摘要:遗传算法(GA)和人工神经网络(ANN)的相互结合有辅助式和合作式两种方式. 本文在此基 础上提出了融合、BP_GA和GA_BP三种算法,并采用GA_BP算法同时优化BP神经网络的结构、权 值和阈值,研究和实现了一套先进的编码技术和进化策略,克服了传统BP神经网络经验尝试方法 的盲目性. 实例优化与检验结果表明:遗传算法优化获得的神经网络比由经验尝试法得到的BP网 络性能更优异,方法更合理. 关键词:遗传算法:神经网络;拓扑结构;权值

针对中文文本的自动分类问题,提出了一种逆向匹配算法。该算法的基本思路是构造一个带权值的分类主题词表,然后用词表中的关键词在待分类的文档中进行逆向匹配,并统计匹配成功的权值和,以权值和最大者作为分类结果。本算法可以避开中文分词的难点和它对分类结果的影响。理论分析和实验结果表明,该技术分类结果的准确度和时间效率都比较高,其综合性能达到了目前主流技术的水平。

用粒子群算法(PSO)优化BP神经网络权值的MATLAB程序,内附有详细的注释，大家可是下载学习一下。

该软件为绿色版，仅供论坛学员交流学习使用，禁止非法传播。

压缩包中是ssd300X300的网络模型，包括两种预训练模型的权值，vgg的预训练权值和ssd300的预训练权值

本程序利用当前流行的pso算法对rbf神经网络进行优化，使之预测精度高

霍夫曼编码，对输入的字符集和各个字符对应的权值，例如A={a,b,c,d,e,f,g,h}，各个字符对应的权值为{5,29,7,8,14,23,3,11}，求出每个字符的霍夫曼编码。 【输入形式】 输入若干个字符（1 <= n <= 26），其权值为int型。 输入数据的第一行的整数n，表示字符数；接下来的n行是字符集，一行一个字符；最后一行是各字符的权值，以空格分隔。 【输出形式】 每个字符（节点）的霍夫曼编码。参见样例输出。 【样例输入】 4 a b c d 1 3 7 22 【样例输出】 a:000 b:001 c:01 　　d:1 【样例说明】 提示： 1、将最小两个子树合并过程中一定要从前向后去查找两个最小子树，最小子树作为新结点的左子树，次小子树作为新结点的右子树，编码过程中左子树定义为0，右子树定义为1 2、另外：一般原则要求： 　若有重复权值结点，原来森林中的结点优先选择（即深度小的结点优先，以确保最终总树深较浅并相对平衡）。新生成的权值和的结点后用。

卷积神经网络的权值优化算法

BP神经网络的权值采用梯度下降法更新，不仅输出的精度不高，而且耗费时间较长，基于遗传算法来更新可以达到更好的效果，该程序可以直接运行，没有错误

使用遗传算法对BP神经网络进行优化，BP网络的输入节点 7 隐层节点 7 输出节点