66问答网
所有问题
当前搜索:
遗传算法属于什么网络
BP算法、BP
神经网络
、
遗传算法
、神经网络这四者之间的关系
答:
属于神经网络这个大类
。
遗传算法为进化算法这个大类
。神经网络模拟人类大脑神经计算过程,可以实现高度非线性的预测和计算,主要用于非线性拟合,识别,特点是需要“训练”,给一些输入,告诉他正确的输出。若干次后,再给新的输入,神经网络就能正确的预测对于的输出。神经网络广泛的运用在模式识别,故障诊断...
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。
如何用神经
网络遗传算法
求极值?
答:
然后编写遗传算法,你知道,
遗传算法是
每代不断迭代的,然后每代会根据适应度决定是否进入下一代,这里的适应度你就用sim(net,x)得到的值的倒数(或者类似的)作为适应度,然后其它就和遗传算法没
什么
两样了.最后得到的最优解, 就是
网络
的最优解. 也就是你要的结果了.不过兄弟,这想法很牛B,很值得鼓励...
hopfield
神经网络
和
遗传算法
的不同点
答:
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
》
如何利用人工
神经网络
或
遗传算法
解决实际问题
答:
来自<
神经网络
之家>nnetinfo 目前可以做的一般有:分类.函数拟合 压缩.图象识别 等等, 其实说到底,所有的都能归于第2点--函数拟合.一般如果输入与输出是有强烈关系的,网络都能找得到这个关系.例如病人的特征作为输入,判断这个是否为病人,一般都是可以的.业务背景知识强,才能把神经网络运用到实际中.另外...
神经
网络
的
遗传算法
可以防止过拟合嘛?
答:
你好,遗传算法在一定程度上可以防止过拟合。遗传算法主要是针对
神经网络
的优化的。他是通过交叉和突变来实现对神经网络的优化。过拟合其实是说模型太过严格,泛化不够。容错性不够好。因为遗传算法通过交叉和突变,他可以提升模型的泛化能力。
遗传算法
求解?
答:
这是把
神经网络
结构直接用二进制串表示,在遗传算法中,“染色体”实质上和神经网络是一种映射关系。通过对“染色体”的优化就实现了对网络的优化。(2)参数化编码法 参数化编码采用的编码较为抽象,编码包括网络层数、每层神经元数、各层互连方式等信息。一般对进化后的优化“染色体”进行分析,然后产生...
遗传算法
优化BP
神经网络是
不是会使训练时间变慢!
答:
1、遗传算法优化BP
神经网络
是指优化神经网络的参数;2、因此,对训练时间没有影响。
matlab的
遗传算法
优化BP
神经网络
答:
未经遗传算法优化的BP
神经网络
建模 1、 随机生成2000组两维随机数(x1,x2),并计算对应的输出y=x1^2+x2^2,前1500组数据作为训练数据input_train,后500组数据作为测试数据input_test。并将数据存储在data中待遗传算法中使用相同的数据。2、 数据预处理:归一化处理。3、 构建BP神经网络的隐...
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。
1
2
3
4
5
6
7
8
9
10
涓嬩竴椤
灏鹃〉
其他人还搜
遗传算法属于神经网络
神经网络和遗传算法什么关系
遗传算法属于什么领域
遗传算法网络
什么是遗传算法
遗传算法 神经网络
遗传算法和bp神经网络
bp神经网络遗传算法举例
神经网络和遗传算法的异同点