基于混合遗传神经网络的百米跑成绩预测方法

来源 :计算机仿真 | 被引量 : 13次 | 上传用户：basilmhb

【摘要】

：

在遗传算法(GeneticAlgorithm)与BP(BackPropagation)网络结构模型相结合的基础上,设计了用遗传算法训练神经网络权重的新方法,并把这种方法用于运动员百米跑成绩预测。与BP算法和LM(LevenbergMarquardt)算法相比,基于混合遗传算法的神经网络不仅有较快的学习速度和较好的学习精度,而且网络的泛化能力(GeneralizationAbility)得到了很大提

【作者】

：

陈海英郭巧徐力

【机构】

：

北京理工大学机器人研究中心

【出处】

：

计算机仿真

【发表日期】

：

2004年02期

【关键词】

：

百米跑成绩预测混合遗传神经网络遗传算法人体运动能力权值优化 100m sprint Genetic algorithm Neural network

下载到本地 , 更方便阅读

下载此文赞助VIP

声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架

论文部分内容阅读

其他文献

层次式多联盟结构框架及其时间管理服务的研究

随着仿真技术的发展 ,人们对大规模分布式仿真的应用需求越来越迫切。为了解决单联盟集中式RTI仿真规模受限的问题 ,AnthonyCramp等人提出了层次式多联盟的联盟集合的思想[1 ] ,并对分布式盟员代理 (DistributedFederateProxyDFP)结构的时间管理进行了简要描述 ,其描述是基于美国国防部HLA 1.3版本的 ;该文主要介绍了层次式多联盟的基本结构及主要数据流程 ,并

期刊

仿真技术DFP分布式盟员代理时间管理高层体系结构运行支撑环境分布式仿真HLARTIDistributed federate proxy(DFP

FOM设计过程中的几个问题

FOM表是对联邦运行期间各联邦成员之间所交换信息的一种规范化描述,是提高模型之间互操作性和可重用性的关键技术之一,同时也是联邦开发的难点所在。该文首先对FOM的概念进行了讨论,分析了FOM中的对象与OOAD中的对象之间的异同。然后,我们在联邦开发实践的基础上,对FOM的开发过程进行了系统的总结,指出了在FOM开发过程中应该注意的问题。

期刊

仿真模块分布式建模FOM设计过程计算机仿真FederateFOMInterface design

pH过程的逆模型控制及仿真研究

针对酸碱中和过程的本身强非线性的特点,该文从酸碱离子的反应式入手介绍了一种四式模型(Four-Formu la-M ode l)作为pH过程的机理模型。接着推导出此模型的逆模型,并将得到的逆模型作为控制器对连续搅拌反应釜对象进行pH控制。用M atlab进行仿真研究,结果表明此方案对强酸强碱过程有很好的跟踪控制效果,并且具有快的响应速度和较强的抗干扰能力。最后比较了逆模型控制和反S变换控制,逆模型

期刊

中和过程四式模型逆控制连续搅拌反应釜Neutralization process Four - formula - model Inverse co

基于混合遗传神经网络的百米跑成绩预测方法

其他学术论文