基于神经网络测试码生成的一个鲁棒算法

被引:10
作者
陈朝阳
丁明跃
机构
[1] 华中理工大学图像识别与人工智能研究所图像信息处理与智能控制国家教育部开放实验室
关键词
神经网络; 遗传算法; 组合电路; 测试生成;
D O I
10.13245/j.hust.1999.09.031
中图分类号
TP18 [人工智能理论];
学科分类号
081104 ; 0812 ; 0835 ; 1405 ;
摘要
针对基于组合电路神经网络模型进行测试码生成,提出了一个对神经元连接权值不敏感的鲁棒算法——改进的遗传算法.它克服了运用概率松驰搜索算法求解测试矢量时,神经元之间连接权值的选择影响测试结果的缺陷,增强了测试码的鲁棒性.该算法对不同的连接权值都能得到满意的测试结果
引用
收藏
页码:90 / 91
页数:2
相关论文
共 3 条
[1]   基于神经网络模型测试生成的学习策略 [J].
陈朝阳,陈光,虞厥邦 .
电子学报, 1997, (08) :55-58
[2]   组合电路最优Hopfield模型的判定 [J].
张建州 ;
陈朝阳 ;
虞厥邦 ;
陈光(衤禹) .
电子科学学刊, 1996, (02) :209-212
[3]  
Genetic Algorithm s in Search, Opti-m ization and Machine Learning .2 Goldberg D E. . 1989