应用人工鱼群算法对BP神经网络优化研究
发布时间：2022-01-23 09:11
人工神经网络是一种模拟生物神经系统组成、功能结构和工作方式的分布式并行处理运算模型。人工神经网络是二十世纪科学技术发展中所取得的重大成果之一,是人类社会发展史上又一个重要的里程碑。BP（Back-Propagation）神经网络是目前发展最快、使用最广泛的人工神经网络。但是,随着人们对BP算法研究的不断深入,发现算法也存在一些缺陷,主要表现在算法容易陷入局部极值点、可能存在不收敛等问题。针对BP网络算法的缺陷,本文采用人工鱼群算法来优化BP神经网络。然而在使用人工鱼群算法优化BP神经网络的过程中,发现了人工鱼群算法后期寻优容易出现震荡、寻优速度慢的问题,因此,本文首先对人工鱼群算法的缺点进行改进,提出了一种分层人工鱼群算法（LAFSA）,然后再使用LAFSA算法优化BP神经网络,并把优化后的算法应用在Web安全方面。本文的工作主要有以下三个方面。第一:针对人工鱼群算法在寻优过程中容易出现震荡和速度慢的问题,本文提出了一种分层人工鱼群算法（LAFSA）。该算法引入了混合蛙跳算法的分层、分组的核心思想,并且非线性的改变人工鱼的步长、视野和拥挤度因子,可以使算法在后期进行精细化的搜索。通过实...
【文章来源】：河北工业大学天津市 211工程院校
【文章页数】：63 页
【学位级别】：硕士
【部分图文】：
Himmelblau函数的图像
河北工业大学硕士学位论文-25-该函数是典型的不可分离的非等距的二维多极值函数，在其定义域内存在一个极大值和四个极小值点，极大值点为(0.270854,0.923239)=181.617。四个极小值点分别为(3.0,2.0)=0,(2.80513,3.1313)=0，(3.7793,3.2831)=0,(3.5844,1.8481)=0。Himmelblau函数的图像如图3.2所示。图3.2Himmelblau函数的图像（2）测试函数2：Rosenbrock函数，此函数的全局极小值点位于一个狭小的抛物面上，函数在优化过程中收敛到全局极小值点是非常困难的，两个变量的Rosenborck函数如下所示。222f(x,y)=(1x)+100(yx)x,y(100,100)函数的全局极值点为(1,1)=0，Rosenbrock函数的曲线图如图3.3所示。图3.3Rosenbrock函数的图像
应用人工鱼群算法对BP神经网络优化研究-26-（3）测试函数3：测试函数：Rastrigin函数，此函数是一个非凸的多峰函数，经常用作优化算法的性能测试。函数在定义域内当=0,=1,2,…,时取得全局极小值点，即(0,…,0)=0。21()10(10cos(2))1,2,,==+=niiifxnxxin其中定义∈(5.13,5.13)，Rastrigin函数图像如图3.4所示。图3.4Rastrigin函数的图像（4）测试函数4：Sphere函数，此函数的全局极小值在xi=0点处取得，即(0,…,0)=0。21()==niifxx该函数的定义域设为∈(5,5)，Sphere函数的图像如图3.5所示。图3.5Sphere函数的图像
【参考文献】：
期刊论文
[1]人工鱼群算法收敛速度改进优化仿真[J]. 李君,梁昔明. 计算机仿真. 2018(01)
[2]基于遗传算法的BP神经网络在电力负载预测中的应用[J]. 张宗华,赵京湘,卢享,牛新征. 计算机工程. 2017(10)
[3]基于PSO-BP神经网络的入侵检测技术优化算法的研究[J]. 雷宇飞,林玉梅. 软件工程. 2017(09)
[4]Sigmoid函数的分段非线性拟合法及其FPGA实现[J]. 宋宇鲲,高晓航,张多利,杜高明. 电子技术应用. 2017(08)
[5]一种基于XSS攻击防御的安全CDN研究[J]. 钱铭铭,康锦涛,陈舟宁. 网络安全技术与应用. 2017(07)
[6]XSS跨站攻击原理与调查方法研究[J]. 黄波,孙羽壮. 网络安全技术与应用. 2017(06)
[7]基于改进BP神经网络的非均衡数据分类算法[J]. 张文东,吕扇扇,张兴森. 计算机系统应用. 2017(06)
[8]基于启发式人工鱼群算法的全局优化问题研究[J]. 张晨威. 江苏科技信息. 2017(16)
[9]浅谈计算机网络安全问题及其对策[J]. 韩琦. 数字技术与应用. 2017(05)
[10]多层自适应模块化神经网络结构设计[J]. 张昭昭,乔俊飞,余文. 计算机学报. 2017(12)
博士论文
[1]人工鱼群智能优化算法的改进及应用研究[D]. 张梅凤.大连理工大学 2008
[2]一种新型的智能优化方法-人工鱼群算法[D]. 李晓磊.浙江大学 2003
硕士论文
[1]几种损失函数下的信度模型研究[D]. 房婷婷.新疆大学 2017
[2]SQL注入与XSS攻击防范方法的研究以及防范模型的设计与实现[D]. 卢俊.北京邮电大学 2011
本文编号：3604043
【文章来源】：河北工业大学天津市 211工程院校
【文章页数】：63 页
【学位级别】：硕士
【部分图文】：
Himmelblau函数的图像
河北工业大学硕士学位论文-25-该函数是典型的不可分离的非等距的二维多极值函数，在其定义域内存在一个极大值和四个极小值点，极大值点为(0.270854,0.923239)=181.617。四个极小值点分别为(3.0,2.0)=0,(2.80513,3.1313)=0，(3.7793,3.2831)=0,(3.5844,1.8481)=0。Himmelblau函数的图像如图3.2所示。图3.2Himmelblau函数的图像（2）测试函数2：Rosenbrock函数，此函数的全局极小值点位于一个狭小的抛物面上，函数在优化过程中收敛到全局极小值点是非常困难的，两个变量的Rosenborck函数如下所示。222f(x,y)=(1x)+100(yx)x,y(100,100)函数的全局极值点为(1,1)=0，Rosenbrock函数的曲线图如图3.3所示。图3.3Rosenbrock函数的图像
应用人工鱼群算法对BP神经网络优化研究-26-（3）测试函数3：测试函数：Rastrigin函数，此函数是一个非凸的多峰函数，经常用作优化算法的性能测试。函数在定义域内当=0,=1,2,…,时取得全局极小值点，即(0,…,0)=0。21()10(10cos(2))1,2,,==+=niiifxnxxin其中定义∈(5.13,5.13)，Rastrigin函数图像如图3.4所示。图3.4Rastrigin函数的图像（4）测试函数4：Sphere函数，此函数的全局极小值在xi=0点处取得，即(0,…,0)=0。21()==niifxx该函数的定义域设为∈(5,5)，Sphere函数的图像如图3.5所示。图3.5Sphere函数的图像
【参考文献】：
期刊论文
[1]人工鱼群算法收敛速度改进优化仿真[J]. 李君,梁昔明. 计算机仿真. 2018(01)
[2]基于遗传算法的BP神经网络在电力负载预测中的应用[J]. 张宗华,赵京湘,卢享,牛新征. 计算机工程. 2017(10)
[3]基于PSO-BP神经网络的入侵检测技术优化算法的研究[J]. 雷宇飞,林玉梅. 软件工程. 2017(09)
[4]Sigmoid函数的分段非线性拟合法及其FPGA实现[J]. 宋宇鲲,高晓航,张多利,杜高明. 电子技术应用. 2017(08)
[5]一种基于XSS攻击防御的安全CDN研究[J]. 钱铭铭,康锦涛,陈舟宁. 网络安全技术与应用. 2017(07)
[6]XSS跨站攻击原理与调查方法研究[J]. 黄波,孙羽壮. 网络安全技术与应用. 2017(06)
[7]基于改进BP神经网络的非均衡数据分类算法[J]. 张文东,吕扇扇,张兴森. 计算机系统应用. 2017(06)
[8]基于启发式人工鱼群算法的全局优化问题研究[J]. 张晨威. 江苏科技信息. 2017(16)
[9]浅谈计算机网络安全问题及其对策[J]. 韩琦. 数字技术与应用. 2017(05)
[10]多层自适应模块化神经网络结构设计[J]. 张昭昭,乔俊飞,余文. 计算机学报. 2017(12)
博士论文
[1]人工鱼群智能优化算法的改进及应用研究[D]. 张梅凤.大连理工大学 2008
[2]一种新型的智能优化方法-人工鱼群算法[D]. 李晓磊.浙江大学 2003
硕士论文
[1]几种损失函数下的信度模型研究[D]. 房婷婷.新疆大学 2017
[2]SQL注入与XSS攻击防范方法的研究以及防范模型的设计与实现[D]. 卢俊.北京邮电大学 2011
本文编号：3604043
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3604043.html
