已为您找到该学者13条结果 成果回收站
【期刊论文】基于遗传算法和模拟退火算法优化神经网络的铁路营业里程预测
吴祈宗, 侯福均
北京理工大学学报,2004,24(3):247-250,-0001,():
-1年11月30日
提出应用遗传算法(GA)和模拟退火(SA)优化神经网络预测铁路营业里程Z采用3层前馈神经网络实现铁路营业里程的时间序列预测,输入节点数为5,隐层节点数为8,输出节点数为1。对神经网络的连接权重和节点阈值的确定,采用GA和SA算法相结合的混合优化学习策略。两种算法结合时,SA算法处于外层,GA处于内层。GA采用实数编码,把要确定的神经网络节点连接权重和节点阈值作为基因串。数值计算结果表明混合优化的神经网络的学习速度和精度都比单纯BP算法得出的结果好。因此,用GA-SA混合优化的神经网络预测铁路营业里程是可行的。
BP神经网络, 遗传算法(, GA), , 模拟退火(, SA), 算法, 铁路营业里程, 时间序列预测
-
60浏览
-
0点赞
-
0收藏
-
0分享
-
320下载
-
0
-
引用
【期刊论文】基于Hausdorff距离的模糊数互补判断矩阵排序
吴祈宗, 侯福均
,-0001,():
-1年11月30日
对于梯形模糊数互补判断矩阵,给出基于Hausdorff距离和模糊折衷型决策方法的排序方法。对于权重不同的专家给出的方案两两比较的判断矩阵,首先基于简单加权平均方法(SWA)和Bonissone近似计算法,将各位专家给出的判断矩阵集结为一个矩阵。再将所得到的矩阵各行元素相加,就得到了各个方案的模糊综合评价值。最后,基于Hausdorff距离和模糊折衷型决策方法,对这些模糊评价值进行排序,就得到了每个方案的排序值。由于精确数和三角模糊数都可以转化为梯形模糊数,因此本文给出的方法,同样适合于处理精确数、三角模糊数互补判断矩阵的排序问题。最后,给出一个数值计算的例子说明方法的可行性。
互补判断矩阵, 梯形模糊数, Bonissone近似计算法, 模糊折衷型决策, Hausdorff距离
-
60浏览
-
0点赞
-
0收藏
-
0分享
-
110下载
-
0
-
引用
吴祈宗, 侯福均
,-0001,():
-1年11月30日
正确预测铁路客运市场,对国家的经济发展格局和资源配置,以及对铁路企业内部的投资结构、经营管理等都有重要作用。铁路客运市场受多个因素的影响,而且这些作用多是非线性的。人工神经网络是热门研究领域,它具有很强的自训练学习和容错能力等优点。目前得到普遍应用的是多层前馈神经网络,它主要被用在模式识别和函数逼近上。已经证明具有任意个隐层节点的前馈神经网络可以以任意精度逼近一个连续函数。本文探讨用人工神经网络的反向传播算法研究铁路客运市场预测。说明了该方法的基本原理,并结合实例说明了方法的实施与应用。该模型在学习实验样本数据的基础上,可以对铁路客运市场进行预测。该模型具有很强的学习和容错功能,结果表明预测精度较高,方法简单易行,为铁路客运市场的预测研究提供了一条新的途径。
人工神经网络, BP算法, 铁路客运市场预测
-
53浏览
-
0点赞
-
0收藏
-
0分享
-
248下载
-
0
-
引用
-
52浏览
-
0点赞
-
0收藏
-
0分享
-
105下载
-
0
-
引用