了性能分析与讨论。5、提出了一个基于生长神经网络的进化机器人行为算法，新算法的主要特点是：l）、迢 过自然选择对神经同络进行进化，并能自主实 沿人进磁、移动、复制和攻击等行 为；2）、开发了一个自主机器人模拟环境，对所提出的算法进行运行恻试．模拟结果 证明，生长神经冈络系统是研究渐增进化的有效工具，新算法能够有效地实现机召人 创新行为；由于采用了生长系统，这些网络在复制过程中克服了传统进化网络的基因 型相同而表现型不同的固有缺点，系统能在长期渐增进化中处于准．收敛状态． — —’—’－’”、r－一、——”‘—、一’”—”””’”’—”一’”“—一”“『”’”一’一’——”’————””“’”t 本文所研究的各种算法并不局限于上述应用，对函数优化、组合优化、板式识别、图象压络等计算机应用领域也有广泛的应用前景．(本文来源于《合肥工业大学》期刊2000-06-30）
进化神经集成论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
用户偏好模型的构建是推荐成功与否的基础。通过产品特征属性与用户特征属性的映射,建立用户偏好模型,引入神经网络集成的机器学习方法来模拟偏好模型。为了提高用户偏好模型的泛化能力,提出用负相关学习算法并行训练成员神经网络,采用差分进化算法对成员网络进行优化,从而有效降低网络集成的泛化误差,提高模型精度。通过Movielens数据仿真,并与单个BP神经网络、GASEN、核密度神经网络集成等模型实验结果进行对比分析,其均方差明显减少,验证了差分进化神经网络集成的用户偏好模型具有较好的泛化能力,能客观反映用户偏好,从而取得更好的推荐效果。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
进化神经集成论文参考文献
[1].王润飞.基于协同进化神经网络集成的控制图模式识别技术研究[D].中北大学.2017
[2].杨凤萍,张大斌.差分进化神经网络集成的用户偏好模型构建[J].微型机与应用.2016
[3].潘晓明,吴建生.基于支持向量机的进化神经网络集成股市模型[J].广西工学院学报.2009
[4].王立,朱学峰.基于新型进化规划的异构神经网络集成算法[J].华南理工大学学报(自然科学版).2009
[5].于时才,陈涓.基于小生境技术的神经网络进化集成[J].计算机应用.2008
[6].唐云岚.集成神经网络和多目标进化算法的卷烟产品参数优化设计方法及应用研究[D].国防科学技术大学.2008
[7].肖莎.基于神经网络集成的进化机器人行为方法研究[D].山东大学.2007
[8].王洪燕.基于神经网络的进化机器人行为集成方法的研究[D].合肥工业大学.2000