人工神经网络和遗传算法都是将生物学原理应用于计算机科学的仿生学理论成果。由于它们具有极强的解决问题的能力，近年来引起了众多学者的兴趣与参与，已成为学术界跨学科的热门专题之一。 在人工神经网络的实际应用中，约90％的人工神经网络模型都是采用BP网络或者是它的变化形式，它也是前馈网络的核心部分，BP网络广泛应用于函数逼近、模式识别／分类、数据压缩等。现已成为人工智能研究的重要领域之一。然而，由于BP算法是一种梯度下降搜索方法，因而不可避免地存在固有的不足，如收敛速度慢、易陷入误差函数的局部极小点，对于较大的搜索空间，多峰值和不可微函数不能有效搜索到全局极小点。 遗传算法作为一种智能化的全局搜索算法，自80年代问世以来便在数值优化、系统控制、结构优化设计等诸多领域的应用中展现出其特有的魅力，同时也暴露出许多不足和缺陷。如完全依赖概率随机地进行操作，虽然可以避免陷入局部极小，但受寻优条件的限制，一般只能得到全局范围内的近似最优解，很难得到最优解；对参数采用二进制编码，人为地将连续空间离散化，导致了计算精度与字符串长度、运算量之间的矛盾；采用随机优化技术，所以要花费大量的时间；算法在交叉、变异的进化过程中随机性较强，致使搜索效率低下，具体表现为进化迭代过程中会出现子代最优个体劣于父代最优个体的“退化”现象；遗传算法虽然具有很强的全局搜索能力，但其局部搜索能力较弱(易出现早熟收敛现象)。 本文主要工作： (1) 对BP神经网络的缺陷进行分析研究，针对BP神经网络收敛度慢的不足，对经典BP网络的单极性Sigmoid传输函数和双极性Sigmoid函数进行数学分析，给出二者不同的数学性质和它们的优先选择方法。 (2) 利用数值计算优化方法对BP神经网络进行改进，提高其收敛速度，本文分别用拟牛顿法、最优步长法和共轭梯度法对BP神经网络学习法进行改进，对各种改进方法进行分析比较，给出各自适用的网络规模，并对其收敛性进行分析证明。 (3) 利用数值计算优化方法对遗传算法的交叉算子、变异算子、编码方式及适应度函数等进行分析研究，给出了基于一维极小化问题的最优策略(Fibonacci法)和近似最优策略(黄金分割法)的交叉和变异算子。 (4) 将擅长全局搜索的遗传算法和局部寻优能力较强的BP算法结合起来，根据GA的交叉、变异和选择算子在全变量空间以较大概率搜索全局解和在解的点附近利用BP神经网络能快速、精确地收敛的特点，融合二者的优点，将二者有机结合，利用遗传算法同时训练神经网络权值和拓扑结构，可以辟免陷入局部极小值，提高算法收敛速度，很快得到问题的全局最优解。 (5) 通过试验对改进后的BP神经网络算法、遗传算法和他们融合方法进行了试验验证。

神经网络遗传算法函数极值寻优——非线性函数极值寻优

PID控制要取得较好的控制效果，就必须通过调整好比例、和人分和微分三种控制作用，形成控制量中既相互配合又相互制约的关系，这种关系还一定是简单的线性组合，从变化的非线性组合中可以找出最佳的。神经网络所具有的作意非线性表达能力，可以通过对系统性能的学习来实现具有最佳组合的PID控制，

针对加权 Leaderrank算法存在的权值均分、主题漂移等问题，提出一种用户社交网络排序算法。结合Glove模型、余弦相似度计算方法和牛顿冷却定律，通过引入链入链出因子、主题相关度因子和时间衰减度因子改善加权 Leaderrank算法的不足。实验结果表明，与加权 Leaderrank算法相比，该算法的精确率、点击率和NDCG值分别提高7.80%、6.73%和4.75%，可有效提高排序质量。

BP神经网络算法的C语言实现代码.pdf

随着数据库技术的成熟和数据应用的普及，大规模数据库和数据仓库的建立，人们开始面对“数据丰富，但信息贫乏”的挑战，要从海量的数据中发现有用的规律就需要用到数据挖掘技术。数据挖掘是从大量数据中挖掘出隐含的、先前未知的、对决策有潜在价值的知识和规则。这些规则蕴含了数据库中一组对象之间的特定关系，提出一些有用的信息，为经营决策、金融预测等提供依据。 本文重点研究数据挖掘中采用的神经网络算法问题。神经网络算法是数据挖掘技术中常用的一种算法，具有高正确率、抗噪声数据能力强等优势。SQL Server 2005为我们提供了一种简单的方式来应用神经网络算法。我的毕设课题就是在SQL Management Studio、BI Dev Studio等环境下访问Analysis Service服务引擎，并创建神经网络挖掘模型。

人工智能系统中的TSP、九宫图、bayes、BP神经网络算法编程实现及实验报告

翻译的文章为应用于目标跟踪领域里的另一算法分支方向——孪生网络，希望大家多多交流、切磋！

主要介绍了Python实现的三层BP神经网络算法,结合完整实例形式分析了Python三层BP神经网络算法的具体实现与使用相关操作技巧,需要的朋友可以参考下

基于神经网络算法的井下裂缝诊断与堵漏技术.pdf