版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進行舉報或認領(lǐng)
文檔簡介
1、天津大學(xué)碩士學(xué)位論文X849001基于神經(jīng)遺傳學(xué)習(xí)算法的模型優(yōu)化研究StudyoftheModelingOptimizationBasedonNeuralNetworkandGA專業(yè)：管理科學(xué)與工程研究生：杜健指導(dǎo)教師：李波副教授天津大學(xué)管理學(xué)院2005年1月ABSTRACTTheEnsembleLearningisahotspotintheintelligentlearningfieldIthasbeenpaidattentionfr
2、omits’verybeginningandhasbeenusedsuccessfullyinmanyfieldsbecauseofits’goodperformanceandusabilityThecombinationofEnsemblealgorithmsandunstablelearnershasshownimpressiveeffectbothinaccuracyandstabilityAtthesametime，parthe
3、nogeneticalgorithmisahotspotduetoits’maturityItisadoredbySOmanyresearchersduetoits’abilitytosolvecombinationproblemsespeciallyproblemsinlargescaleBasedonthealgorithmsdiscussedabove，thisarticledoessomeusefulstudyinsomeasp
4、ectsSomethingWasdoneasbelow：(1)SomeexperimentsweredonetotestifythevalidityoftheBoostingalgorithmbasedonthestudyoftheEnsemblealgorithmTheexperimentswerebasedontheUCIdatabase，andthepurposeistoprovethegoodperformancesofBoos
5、tinginsomeaspectsas：Serviceability；StabilityTheabilityofparameteroptimizationAtlast，wediscusstheServiceabilityand“OverfittingProblem”fromthepointofMargin，andshowitinintuitionisticgraphics(2)Basedonthestudyabove，weputforw
6、ardanewmethodtoulteriorlyoptimizeparametersofBoostingalgorithmHerethemethodsweusedare：GeneticalgorithmandLSEalgorithmAndthesimulationresultsshowthatbothmethodscarlimprovetheperformancemo∞(3)Astoparthenogeneticalgorithm，w
7、ebringforwardanimprovedalgorithmbasedonparthenogeneticalgorithmtosolvetheCSPproblemAnewmethodwasbroughtforwardtosimpli匆thecodingprocess，atthesametime，anoperatorwasintroducedtoheIptofindthebestglobalsolutionAndthealgorith
8、mhasbeentestifiedtobeaexcellentonethroughthetestinmorethanoneindustrialenterprisesAllproofsshowthatitisagoodmethodtosolvetheCSPproblembothintheCuttingAccuracyandCalculating—EfficiencyKeyWords：Ensemblelearning，ParthenoGen
溫馨提示
- 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請與我們聯(lián)系，我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)跟車模型研究.pdf
- 基于神經(jīng)網(wǎng)絡(luò)與遺傳算法的配煤優(yōu)化模型的研究.pdf
- 基于遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)的汽車油耗計算模型.pdf
- 基于遺傳算法優(yōu)化小波神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)流量預(yù)測模型研究.pdf
- 基于遺傳算法的勵磁系統(tǒng)模型優(yōu)化.pdf
- 基于遺傳算法的礦山資源優(yōu)化調(diào)度模型.pdf
- 基于遺傳算法和神經(jīng)網(wǎng)絡(luò)的鍋爐汽水系統(tǒng)模型參數(shù)優(yōu)化.pdf
- 32 基于遺傳算法的神經(jīng)網(wǎng)絡(luò)優(yōu)化方法
- 基于遺傳算法及神經(jīng)網(wǎng)絡(luò)的入侵檢測模型研究.pdf
- 基于神經(jīng)網(wǎng)絡(luò)和遺傳算法融合技術(shù)的模型研究.pdf
- 遺傳學(xué)習(xí)題
- 基于改進遺傳算法的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)優(yōu)化研究.pdf
- 基于廣義遺傳算法優(yōu)化的脫硫靜態(tài)模型的研究.pdf
- 基于遺傳算法與代理模型的協(xié)同優(yōu)化方法的研究.pdf
- 基于解析優(yōu)化方法的神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法研究.pdf
- 基于遺傳算法的前饋神經(jīng)網(wǎng)絡(luò)優(yōu)化設(shè)計.pdf
- 基于遺傳算法的區(qū)域水資源優(yōu)化配置模型研究.pdf
- 人工免疫遺傳學(xué)習(xí)算法及其工程應(yīng)用研究.pdf
- 基于遺傳算法的大壩安全監(jiān)控統(tǒng)計模型優(yōu)化研究.pdf
- 基于遺傳算法和神經(jīng)網(wǎng)絡(luò)的天線優(yōu)化設(shè)計研究.pdf
評論
0/150
提交評論