2022年2022年进化自适应子波神经网络 .pdf

《2022年2022年进化自适应子波神经网络 .pdf》由会员分享，可在线阅读，更多相关《2022年2022年进化自适应子波神经网络 .pdf（3页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、进化自适应子波神经网络自适应子波网络能够对目标信号进行特征提取及分类，但它是通过梯度算法将输出误差反馈，调节网络的连接权值即子波基函数参数来达到寻优的目的，这与BP算法相同，存在以陷入局部极小的缺陷，且训练时间较长。由于 GA 对复杂的优化问题无需建模和进行复杂的运算，以及其全局搜索寻优技术的特点，将 GA 用于自适应子波神经网络系统优化设计，从而解决采用梯度搜索的BP 算法难以克服的缺陷。1.子波函数参数初始化子波特征提取层的功能是提取可分性最大的一组信号子波特征，由于采用的是误差梯度反馈算法， 使得这一学习过程十分缓慢。在目标分类中， 应用子波变换的目的也在于提取信号有利于分类识别的信息，

2、即提取的子波特征在特征空间中可分性大于原始信号在信号空间中的可分性。 因此， 如果有一种对可分性的评价韩式直接指导训练子波基函数参数选择，则大大降低网络的训练时间。基于这种考虑， 提出了一种对具体信号进行子波基函数参数初始化的方法。利用遗传算法进行优化的关键问题是适应度函数的确定，针对目标分类， 采用可分性测度作为适应度函数。? ,?=? ,?+ ?上式来衡量不同类别间的可分性，很显然 ? ,?越大，表示? 类和 ? 类之间的可分性越好； ? ,?越小，则表示 ? 类和 ? 类之间的可分性越差。因此，将可分性测度作为适应度函数，适应度函数越大，表明提取的子波特性可分性越好。初始化子波基函数时，

3、首先确定一母波函数及其对特定目标信号的伸缩、平移参数的取值范围， 并对其编码， 利用遗传算法进行优化搜索，最后获得一组有利于分类识别的信号子波特征。2. 组合遗传算法利用遗传算法训练神经网络有以下特点：1）遗传算法是在一个群体的基础上进行搜索的，与那些以单点为初始点的训练方法相比，它不容易陷入局部极小；2）遗传算法在寻优时不需要函数梯度信息，只要有目标函数值即可，因此目标函数可以不连续、不可微；3）通过编码操作；遗传算法可直接作用于网络的结构对象。下面讨论用遗传算子对子波神经网络进行学习和训练时的编码和适应度计算等问题。名师资料总结 - - -精品资料欢迎下载 - - - - - - - -

4、- - - - - - - - - - 名师精心整理 - - - - - - - 第 1 页，共 3 页 - - - - - - - - - 1）编码在标准遗传算法中，进行遗传操作之前，要对所有的个体进行编码。这样做的缺点是：在没有网络权值的先验知识的情况下，要确定编码的长度比较困难。编码太长， 浪费计算机资源； 编码太段，则不能覆盖整个解空间，而且也不能保证搜索精度。改进的具体作法就是在进行遗传操作时先不进行编码，而是保留可能解的实数形式。编码则在进行交叉和变异操作时进行， 但是在确定交叉和变异位置时要进行两次挑选。第一次挑选是确定遗传算子作用在哪个权值上。 知道权值之后， 对这个权值进行二

5、进制编码操作，然后在这个二进制码串上确定一位码元，从这个码元开始交叉和变异。2）适应度计算在神经网络学习中，通常采用平方型误差来衡量误差的大小。?i=12(yk- yk)2Nk=1式中，?i恒正。不难发现， 对?i取倒数就可以满足遗传算法对适应度的要求，则?i越大，适应度越小， ?i越小适应度越大。因此适应度函数定义为?=1?i此外，选择、交叉和变异三个遗传算子的使用则与标准遗传算法基本相同。使用遗传算法训练子波神经网络的基本步骤如下：1）初始化。任意选取若干组权值以及初始化后的子波基函数参数作为初始群体，每一组权值作为一个个体，依据下列式子计算其适应度。?=1?i2）选择按照适应度大小对群体

6、中的个体进行选择，对被选中的个体进行编码，并把它们作为父代。3）交叉和变异。对父代进行交叉和变异操作，生成子代。4）利用遗传算子操作的结果生成新的群体，对新群体中的个体进行衡量，若由满意解则结束，否则转到步骤（2） 。需要指出的是， 迄今为止没有一种方法能够保证网络的收敛性。采用遗传算法训练神经网络也有导致局部极小的肯能，即遗传算法中的早熟。但是，与传统的一些算法相比，遗传算法更容易避免局部极小。利用遗传算法训练神经网络不容易陷入局部极小，而且在网络训练的初期学习速度较快，名师资料总结 - - -精品资料欢迎下载 - - - - - - - - - - - - - - - - - - 名师精心整理 - - - - - - - 第 2 页，共 3 页 - - - - - - - - - 但当接近收敛时，收敛速度并不比BP算法有优势。 BP算法在局部搜索时比较有效，但易陷入局部极小，因此，用遗传算法与BP算法相结合进行神经网络的学习，能够综合这两种算法的优点，比单独采用这两种方法都有效。名师资料总结 - - -精品资料欢迎下载 - - - - - - - - - - - - - - - - - - 名师精心整理 - - - - - - - 第 3 页，共 3 页 - - - - - - - - -