带你深入剖析递归神经网络

// Stage 3: Save the context hidden value

for ( k = 0 ; k < HIDDEN_NEURONS+1 ; k++ )

{

context2[ k ] = context1[ k ];

context1[ k ] = hidden[ k ];

}

return;

}

我鄙人面的代码示例中实现了遗传算法。可以分 3 部分查看此代码。第一部分计算群体的总合适度（在选择过程中应用），以及群体中最合适的染色体。第二部分中应用最合适的染色体，仅将此染色体复制到下一?群体。这是一种精英选择情势，我将保护最合适的染色体，一向到将其复制到下一?群体中。该群体包含 2,000 个染色体。

Hopfield 收集是一种联想记忆。给定一种输入模式，它将获取与该输入最类似的模式。这种联想（输入与输出之间的接洽）类似于人脑的工作方法。给定一段记忆的一部分，仁攀类能完全回想起该记忆，Hopfield 收集的工作道理与此类似。

在遗传算法的最后一部分中，我大年夜群体中随机选择两个父染色体，应用它们为下一?群体创建一个子染色体。选择算法基于所谓的轮盘抽奖选择办法，染色体是随机选择的，但选中更相符的父染色体的几率更高一些。选择两个父染色体后，将它们从新组合成下一?群体的子染色体。此过程蕴含杂交（选择一位父亲的基因来传播）和突变（可以随机从新定义一个权重）的可能性。产生杂交和突变的概率很低（每次从新组合对应一次突变，而杂交次数则更少）。

void GA_process_population( unsigned int pop ) 
 
{ 
 
   double sum = 0.0; 
 
   double max = 0.0; 
 
   int best; 
 
   int i, child; 
 
  
 
   best = 0; 
 
   sum = max = population[ pop ][ best ].fitness; 
 
  
 
   // Calculate the total population fitness 
 
   for ( i = 1 ; i < POP_SIZE ; i++ ) 
 
   { 
 
      sum += population[ pop ][ i ].fitness; 
 
      if ( population[ pop ][ i ].fitness > max ) 
 
      { 
 
         best = i; 
 
         max = population[ pop ][ i ].fitness; 	
			 4/6   首页 上一页 2 3 4 5 6 下一页 尾页	
			

　　推荐阅读
　　23个基本物联网标准、协议、技术术语快捷指南 ！
            CTO练习营 | 12月3-5日，深圳，是时刻成为优良的技巧治理者了
            
                
                    
                
                在物联网范畴，平日存在一些难以懂得的协定、标准>>>详细阅读


本文标题：带你深入剖析递归神经网络
地址：http://www.17bianji.com/lsqh/39295.html
 1/2    1