boomzip的专栏

提出了新的遗传算法优化设计前向神经网络的结构和权重矢量。这种新方法的创新在于：二值码串和实值码串的混合编码方法即保留了传统遗传算法的优点，又具有遗传编程和遗传策略的优点；结合遗传算子和ＳｏｌｉｓａｎｄＷｅｔｓ算法生成后代的方法丰富了遗传搜索空间的多样性，加快了遗传算法的收敛速度；对混合编码码串的动态参数编码方法提高了优化精度。

提出将前馈多层神经网络的全局优化表述作为启发式遗传搜索的问题．设计了遗传算法全局优化神经网络拓扑结构和网络权值的新的编码方案，并利用该方法求解了洪水预报问题，给出了实例预报结果

本文就前馈网络的结构提出了一种新的编码方案———神经元编码法。该方案在对网络结构编码时 ,是围绕神经元进行的。然后采用遗传算法对其进行优化操作 ,并取得了预期的优化结果

针对神经网络结构设计的问题及一般结构学习方法的不足,提出了基于多物种进化遗传算法(SEGA),并以MLP为例给出了基于此算法的神经网络结构进化设计方法。该方法融合了遗传算法与神经网络的特点,具有模型搜索空间广泛、算法适应性强的特点。仿真结果表明该方法是有效的。

采用改进的串行遗传算法以各种变尺度搜索解空间,可以改变神经元输入和输出的映射关系,进而改变整个网络的性能,在高维解空间中自动寻找合适的解,并且验证了Simplex的有效性.

通过对标准遗传算法进行改进,给出了一种主从式遗传算法,该算法能够对多层前馈神经网络的拓扑结构进行有效优化,选择权重的初始化范围,隐含层的节点数以及输入层节点等,同时也解决了BP算法易于陷入局部极小的问题。

介绍了遗传算法的基本原理,然后利用遗传算法优化神经网络结构,形成以遗传算法与神经网络相结合的进化神经网络.经验证可知,该算法具有一定的可行性与有效性.

本文利用GA的群体搜索和BP的自学习特性,提出用GA学习BP神经网络结构,构造了GA-BP优化算法。从而可利用此网络为复杂系统进行优化求解。

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.

常用的神经网络是通过固定的网络结构得到最优权值,使网络的实用性受到影响。引入一种基于方向的交叉算子和禁忌变异算子,同时把禁忌算法(TS)引入标准遗传算法,结合标准遗传算法和禁忌算法的优点,提出一种优化神经网络结构的遗传禁忌混合算法,实现了网络结构和权值同时优化。仿真实验表明,与遗传算法和禁忌算法相比,该算法优化的神经网络收敛速度较快、预测精度较高,提高了网络的处理能力。

对近几年应用遗传算法(Genetic Algorithm,GA)优化设计前向神经网络结构的研究进行了评述。指出了神经网络结构优化设计的重要性和目前各种方法存在的不足。介绍了神经网络结构设计原理和应用GA优化设计神经网络应着重考虑的两个问题:即结构表达策略和适应度函数设计。分别对近来应用GA优化设计多层感知器、径向基函数神经网络和径向基概率神经网络结构的研究进行了细致介绍和分析。指出了目前研究工作的不足和未来研究工作的发展方向。

常用的神经网络是通过固定的网络结构得到最优权值,使网络的实用性受到影响。引入了一种基于方向的交叉算子和变异算子,同时把模拟退火算法引入了遗传算法,结合遗传算法和模拟退火算法的优点,提出了一种优化神经网络结构的遗传——模拟退火混合算法,实现了网络结构和权值的同时优化。仿真实验表明,与遗传算法和模拟退火算法相比,该算法优化的神经网络收敛速度较快、预测精度较高,提高了网络的处理能力。

本书旨在系统地介绍遗传算法的理论、应用和发展，共包括9个章节的内容.首先，本书讲述了遗传算法的起源、历程和主要研究方向，介绍了遗传算法的基本原理。其次，讨论了遗传算法的一般收敛性理论，遗传算法的马尔可夫链模型和收敛性分析，遗传算法的随机泛函分析。还介绍了遗传算法的模式理论，特别是遗传算法的模式欺骗性理论，以及欺骗问题的实验分析；并详细讨论了微观遗传策略-遗传算子的分析与设计，以及微观遗传策略中的参数设置和适应性微观遗传策略的设计。讨论了宏观遗传策略-遗传算法结构分析与设计。接下来介绍了遗传算法

本书的内容包括：调度问题瑟计算机复杂性；遗传算法理论与实现技术；Job Shop调度及其遗传算法；Flow Shop调度及其遗传算法；并行机高度及其遗传算法。

本书较全面系统地介绍了应用人工神经网络和遗传算法解决水科学问题的最新研究成果。在理论方面：将人上神经网络技术应用于解决复杂、模糊高度非线性洪水、水沙的预测预报问题，提出了基丁人工神经网络的峰值识别理论，采用遗传算法优化神经同络的初始权重，实现了人工神经网络与遗传算法的有机结合。

本书重点在于阐述遗传算法的数学基础。全书共分3章，第1章给出了遗传算法的几何理论，第2章给出了遗传算法的马尔可夫链分析，第3章给出了遗传算法的收敛理论。

本书总结了遗传算法在工业工程相关领域应用的前沿进展。全书共分9章：遗传算法基础、组合优化问题、多目标优化问题、模糊优化问题、可靠性设计问题、调度问题、高级运输问题、网络设计与路径问题和制造元设计问题。内容既涵盖了遗传算法在传统优化问题中的新进展，又涉及了目前在供应链和物流研究中相当热门的话题。本书论述严谨、深入浅出，并有大量图形和表格，便于读者深入理解其内容。

本书着重于介绍在影像自适应处理和分析中应用的遗传算法的理论和方法，其内容涵盖了遗传算法在影像的预处理、特征提供、分割与分类等方面的应用。

韩国 红外二氧化碳传感器S-100数据手册

图书：模糊聚类分析及其应用。是关于模糊聚类介绍的比较全面的图书，内容不错。

印度的一篇学位论文，是关于WSN在农业中的应用的 WIRELESS SENSOR NETWORKS FOR MARGINAL FARMING IN INDIA

一种对血液显微图像中白细胞个数自动计数方法。解决目前对血液显微图像中白细胞个数手工计数所带来的繁重劳动和测量误差的问题。包括光学成像部分（1 ）、纵向聚焦位置调节器（2 ）、水平X 与Y 方向位置调节器（3 ）、（4 ) ，摄像机（5 ）、位置调节器驱动接口（6 ）、图像采集接口（7 ）、计算机（8 ) 组成图像自动采集计数系统。首先调整纵向位置，以图像信息嫡最大位置为图像采集的理想纵向位置。通过位置调节驱动接口（6 ）控制水平X 、Y 方向移动，完成染色血液细胞载片内的白细胞计数。该方法不仅可快速准确地对血液显微图像中白细胞个数进行自动统计计数，对其他需以图像为目标的图像分析与统计应用也适用。

一种智能图像计数方法，主要由CCD 摄像头( 1 ) ，数字信号处理器（2 ）和液晶显示器（3 ）组成，其中，通过CCD 摄像头（l ）采集需要计数物体的图像，经过预处理将图像转换成RGB 数字图像，并进行图像分割、数学形态学处理及智能计数，最后将捕获到的图像及物体个数一起显示在液晶显示器( 3 ）上。这是一种基于图像处理的自动计数方法，特点是可对任意形状、不同大小的无孔洞物体进行自动计数，处理速度快，准确率高。

这是eWebEditor4.8 在线编辑器商业版，且带有后台，保证可用。路径的设置可参考http://www.ewebeditor.net/demo/url.asp

关于神经网络泛化的文章<br>摘　要　泛化能力是多层前向网最重要的性能, 泛化问题已成为目前神经网络领域的研究热<br>点. 文中综述了神经网络泛化理论和泛化方法的研究成果. 对泛化理论, 重点讲述神经网络的结<br>构复杂性和样本复杂性对泛化能力的影响; 对泛化方法, 则在介绍每种泛化方法的同时, 尽量指<br>出该方法与相应泛化理论的内在联系. 最后对泛化理论和泛化方法的研究前景作了展望.

南邮张代远的样条权函数神经网络<br>针对前馈神经网络在数值插值领域的应用场合,提出了一种新型结构的神经网络及其训练算法。网<br>络拓扑结构简单,网络训练所需的神经元个数与样本个数无关,可以简单地表示成输入、输出样本向量维数之积。<br>算法只需训练1 层权函数。训练后的权函数由三次样条函数构成,而不是传统方法(反向误差传播算法“BP”或径<br>向基函数算法“RBF”) 的常数。通过求解两组线性方程组,就可以确定具体三次样条权函数形式。不存在传统梯<br>度下降类算法的局部极小、收敛速度慢、初值敏感性等问题。仿真实验说明此算法比传统算法(如BP、RBF) 精度<br>高、速度快。

文件太大，分两部分发。<br>本书是学习C#编程的优秀参考书，全书共分10部分：第1部分概述了有关C#编程的基础知识；第2部分介绍C#对数据的处理，内容涉及组件、属性和特性以及线程；第3部分-第8部分，每部分都围绕着一个专业项目展开讨论，并通过实例引导读者，通过由浅入深的方式学习各种专业项目的创建；第9部分介绍C#的高级知识，最后一部分是附录。<br>　　 本书既有完整的概念说明，又有复杂而完整的实例代码，读者能够轻松地将自己所学的理论知识付诸实践。本书适用于具有一定编程基础的C#程序员。

文件太大，分两部分发。 本书是学习C#编程的优秀参考书，全书共分10部分：第1部分概述了有关C#编程的基础知识；第2部分介绍C#对数据的处理，内容涉及组件、属性和特性以及线程；第3部分-第8部分，每部分都围绕着一个专业项目展开讨论，并通过实例引导读者，通过由浅入深的方式学习各种专业项目的创建；第9部分介绍C#的高级知识，最后一部分是附录。 　　 本书既有完整的概念说明，又有复杂而完整的实例代码，读者能够轻松地将自己所学的理论知识付诸实践。本书适用于具有一定编程基础的C#程序员。

本书重点讲述了C#语言的基础知识及使用Visual Studio.Net集成开发环境开发各种C#应用程序的技巧，内容主要包括：C#语言基础知识、集成环境中基本工具的使用、开发控制台应用程序、开发ASP.Net应用程序、开发Web应用程序、开发数据库应用程序以及建立各种实用程序等。在讲解时，分别从实例说明、实现步骤、执行结果、关键代码及说明等方面进行分析，从而使读者学习这些实例后，可以熟练掌握使用C#语言开发各种类型应用程序的技巧与方法。

MATLAB 7_0实用指南（下册）

第1章MATLAB7.0简介1.1MATLAB的特点1.1.1MATLAB的基本特点1.1.2MATLAB7.0的新特点1.2MATLAB桌面简介1.2.1启动按钮1.2.2命令窗口1.2.3命令历史窗口1.2.4T作空间窗口1.2.5当前目录浏览器1.3MATLAB的帮助系统1.3.1帮助浏览器1.3.2help函数和doc函数第2章数组和矩阵2.1表达式2.1.1变量2.1.2数值表示2.1.3运算符2.1.4函数2.2构造数组2.2.1用增量法构造数组2.2.2用linspace函数构造数组2.3构造矩阵2.3.1简单的创建方法2.3.2构造特殊矩阵2.3.3聚合矩阵2.3.4组合不同类型的数据2.4获取矩阵的元素2.4.1获取单个元素2.4.2线性索引2.4.3获取多个元素2.5获取与矩阵有关的信息2.6缩放和重塑矩阵2.6.1放大矩阵2.6.2重塑矩阵2.7导入数据2.7.1导入文本数据2.7.2导入MAT文件数据2.7.3使用ImportWizard工具2.8矩阵的代数运算2.9矩阵的逻辑运算第3章数值计算3.1方程求解3.1.1求解线性方程组3.1.2乔累斯基、LU和QR分解3.1.3特征值3.2多项式3.2.1多项式求根3.2.2多项式评价3.2.3卷积和去卷积3.2.4多项式求导3.2.5多项式曲线拟合3.3插值3.3.1一维插值3.3.2维插值3.3.3插值和多维数组3.4数据分析和统计3.4.1面向列的数据集合3.4.2基本数据分析函数3.4.3方差和相关系数3.4.4有限差分3.4.5数据预处理3.4.6回归分析3.4.7曲线拟合第4章M文件设计4.1M文件编辑器4.2脚本式M文件和函数式M文件4.3流控制4.4函数变量4.4.1检查输入变量的个数4.4.2传递变量4.4.3解包varargin中的内容4.4.4打包varargout4.4.5变量列表中的varargin和varargout4.4.6返回输出变量4.5子函数和私有函数4.6编程技巧4.6.1函数句柄4.6.2函数的函数4.6.3向量化4.6.4预分配内存空间4.7面向对象编程第5章图形用户界面(GU，)设计5.1GUIDE简介5.1.1启动GUIDE””5.1.2输出编辑器5.1.3GUIDE模板5.1.4运行GUI5.1.5GUIFIG文件和M文件5.2创建GUI5.2.1设计GUI5.2.2完成GUI5.2.3设置GUI组件的属性5.2.4GUI编程5.2.5保存和运行GUI第6章编译和接口6.1MATLAB编译器4.06.1.1MATLAB编译器4.0的新特点6.1.2MATLAB编译器的使用6.1.3编译独立应用程序6.2MATLAB与VisualBasic接口6.2.1COM生成器1.16.2.2用COM生成器生成组件6.2.3在VisualBasic中使用组件6.2.4使用COM生成器时可能遇到的问题第7章二维图形绘制7.1线形图、条形图和面积图7.2饼图7.3误差条图7.4散点图7.5直方图7.6对数坐标图和半对数坐标图7.7多轴图7.8极坐标图7.9等值线图7.10向量图7.11帕累托图7.12火柴杆图7.13彗星图7.14罗盘图7.15羽列图7.16阶梯图7.17玫瑰花图7.18函数的图形7.19动画7.19.1以电影方式创建动画7.19.2以重绘方式创建动画第8章交互绘图与编辑8.1绘图工具8.1.1图形窗口的工具条、8.1.2绘图工具——交互绘图8.1.3使用绘图工具8.1.4用工作空间中的变量绘图8.1.5指定数据源8.1.6编辑图形8.1.7使用图形编辑模式8.1.8保存结果8.2数据查看工具8.2.1数据光标——交互显示数据的值8.2.2维和三维图形的缩放8.2.3平移图形8.2.4三维视图的交互旋转8.2.5分析图形数据8.3标注图形8.3.1如何标注图形8.3.2对齐工具——对齐和分布对象8.33添加标题8.3.4添加坐标系标签8.3.5添加文本标注8.3.6添加箭头和直线第9章句柄图形对象9.1面向对象的思维方式9.2句柄图形对象的组织9.2.1句柄图形对象的层次结构9.2.2句柄图形对象的类型9.3图形窗Figure对象9.3.1用于绘图的图形窗口9.3.2Figure对象用做GUI9.3.3Root对象——Figure对象的父对象9.4核心图形对象9.4.1核心图形对象简介9.4.2创建核心图形对象9.4.3父对象9.4.4高级函数和低级函数9.4.5简化的调用语法9.5绘图对象9.5.1创建绘图对象9.5.2编程识别绘图对象9.5.3链接图形和变量9.5.4保存与MATLAB以前版本相兼容的图形9.6Annotation对象9.7组对象9.7.1创建组对象9.7.2变换对象9.8对象的属性9.8.1设置和查询属性值9.8.2默认属性9.8.3示例——设置默认线型9.9句柄操作9.9.1获取对象句柄9.9.2当前图形、坐标轴和对象9.9.3用属性值查找对象——findobi函数9.9.4复制对象9.9.5删除对象9.10句柄图形的视图控制9.10.1指定图形输出的目标区域9.10.2设置图形窗口和坐标系9.10.3测试持续绘图(Hold)状态9.10.4防止FigureAxes对象成为绘图目标区域9.10.5关闭请求函数9.11把句柄保存到M文件9.12可包含其他对象的对象9.13句柄图形对象的回调9.13.1图形对象的回调属性9.13.2函数句柄回调9.14Figure对象9.14.1在面板上锚定图形窗口9.14.2与窗口锚定有关的属性9.14.3确定图形窗口的位置和大小9.15坐标系属性9.15.1标签和外观属性9.15.2坐标系的位置和大小9.15.3在同一图形窗口中显示多个坐标系9.15.4单个坐标轴的控制9.15.5使用多个x轴和y轴第10章定制二维图形10.1基本图形元素10.1.1直线段、多义线和曲线——Line对象10.1.2矩形、圆角矩形、椭圆、圆及对应的区域图形——Rectangle对象10.1.3多边形——Patch对象10.1.4文本——Text对象10.2定制二维图形第11章三维模型的建立11.1线形模型的建立11.1.1参数曲线11.1.2样条曲线11.1.3用给定数据绘图11.1.4三维等值线图11，1.5三维向量图11.2曲面模型的建立11.2.1函数表示的曲面11.2.2~--次曲面11.2.3样条曲面11.2.4用给定数据绘图t12.5非均匀采样数据的曲面图11.2.6表面图绘制的数据格式问题11.3多边形对象模型11.3.1patch函数11.3.2用patch函数创建面片11.4消隐控制第12章三维模型的着色12.1网格图、刻面图和曲面图的着色12.1.1主要的着色技术12.1.2颜色查找表12.1.3索引着色表面——直接映射和比例化映射12.1.4示例——表面曲率向颜色映射12.1.5真彩色表面12.1.6纹理映射12.2多边形模型的着色12.2.1面片只有一个小面的情况12.2.2面片有多个小面的情况12.2.3控制面片着色的属性12.2.4面片边的着色第13章光照与材质13.1Light对象13.2光照命令13.3给场景添加光照13.4影响光照效果的属性13.5光照算法13.6图形对象的反射特性——材质13.6.1镜面反射和漫反射13.6.2环境光13.6.3镜面反射指数13.6.4镜面反射光的颜色13.6.5背面光照13.6.6material函数13.6.7一个例子第14章透明性14.1使对象透明14.1.1alpha值14.1.2与透明性相关的属性14.2指定一个单独的透明度值14.3将数据映射给透明度14.3.1alpha数据数组的大小14.3.2将alpha数据映射至，Jalpha查找表14.3.3示例——将数据映射到颜色或透明度14.4选择一个alpha查找表第15章交互操作15.1视点和相机15.1.1用方位角和仰角设置视点15.1.2交互工具——相机15.2用相机工具条进行场景空间变换15.2.1相机工具条15.2.2交换主轴15.2.3盘旋15.2.4平移15.2.5缩放15.2.6滚动15.2.7漫游15.3用与相机有关的函数实现场景空间变换15.3.1与相机有关的函数15.3.2示例1——平移图像15.3.3示例2——穿越场景15.3.4低级相机属性15.4投影15.4.t正交投影和透视投影15.4.2投影类型和相机位置15.4.3坐标轴方向上的显示比率第16章MATLAB提供的科学计算可视化工具16.1剖面图16.1.1slice函数16.1.2切片等值线图16.1.3切片流线图16.2表现流动特征16.2.1流线图16.2.2流锥图16.2.3流沙图16.2.4流带图16.2.5流管图16.2.6卷曲图16.3等值面16.4等帽盖16.5减少面片上小面的个数16.6减少体数据集中元素的个数16.7缩小面片中的小面16.8子体积16.9体包围盒16.10计算几何问题16.10.1散点数据的三角化和插值16.10.2高维散点集的剖分和插值

本书的第1章和第2章介绍了数字图像处理的基本概念和技术，后续几章介绍了数字图像处理和计算机视觉领域的几个应用实例，包括指纹识别系统、数字水印技术、条形码技术、印鉴鉴定系统、光学字符识别技术以及基于视觉的手势识别系统。 本书的最大特色在于，对识别技术中的大多数问题，不仅给出了关于算法的详细介绍，还给出了基于C/Visual C++6.0的实现代码，具有一定的扩展性。有的实例还给出了不同方法

本书论述了遗传算法与人工神经网络的基本原理，设计与实现方法及其在压力管网最优化领域中的应用，主要内容包括：遗传算法基本原理与设计　，单亲遗传算法，树神经网络优化设计，环状管网的遗传优化设计及其应用等，可供高等院校有关专业的师生，科研人员、工程技术人员学习参考。

人工智能 神经网络

本书分三个部分共16章分别介绍了:1.遗传算法的概念、数学原理及方法步骤;2.遗传算法和数据编码联系起来所构成的演化程序;3.演化程序面向一些实际问题的应用。 本书语言生动，结构合理，较少使用专业性术语和深涩词汇，适合面临优化问题的研究生、程序员、设计师、工程师及科研工作人员参考。 <br>