基于混合遗传神经网络运动员专项成绩预测系统设计,关于免费神经网络论文范文在这里免费下载与阅读,为您的神经网络相关论文写作提供资料。
神经网络论文参考文献：
摘 要： 针对传统运动员专项成绩预测系统一直存在无法达到实质性的综合预测的问题,提出并设计基于混合遗传神经网络的运动员专项成绩预测系统.通过混合遗传神经网络,导入运动员专项数据,根据系统内部节点间调整,对运动员专项数据信息进行处理,建立专项成绩灰色预测模型,实现运动员专项成绩预测.实验数据表明,所设计的成绩预测系统能够进行高精度的专项成绩预测.
关键词： 综合预测； 混合遗传神经网络； 运动员； 专项成绩预测； 系统设计； 灰色预测模型
中图分类号： TN711?34； TP393 文献标识码： A 文章编号： 1004?373X（2018）08?0183?04
Abstract： In allusion to the problem that the traditional special performance prediction system for athletes has been unable to achieve substantive comprehensive prediction, a special performance prediction system for athletes based on hybrid genetic neural network is proposed and designed. Athletes′ special data is imported by means of hybrid genetic neural network. According to the internal node adjustment of system, athletes′ special data information is processed to establish special performance grey prediction model and achieve athletes′ special performance prediction. The experimental data show that the designed performance prediction system can carry out high?precision special performance prediction.
Keywords： comprehensive prediction； hybrid genetic neural network； athlete； special performance prediction； system design； gray prediction model
0 引 言
混合遗传神经网络（Artificial Neural Networks）也可称作连接模型（Connection Model）,其是通过模仿动物神经网络行为反射过程,以分布式并行的方式,进行信息处理的高级模型[1].而专项运动员的成绩存在一定的波动变化,随着训练、受伤、状态等因素变化对专项成绩影响比较显著.针对专项运动员的成绩进行有效的预测,对赛事安排有很大的辅助作用.传统运动员专项成绩预测系统能进行粗略的成绩预测,无法实现多维度的成绩综合预测.由于能够影响动员专项成绩的信息比较杂乱,所以每项因素都会对最终成绩产生彻底性的颠覆.
针对上述背景,本文设计基于混合遗传神经网络的运动员专项成绩预测系统.引入混合遗传神经网络,建立完整灰色预测模型,将混合遗传神经网络处理的信息进行预测,实现对运动员专项成绩预测效果.
1 导入混合遗传神经网络
本文引入混合遗传神经网络,对运动员专项成绩进行原始数据处理.数据处理过程中,利用数据的结构优势,将原始数据中无法关联的数据并联处理[2].为预测过程中提供精准的参照数据以及使用属性.结构复杂程度越高,对原始数据处理能力就越强.本文设计的混合遗传神经网络对原始数据的处理流程如图1所示.
混合遗传神经网络建立在人工神经网络基础上[3].混合遗传神经网络能够将多元素求解问题进行转变,使用的原始数据可以近似地看成是“关联体”,并建立“关联体”的模式集群,将这些原始数据置于某一特定“环境”中,根据 “能量梯度公式”的使用原则,从模型中选择能够在环境中适应的原始数据[4],将选定的原始数据进行交叉、复制以及提取等方式,进行表达属性提取,利用混合遗传神经网络的结构传递到指定的运行机制中.本文设计的混合遗传神经网络使用GA?BP算法进行原始数据的属性提取.GA?BP算法首先利用混合遗传神经网络结构进行非关联原始因素的剥离,本文使用混合遗传神经网络的层次结构比较简单,原因是承载力的不足会极大地影响预测过程[5].本文在节点设置上采用高位节点并行,低位节点共用的方式.这样能够将原始的运动员专项成绩以及相关的数据进行分配,通过对分配的环境进行限制,将影响程度分为：初级、次级、高级、终级.本文将高位节点分析出的关联属性,以神经网络源的形式传递到低位节点上,传递过程中摒弃原有的复杂关系,进行属相间的假体以及置换[6].交替过程中将原有的承接属性转变,根据影响能力进行排序,先交换的为必然因素,需要通过每一低位节点进行属性提取,以此类推,最后进行的是非关联性数据,经过所有的数据传递后,便可进行GA?BP计算.
本文进行GA?BP计算,是将节点分析的数据进行提取,为下步预测过程做准备.GA?BP计算利用减法的形式,将多余属性进行排除,留下的属性数据为可以用预测数据.使用关联执行属性表达关联能力,通过查阅文献本文的关联能力系数在3～6之间,通过原始数据属性确认节点处理过后属性.表1为本文GA?BP算法和混合遗传神经网络结构相关提取数据.
结论：关于对写作神经网络论文范文与课题研究的大学硕士、相关本科毕业论文深度神经网络算法论文开题报告范文和相关文献综述及职称论文参考文献资料下载有帮助。
基于BP神经网络甘肃入境旅游预测分析
摘要：本文运用BP神经网络模型，用入境旅游收入和入境过夜旅游人数两个指标预测2016-2020年甘肃入境旅游的发展趋势。预测结果表明甘肃入境旅游。
基于季节性ＲＢＦ神经网络月度市场需求预测
摘要：本文提出一种季节性神经网络预测模型，对具有季节性变化的产品月度市场需求进行预测。在Matlab语言环境下，用傅立叶周期分析法得到时间序列的。
中国信贷结构和物价水平基于遗传神经网络
摘要：在我国信贷扩张与通货膨胀联系紧密，而且独特的信贷结构对物价的影响也不可忽视，但是目前信贷结构对价格水平及经济增长的研究几乎空白。针对这一研。
基于MATLAB动态神经网络进行时间序列预测房地产价格
摘 要：文章以MATLAB动态神经网络为前提，采用时间序列预测方法进行房地产价格预测。采用全国平均房地产价格为基础样本，利用训练样本和基础样本。