一种用于解决优化问题的混合智能算法研究

经典优化方法在求解优化问题的全局最优解方面存在一些不足。启发式优化方法在寻求最优解的过程中能够根据个体或者全局的经验自动选择其搜索路径,因此是一个高效获得可行解的办法。最近的用于解决连续优化问题的研究趋势是混合两个或几个变体,以找到在全局优化问题领域更好的解。本文提出了一种混合灰狼优化算法(GWO)和正弦余弦算法(SCA)的求解优化问题的方法。利用正余弦算法的位置更新方程改进了灰狼的运动方向和速度,以此来提高解决连续优化问题的效率。

递归神经网络的研究进展

递归神经网络作为深度学习领域下的一个领域,备受学者们的关注。递归神经网络因其独有的自反馈特点,能够完成其它神经网络所不能完成的任务,因而受到研究者的喜爱。递归神经网络和各种不同的模型搭建所生产的效果功能都不同。本文首先介绍了递归神经网络原理以及它的分类方法;其次对递归神经网络在理论上的最新研究进展做了一个分析与介绍,主要包括全局指数稳定性方面的研究,时滞递归神经网络以及其它递归神经网络在某些个类方法下的研究进展;最后对递归神经网络在应用领域的研究进展做一个介绍,主要对学者们研究较多的图像处理的应用,语音数据的文本处理的进展做一个介绍。