人工神经网络(ArtificialNeuralNetworks,简称ANN)是一种基于连接主义机制的人工智能技术。它试图从微观上解决人类的认知功能,以此来探索认知过程的微结构,并在网络层次上模拟人类的思维方式和组织方式。它通过合理的样本训练、学习...[继续阅读]
海量资源,尽在掌握
人工神经网络(ArtificialNeuralNetworks,简称ANN)是一种基于连接主义机制的人工智能技术。它试图从微观上解决人类的认知功能,以此来探索认知过程的微结构,并在网络层次上模拟人类的思维方式和组织方式。它通过合理的样本训练、学习...[继续阅读]
9.2.1 梯度下降法则梯度下降法则为反向传播算法提供了基础,它主要采用梯度下降的方法来搜索可能的权向量的假设空间,以找到最佳拟合训练样例的权向量。假设训练误差用公式(9.2.1)描述。E=Err2=2(9.2.1)其中,E为误差项,W为网络权向...[继续阅读]
神经网络的基本特性主要有以下几点。(1)分布存储与容错性。信息在神经网络内的存储按内容分布于大量的神经细胞之中,而且每个神经细胞实际上存储着多种不同信息的部分内容。信息的记忆主要反映在神经元之间的连接权上。网...[继续阅读]
BP神经网络由于其结构简单,表达能力强,可以适用于很多环境中。其在高光谱遥感数据处理中的应用主要有矿物识别、物谱关联和遥感图像数据分类等。9.4.1 基于BP网络的高光谱地面实测数据矿物识别设计BP神经网络的关键是网络结...[继续阅读]
演化算法(EvolutionaryAlgorithms)最初是由美国科学家Holland根据达尔文生物进化论创建的。按照达尔文的自然选择学说,生物都要经过繁殖、斗争、遗传和变异、适者生存四个过程,因而可以说达尔文进化论是一种稳健的搜索和优化机制。...[继续阅读]
演化算法又叫进化算法,它借鉴于生物学中的进化和遗传概念,解决各种复杂的工程技术问题。下面先来回顾一下生物学中进化和遗传的概念,以便深入探讨各种演化算法。10.2.1 生物的进化生物的进化是通过自然选择实现的,自然选择...[继续阅读]
10.3.1 编码方式在遗传算法中如何描述问题的可行解,即把一个问题的可行解从其解空间转换到遗传算法所能处理的搜索空间的转换方法成为编码。遗传算法通过对个体编码的操作,不断搜索出适应度较高的个体,并在群体中逐渐增加...[继续阅读]
10.4.1 差分理论概述差分演化是演化策略的一种。早期的演化策略是用浮点数来表示的,只使用变异作为其重组算子。演化程序是遗传算法和数据编码的结合,在遗传算法的兴起和发展后,1991年Michalewicz教授根据自己精心研究的成果,总...[继续阅读]
10.5.1 遗传规划的原理针对遗传算法的缺陷,JohnRKoza于1989年提出了一种重要的描述问题的方法:遗传规划(GeneticProgramming)。这是一种与领域无关、机械地搜索程序空间的方法。算法的实质是用广义的层次化计算机程序描述问题。解决问...[继续阅读]
基因表达式编程(GeneExpressionProgramming,GEP)是葡萄牙科学家CandidaFerreira在遗传算法(GeneticAlgorithm,GA)和遗传编程(GeneticProgramming,GP)的基础上发展的一种知识发现的仿生计算新技术。GEP是模拟生物进化的一种全局优化搜索算法,它是以适者生...[继续阅读]