MFNN的有效训练算法——变尺度方法的优化训练算法

在神经网络中应用最广泛的是一种前馈神经网络 在分析了神经网络原理后 ,针对该网络B P算法收敛速度慢的不足 。

一种改进的粒子群优化RBF网络学习算法

提出了一种新的用粒子群优化RBF网络学习的算法,即分组训练合成优化。该算法利用粒子之间的合作与竞争以实现对多维复杂空间的高维搜索能力,找出神经网络权值的最优解,以达到优化神经网络学习的目的。通过与用最小二乘法优化的神经网络进行了比较,结果表明算法所优化的神经网络收敛效果明显、收敛速度快。

一种提高支持向量机针对低维向量分类精度的新方法

本文提出一种支持向量机的全局优化训练算法,形成一种新的分类器,以解决传统的支持向量机在对低维样本点分类时产生的精度下降问题。首先对支持向量机原理,以及以SVM—light为代表的经黄SVM训练算法进行分析,发现支持向量机的训练在本质上都归结为具有不等式约束条件的二次规划问题。本文直接根据支持向量机的最优分类超平面,将其化为无约束条件的求解函数极值问题。然后采用全局优化算法-禁忌搜索算法得到函数的极值点。通过两类高斯样本点分类实验和人脸图像识别的多类分类试验,证明使用支持向量机的全局优化训练算法,在样本点特征向量维数较低的情况下,比使用传统的支持向量机训练算法分类具有更高的分类准确率。

基于人工免疫算法的滚动优化在康复机器人中的应用研究

针对上肢康复机器人主动康复训练过程中,存在不可预知的人机交互作用力和不确定的患者痉挛扰动问题,通过实时采集人机交互力,设计一种非线性滚动时域跟踪控制算法,并对该控制器的稳定性进行了分析.该控制器基于上肢康复机器人系统在每个采样时刻的线性化模型预测系统未来的动态,以人工免疫优化算法为滚动优化策略,不仅提高了系统的抗干扰性能,而且保证了系统在整个预测时域上能得到可行解.仿真研究表明了该控制器的有效性.