综述-人工神经网络发展前沿.ppt

人工神经网络发展前沿 高阳 目录 蜂群算法的研究及其在人工神经网络中的应用 基于量子计算多 Agent 的人工神经网络训练方法 灰色神经网络改进算法及其应用研究 概述 概述 神经网络在很多领域已得到了很好的应用，但其需要研究的方面还很多。其中，具有分布存储、并行处理、自学习、自组织以及非线性映射等优点的神经网络与其他 技术的结合以及由此而来的混合方法和混合系统，已经成为一大研究热点。 目前这方面工作有：神经网络与蜂群算法、遗传算法、灰色系统、量子计算、小波分析、混沌、粗集理论、分形理论等的融合。 蜂群算法在人工神经网络中的应用 人工蜂群算法是由土耳其学者 Karaboga 于 2005 年提出的。算法是模仿蜜蜂行为提出的一种优化方法，是集群智能思想的一个具体应用。 蜂群算法 蜜源 雇佣蜂 非雇佣蜂 基本组成 基本行为 蜜源招募 放弃蜜源 侦查蜂 跟随蜂 蜂群算法在人工神经网络中的应用 蜜源 雇佣蜂 侦查蜂 跟随蜂 一一对应，在蜜源周围搜索并更新蜜源 蜜源招募，蜜源质量越高，招募到跟随蜂的概率越高 在一处蜜源停留次数超过limit， 放弃蜜源 在蜜源空间中随机找到一个新蜜源，成为雇佣蜂 算法示意图： 直到蜜源达到指定精度，或者达到最大迭代次数，则停止。 组合预测模型 蜂群算法 神经网络模型 优点：并行性、良好自学习自适应能力 缺点：易陷入局部极小，收敛速度慢 优点：参数少、收敛快、全局搜索能力强 局限：早熟收敛，搜索方式缺少引导性 蜂群算法在人工神经网络中的应用 灰色神经网络改进算法及其应用研究 灰色系统理论是中国著名学者邓聚龙教授在1982年创立的一门新兴横断学科，它以“部分信息已知，部分信息未知”的“小样本”、“贫信息”不确定性系统为研究对象，主要通过对部分已知信息的生成、开发，提取有价值的信息，实现对系统运行规律的正确认识和确切描述，并据以进行科学预测。 灰色理论: 优点： 1、不需要大量样本。 2、样本不需要有规律性分布。 3、计算工作量小。 4、定量分析结果与定性分析结果不会不一致。 5、可用于Recent、短期、中长期预测。 6、灰色预测准确度高。 灰色神经网络改进算法及其应用研究 组合预测模型 灰色预测模型 BP神经网络模型 优点：结果稳定，有误差反馈 缺点：易陷入局部极小，收敛速度慢 优点：能够较好的反映数据整体的变化趋势 缺点：不能进行自我反馈调节，学习能力有限 参考文献 [1]. 王允霞, 蜂群算法的研究及其在人工神经网络中的应用, 2013, 华南理工大学. 第 57页. [2]. 邢昕, 灰色神经网络改进算法及其应用研究, 2011, 华中科技大学. [3]. 孟祥萍, 皮玉珍与赵亮, 基于量子计算多Agent的人工神经网络训练方法. 计算机仿真, 2011(11). [4]. Isaac Chuang, Course 1 Principles of quantum computation, In: Daniel Estève, Jean-Michel Raimond and Jean Dalibard, Editor(s), Les Houches, Elsevier, 2004, Volume 79, Pages 1-54, ISSN 0924-8099, ISBN 9780444517289 谢谢观看