中國的農(nóng)業(yè)發(fā)展水平在國際上一直處于領(lǐng)先狀態(tài),尤其是進入20世紀80年代中期以后,中國現(xiàn)代農(nóng)業(yè)發(fā)展水平顯著提高,農(nóng)業(yè)的發(fā)展也為我國的經(jīng)濟發(fā)展和社會穩(wěn)定做出了貢獻。自2004年開始,我國糧食的供應(yīng)量隨著我國人口數(shù)量的增長而持續(xù)增長。玉米作為三大農(nóng)作物之一,在我國乃至于全世界都占據(jù)著重要的地位,因為它不僅是我國人民的主要口糧,也是全世界三分之一人的主要糧食。玉米生產(chǎn)都是從育種開始的,而育種的第一步就是挑選優(yōu)質(zhì)品種,若是一直采用人工分揀的方法,不但會導(dǎo)致玉米品質(zhì)因人為因素誤判,也會使得玉米產(chǎn)量無法得到有效的保障。為保障國家糧食安全、提高農(nóng)業(yè)生產(chǎn)效率,本文將人工智能分類模型應(yīng)用到玉米育種工作中,有利于玉米育種工作的精準、高效進行,進而有利于提高農(nóng)業(yè)生產(chǎn)效益。本文以山東省收獲玉米會檢結(jié)果為應(yīng)用背景,建立了BP神經(jīng)網(wǎng)絡(luò)玉米種子質(zhì)量檢測分級模型,從實驗結(jié)果來看BP算法還存在需要改進之處。本文針對由于初始權(quán)值和閾值的隨機性導(dǎo)致神經(jīng)網(wǎng)絡(luò)整體效果不佳的問題,提出利用遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)初始權(quán)值和閾值的優(yōu)化方案。文中詳細闡述了傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)和優(yōu)化過的GA-BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練、仿真、性能對比等過程,從實驗... 

【文章來源】：浙江海洋大學(xué)浙江省

【文章頁數(shù)】：66 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 研究背景與選題意義
        1.1.1 研究背景
        1.1.2 選題意義
    1.2 研究現(xiàn)狀綜述
        1.2.1 國內(nèi)研究現(xiàn)狀
        1.2.2 國外研究現(xiàn)狀
    1.3 論文的研究內(nèi)容和研究思路
        1.3.1 論文的研究內(nèi)容
        1.3.2 論文的研究思路
第二章 人工神經(jīng)網(wǎng)絡(luò)概述
    2.1 人工神經(jīng)網(wǎng)絡(luò)
        2.1.1 人工神經(jīng)網(wǎng)絡(luò)的發(fā)展
        2.1.2 神經(jīng)網(wǎng)絡(luò)的研究方向
        2.1.3 人工神經(jīng)元模型
        2.1.4 人工神經(jīng)網(wǎng)絡(luò)的特點及優(yōu)點
        2.1.5 人工神經(jīng)網(wǎng)絡(luò)的應(yīng)用
    2.2 BP神經(jīng)網(wǎng)絡(luò)模型
        2.2.1 BP神經(jīng)網(wǎng)絡(luò)的模型結(jié)構(gòu)
        2.2.2 BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法
        2.2.3 BP算法局限性
        2.2.4 BP算法的改進
    2.3 本章小結(jié)
第三章 遺傳算法概述
    3.1 遺傳算法的定義
    3.2 遺傳算法的特點
    3.3 遺傳算法基本要素
        3.3.1 編碼機制
        3.3.2 初始群體設(shè)定
        3.3.3 適應(yīng)度函數(shù)
        3.3.4 遺傳操作
        3.3.5 控制參數(shù)選擇
    3.4 遺傳算法的應(yīng)用
    3.5 遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)
        3.5.1 優(yōu)化的意義
        3.5.2 優(yōu)化的步驟
    3.6 本章小結(jié)
第四章 基于BP神經(jīng)網(wǎng)絡(luò)的玉米種子質(zhì)量檢測
    4.1 研究指標的選取
    4.2 BP神經(jīng)網(wǎng)絡(luò)模型的建立
        4.2.1 BP神經(jīng)網(wǎng)絡(luò)構(gòu)建步驟
        4.2.2 數(shù)據(jù)準備與評價體系
        4.2.3 BP神經(jīng)網(wǎng)絡(luò)各參數(shù)的選定
    4.3 BP神經(jīng)網(wǎng)絡(luò)模型的仿真實驗及結(jié)果分析
        4.3.1 BP網(wǎng)絡(luò)訓(xùn)練
        4.3.2 BP網(wǎng)絡(luò)仿真
        4.3.3 實驗結(jié)果分析
    4.4 遺傳算法優(yōu)化BP網(wǎng)絡(luò)的建模仿真
        4.4.1 遺傳算法優(yōu)化流程
        4.4.2 遺傳算法參數(shù)選取
        4.4.3 遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的建立和仿真
    4.5 兩種算法實驗結(jié)果對比
    4.6 本章小結(jié)
第五章 總結(jié)與展望
    5.1 本論文的主要工作總結(jié)
    5.2 進一步的工作
參考文獻
附錄
致謝
在讀期間發(fā)表的學(xué)術(shù)論文及研究成果


【參考文獻】：
期刊論文
[1]深度神經(jīng)網(wǎng)絡(luò)代價函數(shù)選擇與性能評測研究[J]. 趙宏,郭萬鵬.  軟件. 2018(01)
[2]基于BP神經(jīng)網(wǎng)絡(luò)大豆種子質(zhì)量檢驗分析[J]. 姚宇.  農(nóng)村經(jīng)濟與科技. 2017(24)
[3]神經(jīng)網(wǎng)絡(luò)算法在特色農(nóng)產(chǎn)品品質(zhì)分類中的應(yīng)用[J]. 王靜,杜勇,趙忠華.  四川大學(xué)學(xué)報(自然科學(xué)版). 2016(04)
[4]基于改進的遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)并用于紅酒質(zhì)量等級分類[J]. 畢艷亮,寧芊,雷印杰,王偉.  計算機測量與控制. 2016(01)
[5]遺傳算法在人工智能領(lǐng)域中的應(yīng)用分析[J]. 劉曉英,陳杰,袁榮華,楊俊峰.  南方職業(yè)教育學(xué)刊. 2015(05)
[6]中國各省玉米生產(chǎn)效率分析——基于DEA模型的實證分析[J]. 張連云.  商. 2013(17)
[7]基于優(yōu)化神經(jīng)網(wǎng)絡(luò)的小麥品種分類研究[J]. 樊超,夏旭,石小鳳,侯利龍.  河南工業(yè)大學(xué)學(xué)報(自然科學(xué)版). 2012(04)
[8]基于圖像處理的花生莢果品種識別方法研究[J]. 韓仲志,鄧立苗,于仁師.  中國糧油學(xué)報. 2012(02)
[9]基于GA-BP算法的玉米品種識別系統(tǒng)研究[J]. 高旭,周桂紅.  安徽農(nóng)業(yè)科學(xué). 2011(35)
[10]基于機器視覺的大豆籽粒精選技術(shù)[J]. 王潤濤,張長利,房俊龍,王樹文,楊方,田磊.  農(nóng)業(yè)工程學(xué)報. 2011(08)

博士論文
[1]有限精度權(quán)值神經(jīng)網(wǎng)絡(luò)優(yōu)化的研究與應(yīng)用[D]. 包健.華東理工大學(xué) 2011
[2]計算智能方法及在網(wǎng)絡(luò)優(yōu)化和預(yù)測中的研究[D]. 夏鴻斌.江南大學(xué) 2009

碩士論文
[1]基于神經(jīng)網(wǎng)絡(luò)的客車車型分類的研究[D]. 秦慧超.中北大學(xué) 2013
[2]BP神經(jīng)網(wǎng)絡(luò)的研究分析及改進應(yīng)用[D]. 李友坤.安徽理工大學(xué) 2012
[3]BP算法的改進及其應(yīng)用[D]. 劉翔.太原理工大學(xué) 2012
[4]遺傳算法在組合優(yōu)化中的應(yīng)用研究[D]. 汪松泉.安徽大學(xué) 2010
[5]BP網(wǎng)絡(luò)結(jié)構(gòu)確定算法的研究及仿真[D]. 唐磊.中國石油大學(xué) 2008
[6]基于自適應(yīng)學(xué)習(xí)速率的改進型BP算法研究[D]. 楊甲沛.天津大學(xué) 2008
[7]基于遺傳算法的BP網(wǎng)絡(luò)優(yōu)化研究及其應(yīng)用[D]. 鄭衛(wèi)燕.哈爾濱工程大學(xué) 2008
[8]基于量子遺傳算法的生產(chǎn)計劃智能調(diào)度研究[D]. 譚春艷.東華大學(xué) 2008
[9]遺傳算法在結(jié)構(gòu)可靠性優(yōu)化設(shè)計中的運用研究[D]. 朱忠華.哈爾濱工程大學(xué) 2007
[10]帶動量項的BP神經(jīng)網(wǎng)絡(luò)收斂性分析[D]. 鄭高峰.大連理工大學(xué) 2005



本文編號：3336749