基于遗传算法优化的神经网络在人体脉象识别中的应用

人体脉象信息的分类、识别等诸多方面存在着大量复杂的非线性关系,针对传统神经网络结构的设计依赖于人的经验,以及学习和训练时长、学习收敛性很难保证的缺点,提出了一种利用遗传算法对神经网络的结构、连接权、初始阈值、学习率、动量因子同时进行优化,从而达到优化神经网络的算法。该算法结合了神经网络的快速并行性和遗传算法的全局搜索性,提高网络的处理能力,为人体脉象识别方法提供新的理论思想和认知系统。