【摘要】： 優(yōu)化技術(shù)是一門以數(shù)學為基礎,并用于求解工程控制問題最優(yōu)化解的技術(shù),它已經(jīng)發(fā)展成為科學的一門重要分支,受到越來越多的重視,并在系統(tǒng)工程、人工智能、模式識別、生產(chǎn)調(diào)度等多領(lǐng)域得到了推廣和應用。另一方面,優(yōu)化技術(shù)也已經(jīng)在嵌入式終端中有廣泛的應用,比如手寫體識別,語音識別等等,但是這只是將優(yōu)化算法的一個環(huán)節(jié)在嵌入式系統(tǒng)上實現(xiàn),這就是優(yōu)化算法的預測能力;本文要研究的是將優(yōu)化算法的訓練過程也在嵌入式系統(tǒng)上實現(xiàn)。 本文研究了兩種優(yōu)化算法以及它們各自的一個具體的實現(xiàn);一個是神經(jīng)網(wǎng)絡優(yōu)化算法,神經(jīng)網(wǎng)絡具有大規(guī)模并行處理、容錯性、自組織和自適應能力和聯(lián)想能力等特點:神經(jīng)網(wǎng)絡優(yōu)化算法把實際問題的優(yōu)化過程轉(zhuǎn)換為神經(jīng)網(wǎng)絡系統(tǒng)的演化過程,在這種處理方法中,實際問題的優(yōu)化解與神經(jīng)網(wǎng)絡的穩(wěn)定狀態(tài)相對應。另一種智能優(yōu)化算法就是支持向量機,支持向量機技術(shù)越來越成熟,并在實際應用中取得了出色的學習性能;它的應用領(lǐng)域已涵蓋了模式識別,函數(shù)逼近等。本文選取了兩種算法中具有代表性BP算法和SVM來闡述優(yōu)化算法的具體實現(xiàn)和應用。 優(yōu)化算法是智能算法的核心,因此研究優(yōu)化算法的嵌入式應用必能給更多的智能算法的嵌入式應用提供指導。本文首先通過尋找exp函數(shù)的替代方法來提高BP算法的速度,然后通過分析算法過程中主循環(huán)體內(nèi)的判斷條件,有條件的對這些判斷條件進行修改以降低計算的規(guī)模,這種方式可以成倍的提高算法的速度。正因為優(yōu)化算法是智能算法的核心,應用在BP算法中的改進思路同樣可以用到SVM算法上。此外,嵌入式系統(tǒng)薄弱的浮點運算能力對于優(yōu)化算法在嵌入式系統(tǒng)上的應用的制約遠遠的超越了CPU主頻的影響,因此本文認為要使優(yōu)化算法在嵌入系統(tǒng)上有良好的應用,還應通過硬件來提高嵌入式系統(tǒng)的浮點運算能力。
【圖文】：

浙江大學碩士學位論文第三章人工神經(jīng)網(wǎng)絡-BP算法鉚11練，劃11練得到兩個文件errorlog.飲t，和testresult.飲t文件，圖3.5，3.6，3.7就是根據(jù)errorfog.txt中的數(shù)據(jù)做的圖，，最后的性能比較如表3.4所示。公書侶話差E今10匆52迭截數(shù)戳次數(shù)圖3.5幾為1，上半部分取前300個記錄，下半部分取后300個記錄確一一一一2石翔黔均方課愛E二二二蘇不卜份加拍迭代次數(shù)一~愜贏圖3，6幾為0.5，上半部分取前300個記錄

浙江大學碩士學位論文第三章人工神經(jīng)網(wǎng)絡-BP算法鉚11練，劃11練得到兩個文件errorlog.飲t，和testresult.飲t文件，圖3.5，3.6，3.7就是根據(jù)errorfog.txt中的數(shù)據(jù)做的圖，最后的性能比較如表3.4所示。公書侶話差E今10匆52迭截數(shù)戳次數(shù)圖3.5幾為1，上半部分取前300個記錄，下半部分取后300個記錄確一一一一2石翔黔均方課愛E二二二蘇不卜份加拍迭代次數(shù)一~愜贏圖3，6幾為0.5，上半部分取前300個記錄
【學位授予單位】：浙江大學
【學位級別】：碩士
【學位授予年份】：2008
【分類號】：TP368.1

【引證文獻】

相關(guān)碩士學位論文 前5條

1 薛升翔;徑向基神經(jīng)網(wǎng)絡算法優(yōu)化及在嵌入式系統(tǒng)中的應用[D];新疆大學;2011年

2 段俊;面向先進控制的SOC平臺的設計與實現(xiàn)[D];浙江大學;2012年

3 王健偉;基于嵌入式系統(tǒng)的在線訓練軟測量平臺[D];浙江大學;2010年

4 翁慧娟;基于3G模塊的移動通信終端研究與實現(xiàn)[D];武漢理工大學;2013年

5 王守會;基于嵌入式系統(tǒng)的軟測量儀表研制[D];華北電力大學;2013年

本文編號：2684769