【摘要】： RBF(徑向基函數(shù))神經(jīng)網(wǎng)絡(luò)是90年代提出的一種具有全局收斂的非線性學(xué)習(xí)算法的前饋網(wǎng)絡(luò),它已被廣泛應(yīng)用于時間序列分析、模式識別、非線性控制和圖像處理等領(lǐng)域。隨著RBF神經(jīng)網(wǎng)絡(luò)得到越來越廣泛的應(yīng)用,也暴露出了一些急需解決的問題及難點。量子計算與神經(jīng)網(wǎng)絡(luò)的結(jié)合是當(dāng)前人工神經(jīng)網(wǎng)絡(luò)理論研究的一個前沿課題,它為神經(jīng)網(wǎng)絡(luò)系統(tǒng)的設(shè)計、性能的改進(jìn)提供了新的研究思路。本文描述量子計算及克隆算子的基礎(chǔ)理論及應(yīng)用,分析這兩種理論的優(yōu)越性及其用于優(yōu)化算法的可行性。結(jié)合克隆算子與量子計算機(jī)理提出的量子克隆進(jìn)化算法(QCGA),將全局搜索和局部尋優(yōu)有機(jī)地結(jié)合,能有效地加快學(xué)習(xí)速度,具有較好的并行性。本文將該算法與RBF神經(jīng)網(wǎng)絡(luò)結(jié)合來優(yōu)化RBF神經(jīng)網(wǎng)絡(luò)的參數(shù),在綜合研究RBF網(wǎng)絡(luò)隱含層結(jié)構(gòu)和RBF函數(shù)參數(shù)的特征和功能的基礎(chǔ)上,引入了一種新的RBF網(wǎng)絡(luò)隱層中心和輸入層到隱含層權(quán)值的編碼方法,即利用量子染色體的二進(jìn)制編碼方法,該算法增加了子代變異的多樣性,提高了進(jìn)化算法優(yōu)化RBF網(wǎng)絡(luò)的收斂速度、訓(xùn)練測試精度和網(wǎng)絡(luò)的泛化能力。通過對不同樣本容量與量子旋轉(zhuǎn)角的實驗,將改進(jìn)后的QCGA神經(jīng)網(wǎng)絡(luò)應(yīng)用于上證指數(shù)與個股片仔癀的預(yù)測分析中。并將其仿真結(jié)果與傳統(tǒng)RBF網(wǎng)絡(luò)及未引入量子計算的克隆算法改進(jìn)的RBF網(wǎng)絡(luò)作了比較。從比較的結(jié)果可以看出,由量子克隆進(jìn)化算法改進(jìn)過的RBF網(wǎng)絡(luò)能更好地模擬股票價格的趨勢。
【圖文】：

代末基于生物接收域提出的一種神經(jīng)網(wǎng)絡(luò)。RBF 神經(jīng)徑向基函數(shù)作為隱單元的“基”，構(gòu)成隱含層空間隱含將低維的模式輸入數(shù)據(jù)變換到高維空間內(nèi)，使得在低維在高維空間內(nèi)線性可分。徑向基函數(shù)對輸入信號在局號靠近函數(shù)的中央范圍時，隱層節(jié)點將產(chǎn)生較大的輸出逼近能力，也因為這種局部逼近性，使得 RBF 網(wǎng)絡(luò)具以任意的精度逼近一連續(xù)函數(shù)。結(jié)構(gòu)一種三層前向網(wǎng)絡(luò)，包括輸入層、隱含層和輸出層（層由信號源節(jié)點組成，傳遞輸入信號到隱層；隱含層的節(jié)向?qū)ΨQ的基函數(shù)（徑向基函數(shù)）構(gòu)成，而基函數(shù)的中心到隱層的連接權(quán)向量，這是 RBF 網(wǎng)絡(luò)最突出的特點，問題而定；輸出層節(jié)點通常是簡單的線性函數(shù)，，對輸入
【學(xué)位授予單位】：華僑大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2009
【分類號】：F830.91;TP183

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 莫宏偉,金鴻章;用于函數(shù)優(yōu)化的改進(jìn)免疫克隆多樣性算法[J];哈爾濱工程大學(xué)學(xué)報;2004年01期

2 劉若辰,杜海峰,焦李成;免疫多克隆策略[J];計算機(jī)研究與發(fā)展;2004年04期

3 劉若辰,杜海峰,焦李成;一種免疫單克隆策略算法[J];電子學(xué)報;2004年11期

4 朱紅霞,沈炯,王培紅,李益國;基于免疫遺傳算法的模糊優(yōu)化控制及其仿真[J];東南大學(xué)學(xué)報(自然科學(xué)版);2005年01期

5 宮新保,臧小剛,范曄,周希朗;基于改進(jìn)免疫算法的兩級徑向基函數(shù)網(wǎng)絡(luò)學(xué)習(xí)方法[J];上海交通大學(xué)學(xué)報;2004年05期

6 左興權(quán),李士勇;采用免疫進(jìn)化算法優(yōu)化設(shè)計徑向基函數(shù)模糊神經(jīng)網(wǎng)絡(luò)控制器[J];控制理論與應(yīng)用;2004年04期

7 吳成茂,范九倫;確定RBF神經(jīng)網(wǎng)絡(luò)隱層節(jié)點數(shù)的最大矩陣元法[J];計算機(jī)工程與應(yīng)用;2004年20期

8 周穎,鄭德玲,裘之亮,劉聰;一種人工免疫與RBF神經(jīng)網(wǎng)絡(luò)結(jié)合的混合算法的應(yīng)用[J];計算機(jī)工程與應(yīng)用;2004年01期

9 張頂學(xué);關(guān)治洪;劉新芝;;基于PSO的RBF神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法及其應(yīng)用[J];計算機(jī)工程與應(yīng)用;2006年20期

10 靳海水,朱士明;基于遺傳算法的徑向基網(wǎng)絡(luò)學(xué)習(xí)及其應(yīng)用[J];同濟(jì)大學(xué)學(xué)報(自然科學(xué)版);2003年05期

本文編號：2657631