发明名称 | 一种神经网络自更新过程的实现方法 | ||
摘要 | 本发明公开了一种神经网络自更新过程的实现方法,根据设计对象确定设计变量与设计目标;通过抽样获得神经网络的初始训练样本,实现对神经网络的训练;利用遗传算法的交叉变异过程,搜索满足设计要求的个体,使用神经网络和计算流体力学方法,计算新个体的设计目标值,并将计算流体力学方法计算结果添加到初始训练样本中,得到更新训练样本;使用更新训练样本对神经网络进行再次训练,实现了神经网络的更新;然后进行选择,产生新种群,若新种群符合收敛标准,设计过程结束,否则返回步骤(3),继续执行。与现有技术中相比,本发明提出的自更新神经网络方法使反向设计的计算量减少了27.4%。 | ||
申请公布号 | CN105389614A | 申请公布日期 | 2016.03.09 |
申请号 | CN201510905762.0 | 申请日期 | 2015.12.09 |
申请人 | 天津大学 | 发明人 | 尤学一;张天虎 |
分类号 | G06N3/02(2006.01)I | 主分类号 | G06N3/02(2006.01)I |
代理机构 | 天津市北洋有限责任专利代理事务所 12201 | 代理人 | 李素兰 |
主权项 | 一种神经网络自更新过程的实现方法,其特征在于,该方法包括以下步骤:步骤(1)、根据设计对象确定设计变量与设计目标;步骤(2)、通过抽样获得神经网络的初始训练样本,实现对神经网络的训练;步骤(3)、利用遗传算法的交叉变异过程同时得到多组符合设计要求的设计变量值,从中搜索满足设计要求的个体,使用神经网络和计算流体力学方法,计算新个体的设计目标值,并将计算流体力学方法计算结果添加到训练样本中,得到更新训练样本;步骤(4)、使用更新训练样本对神经网络进行再次训练,实现了神经网络的更新;步骤(5)、然后通过非支配排序方法对种群中的个体进行排序,并使用锦标赛算法进行选择,产生新种群,若新种群符合收敛标准,设计过程结束,否则返回步骤(3),继续执行。 | ||
地址 | 300072 天津市南开区卫津路92号 |