针对神经网络超参数优化效果差、容易陷入次优解和优化效率低的问题,提出一种基于改进实数编码遗传算法(IRCGA)的深度神经网络超参数优化算法——IRCGA-DNN(IRCGA for Deep Neural Network)。首先,采用实数编码方式表示超参数的取值,使...针对神经网络超参数优化效果差、容易陷入次优解和优化效率低的问题,提出一种基于改进实数编码遗传算法(IRCGA)的深度神经网络超参数优化算法——IRCGA-DNN(IRCGA for Deep Neural Network)。首先,采用实数编码方式表示超参数的取值,使超参数的搜索空间更灵活;然后,引入分层比例选择算子增加解集多样性;最后,分别设计了改进的单点交叉和变异算子,以更全面地探索超参数空间,提高优化算法的效率和质量。基于两个仿真数据集,验证IRCGA-DNN的毁伤效果预测性能和收敛效率。实验结果表明,在两个数据集上,与GA-DNN(Genetic Algorithm for Deep Neural Network)相比,所提算法的收敛迭代次数分别减少了8.7%和13.6%,均方误差(MSE)相差不大;与IGA-DNN(Improved GA-DNN)相比,IRCGA-DNN的收敛迭代次数分别减少了22.2%和13.6%。实验结果表明,所提算法收敛速度和预测性能均更优,能有效处理神经网络超参数优化问题。展开更多
为研究多重调谐质量阻尼器(Multiple Tuned Mass Damper,MTMD)抑制桥梁单阶涡振的性能,建立桥梁结构-MTMD系统竖弯涡振广义单自由度动力方程,以某大跨度悬索桥为背景进行MTMD减振控制效果和参数优化分析。采用数值方法求解动力方程,获...为研究多重调谐质量阻尼器(Multiple Tuned Mass Damper,MTMD)抑制桥梁单阶涡振的性能,建立桥梁结构-MTMD系统竖弯涡振广义单自由度动力方程,以某大跨度悬索桥为背景进行MTMD减振控制效果和参数优化分析。采用数值方法求解动力方程,获得系统在简谐涡激力下达到稳态谐振时结构的动力放大系数和MTMD对结构的附加模态阻尼比,并与单一频率调谐质量阻尼器(Single Tuned Mass Damper,STMD)的减振控制效果进行对比,然后以附加模态阻尼比为目标对MTMD进行参数优化。结果表明:MTMD比最优参数STMD拥有更宽的控制频带和更好的减振效果,经优化后的MTMD减振性能优于最优参数STMD。实际应用MTMD时,应选择较大广义质量、5~7种频率规格,并根据二者找到无量纲频率范围和各TMD阻尼比的惟一最优取值。展开更多
文摘针对神经网络超参数优化效果差、容易陷入次优解和优化效率低的问题,提出一种基于改进实数编码遗传算法(IRCGA)的深度神经网络超参数优化算法——IRCGA-DNN(IRCGA for Deep Neural Network)。首先,采用实数编码方式表示超参数的取值,使超参数的搜索空间更灵活;然后,引入分层比例选择算子增加解集多样性;最后,分别设计了改进的单点交叉和变异算子,以更全面地探索超参数空间,提高优化算法的效率和质量。基于两个仿真数据集,验证IRCGA-DNN的毁伤效果预测性能和收敛效率。实验结果表明,在两个数据集上,与GA-DNN(Genetic Algorithm for Deep Neural Network)相比,所提算法的收敛迭代次数分别减少了8.7%和13.6%,均方误差(MSE)相差不大;与IGA-DNN(Improved GA-DNN)相比,IRCGA-DNN的收敛迭代次数分别减少了22.2%和13.6%。实验结果表明,所提算法收敛速度和预测性能均更优,能有效处理神经网络超参数优化问题。
文摘为研究多重调谐质量阻尼器(Multiple Tuned Mass Damper,MTMD)抑制桥梁单阶涡振的性能,建立桥梁结构-MTMD系统竖弯涡振广义单自由度动力方程,以某大跨度悬索桥为背景进行MTMD减振控制效果和参数优化分析。采用数值方法求解动力方程,获得系统在简谐涡激力下达到稳态谐振时结构的动力放大系数和MTMD对结构的附加模态阻尼比,并与单一频率调谐质量阻尼器(Single Tuned Mass Damper,STMD)的减振控制效果进行对比,然后以附加模态阻尼比为目标对MTMD进行参数优化。结果表明:MTMD比最优参数STMD拥有更宽的控制频带和更好的减振效果,经优化后的MTMD减振性能优于最优参数STMD。实际应用MTMD时,应选择较大广义质量、5~7种频率规格,并根据二者找到无量纲频率范围和各TMD阻尼比的惟一最优取值。