(3.235.25.169) 您好!臺灣時間:2021/04/20 02:57
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果

詳目顯示:::

我願授權國圖
: 
twitterline
研究生:張志強
研究生(外文):Chang, Chi-Chung
論文名稱:應用類神經網路發展工程最佳化方法
論文名稱(外文):Engineering Optimization by Using Artificial Neural Networks
指導教授:史建中
指導教授(外文):Shih C. J.
學位類別:碩士
校院名稱:淡江大學
系所名稱:機械工程學系
學門:工程學門
學類:機械工程學類
論文種類:學術論文
論文出版年:1997
畢業學年度:85
語文別:中文
論文頁數:80
中文關鍵詞:類神經網路最佳化倒傳遞網路霍普菲爾網路
外文關鍵詞:Arificial Neural NetworkOptimizationBack-Propagation NetworkHopfield Network
相關次數:
  • 被引用被引用:1
  • 點閱點閱:83
  • 評分評分:系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔
  • 下載下載:0
  • 收藏至我的研究室書目清單書目收藏:0
本文將研究兩種類神經網路-倒傳遞網路(Back-Propagation Network)
及霍普菲爾網路(Hopfield Network)應用於一般工程最佳化問題的方法。
在倒傳遞網路方面,針對解決有限制條件之最佳化問題,本法分為兩個步
驟,第一步驟為訓練邊界網路,我們將訓練一個倒傳遞網路,使網路能辨
識位於限制條件的邊界附近的點及其可行性。第二步驟使用整體最小值的
搜尋技術,從邊界附近的點出發來找到最佳值。類似的過程被應用在解限
制條件中具有模糊訊息的最佳化問題,經由一個最大化滿意度的過程後,
找到最佳解。在霍普菲爾網路方面,若網路神經元間的連結權值為對稱,
則系統必朝向平衡狀態前進,即能最小化系統之能量函數。若我們將最佳
化問題中之目標函數及限制條件與網路的能量函數間找出一個合適的對應
關係,則設計問題之目標函數便可最小化。類似的過程亦備用來解限制條
件中具有模糊訊息的最佳化問題。若設計問題沒有明確數學式,而只有一
些樣本點時,倒傳遞網路能夠解這種型式的最佳化問題,但其學習速率過
於緩慢,是未來可以繼續改善的方向。對於霍普菲爾網路而言,其搜尋速
率則遠較倒傳遞網路快得多,但此網路只能應用在設計問題都有明確之數
學式時,同時局部最小值是本法的缺點。如何方便正確地選擇網路的參數
,亦是未來可繼續研究之處。

In this paper,two neural networks are applied to solve
optimization problems.One is Backpropagation network, the other
is Hopfield network.The purpose ofthe Backpropagation network
method is to recognize the constrained boundary andfeasibility .
First step is to train a boundary network,a
Backpropagationnetwork is to recognize the points along the
constrained boundary and itsfeasibility. Second step is using a
global search technique to find optimumpoint from the most
possible points. One can apply the similar process to thefuzzy
constrained problem and eventually a fuzzy transformation can
beconstructed. Zooming and moving center technique combined with
a controlledrandom search can generate the optimum solution.The
equations of motion for theHopfield network with symmetric
connections always lead to a convergence tostable state. It
means the system can minimize the function. The
optimizationproblem is mapped onto the neural network in such a
way that the networkconfiguration corresponds to possible
solutions to the problem. Similarly,themethod is applied to the
problem which the constrained functions contain fuzzyinformation
under some assumptions.When constrained functions are not
explicitand analytic but only a bunch of experimental data, the
Backpropagation networkcan obviously serve as a useful vehicle
of optimizing such practicalengineering problems. The further
research is to speed up the networkconvergence. In Hopfield
network, it takes a short time to find optimum. Themethod can
only apply to the problems which constrained functions are
explicit.The further research is to improve the network in
global sense, andconveniently and correctly deciding the
parameters of synapses and currents isrequired for dealing with
the general and practical engineering designs.

QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
無相關期刊
 
系統版面圖檔 系統版面圖檔