 |
 |
 |
 |
 |
 |
 |
 |
 |
Перечень ссылок использованных при написании работы |
| Статья (Web-страница) магистра группы КСД-99б Ярославцева В.А. В.А. Ярославцев, Ю.А. Скобцов Исследование и разработка генетических алгоритмов построения тестов для цифровых схем (статья). |
| Сайт (Web-страница) магистра Хмелевого С. Тема диссертации: исследование и разработка компьютерных систем решения задач комбинаторной оптимизации с помощью генетических алгоритмов. |
| Генетический подход и нечёткие оценки в оптимизации Список трудов Fuzzy Technologies Lab. Генетический подход и нечёткие оценки в оптимизации параметров ПИД регулятора С.В.Жукова, Ю.Н.Золотухин, Л.А.Рахманова. Лаборатория нечетких технологий Институт автоматики и электрометрии Сибирское отделение РАН. |
| Журнал "Автоматизация Проектирования" Генетический алгоритм для трассировки двухслойных каналов Трассировка -это заключительный и важнейший этап конструкторского проектирования больших и сверхбольших интегральных схем (БИС, СБИС). Основная задача трассировки состоит в определении линий, соединяющих эквипотенциальные контакты элементов и компонент... |
| Машинная эволюция Машинная эволюция. Метод перебора как наиболее универсальный метод поиска решений. Методы ускорения перебора. Метод группового учета аргументов как представитель эволюционных методов. Генетический алгоритм. Автоматический синтез технических решений. Поиск оптимальных структур. Алгоритм поиска глобального экстремума. Алгоритм конкурирующих точек. Алгоритм случайного поиска в подпространствах. Некоторые замечания относительно использования ГА. |
| Популярно о генетических алгоритмах Популярно о генетических алгоритмах. История появления эволюционных алгоритмов. Генетические Алгоритмы. Когда следует применять генетический алгоритм. Символьная модель простого ГА. Работа простого ГА. Шима schema. Строящие блоки. Теорема шим. История появления эволюционных алгоритмов. |
| Нейронные сети Нейронные сети. Введение. Параллели из биологии. Базовая искусственная модель. Применение нейронных сетей. Сбор данных для нейронной сети. Выводы. Пре пост процессирование. Многослойный персептрон MLP. Обучение многослойного персептрона. Алгоритм обратного распространения. Переобучение и обобщение. Отбор данных. Как обучается многослойный персептрон. Другие алгоритмы обучения многослойного персептрона. Радиальная базисная функция. Вероятностная нейронная сеть. Обобщенно регрессионная нейронная сеть. |
| Генетические алгоритмы эволюционные методы поиска Генетические алгоритмы эволюционные методы поиска. Задача поиска. Постановка задачи. Символьная модель. Геометрическая интерпретация символьной модели. Шима schema. Строящие блоки. Работа простого ГА. Теорема шим. Алгоритм. Здесь я постараюсь изложить основные операции предлагаемого поискового алгоритма. Он несколько отличается от традиционного генетического алгоритма как в построении символьной модели так и в структуре самого алгоритма. Об истории появления генетических алгоритмов... |
| Журнал Автоматизация Проектирования Многохромосомная оптимизация оценки качества программных средств. В настоящее время сложилась такая ситуация что из общей стоимости программно аппаратного комплекса ПАК на долю программного обеспечения ПО приходится до 95. Отсюда следует что конкурентоспособность ПО основывается на снижении его стоимости и повышении качества. |
| Компьютерра 11 1999 Генетические алгоритмы почему они работают Акопян А.М. Генетические алгоритмы для решения задачи глобальной оптимизации. Введение. Название генетический алгоритм связано с тем что в нем используются механизмы аналогичные тем что существуют в природе, кодирование информации в линейные структуры и перераспределение этой информации при помощи специальных операций. Несмотря на биологическую терминологию генетические алгоритмы являются универсальным вычислительным средством для решения серьезных математических задач. |
| Глоссарий нейротерминов |
| Электронный учебник. Список Г Гамма распределение. Гармоническое среднее. Гауссовское распределение. Генетический алгоритм. Генетический алгоритм отбора входных данных. |
| Генетические алгоритмы Генетические алгоритмы. Естественный отбор в природе. Эволюционная теория утверждает, что каждый биологический вид целенаправленно развивается и изменяется для того, чтобы наилучшим образом приспособиться к окружающей среде. В процессе эволюции многие виды насекомых и рыб приобрели защитную окраску, еж стал неуязвимым благодаря иглам, человек стал обладателем сложнейшей нервной системы. |
| Оптимизация многоэкстремальных функций с помощью генетических... Д.И. Батищев С.А. Исаев. Оптимизация многоэкстремальных функций с помощью генетических алгоритмов опубликовано в сборнике статей издаваемом ВГТУ осень 1997. В работе рассматривается генетический алгоритм для решения многопараметрической непрерывной задачи оптимизации. Предлагается новая отличная от традиционной символьная модель и новые генетические операторы использующие специфику такой модели. Обсуждаются вопросы связанные с влиянием операторов и значений параметров на поведение ГА. |
| Компьютерра 11 1999 Эволюционная биокибернетика Эволюционная биокибернетика ВЛАДИМИР РЕДЬКО |
| AI Archiv AI Archiv. Программы для симуляции нейронных сетей Shareware Upd 23 10 98. Программы для симуляции нейронных сетей. Искуственный интеллект и генетический алгоритм примеры и исходные коды. |
| NeuroProject GeneHunter НейроПроект генетические алгоритмы С помощью GeneHunter решение Ваших оптимизационных задач в Excel становится простым и эффективным. |
авторское право © Ярославцев Владимир Адрианович | Di-Ti project 2004 |