公开(公告)号：CN112687351B

公开(公告)日：2023-04-18

申请号：CN202110018119.1

申请日：2021-01-07

Applicant: 哈尔滨工业大学

Inventor： 姜建堂 ,  李枘 ,  宫元勋 ,  甄良 ,  邵文柱

IPC: G16C20/30 ,  G06N3/126 ,  G06N3/084

Abstract: 本发明提出一种基于遗传算法‑BP神经网络快速预测复合介质微波电磁性能的方法，所述方法包括步骤一、样品基础参数的获取；步骤二、遗传算法‑BP神经网络模型体系构建；所述体系构建包括BP神经网络的设计和遗传算法‑BP神经网络的设计；步骤三、遗传算法‑BP神经网络的训练；步骤四、基于遗传算法‑BP神经网络的性能预测：载入原始数据形成涵盖任意填充率的电磁性能预测，并自动输出。本发明中通过遗传算法的引入大幅度提高了预测的精度、避免了传统BP神经网络局部优化和过拟合问题，大大提高了预测效率、降低了预测偏差所带来的技术风险，对比与传统BP预测方法有显著优势。

公开(公告)号：CN112687351A

公开(公告)日：2021-04-20

申请号：CN202110018119.1

申请日：2021-01-07

Applicant: 哈尔滨工业大学

Inventor： 姜建堂 ,  李枘 ,  宫元勋 ,  甄良 ,  邵文柱

IPC: G16C20/30 ,  G06N3/12 ,  G06N3/08

Abstract: 本发明提出一种基于遗传算法‑BP神经网络快速预测复合介质微波电磁性能的方法，所述方法包括步骤一、样品基础参数的获取；步骤二、遗传算法‑BP神经网络模型体系构建；所述体系构建包括BP神经网络的设计和遗传算法‑BP神经网络的设计；步骤三、遗传算法‑BP神经网络的训练；步骤四、基于遗传算法‑BP神经网络的性能预测：载入原始数据形成涵盖任意填充率的电磁性能预测，并自动输出。本发明中通过遗传算法的引入大幅度提高了预测的精度、避免了传统BP神经网络局部优化和过拟合问题，大大提高了预测效率、降低了预测偏差所带来的技术风险，对比与传统BP预测方法有显著优势。