基于生长神经网络的进化机器人行为研究

提出了一个基于生长神经网络的进化机器人行为算法 ,新算法的主要特点是 :1、通过自然选择对神经网络进行进化 ,并能自主实现机器人避碰、移动、复制和攻击等行为 ;2、开发了一个自主机器人模拟环境 ,对所提出的算法进行运行测试 .模拟结果证明 ,生长神经网络系统是研究渐增进化的有效工具 ,新算法能够有效地实现机器人创新行为 .

基于生长自组织神经网络群的交通流预测

为了提高城市交通流预测神经网络方法的快速动态学习能力,提出了一种生长自组织神经网络群,将复杂的神经网络个体分解为多个训练简单的神经网络群组,并利用设计的动态生长自组织算法来避免神经网络在学习新知识的时候对已有知识造成破坏,同时保持整个群工作的高效稳定,规模不过度扩张.该神经网络群尝试解决神经网络的一次性学习问题,具有动态知识增殖学习能力和更强的错误自修复能力及系统适应灵活性.仿真结果表明,这一方法能够更精确地实现函数逼近和城市交通流自适应动态预测,适用于需要不断快速动态学习的复杂系统.