首页 | 本学科首页   官方微博 | 高级检索  
检索     
共有20条相似文献,以下是第1-20项 搜索用时 156 毫秒

1.  一种具有自适应动量因子的BP算法  被引次数:2
   张会生  吴微《大连海事大学学报(自然科学版)》,2008年第34卷第4期
   为提高神经网络的训练速度,提出一种自适应确定带动量项BP算法中动量因子的方法.在学习率为常数情况下,根据误差函数关于权值向量的梯度变化情况,自适应调节动量因子.数值试验表明,该方法对离线和在线训练均有效,且在收敛速度和算法稳定性上优于常动量因子的BP算法.    

2.  一种混合型训练方法在感应电动机故障诊断中的研究  被引次数:1
   刘凉  赵新华  刘艳玲  陈在平《天津理工大学学报》,2008年第24卷第1期
   针对感应电动机故障征兆与故障模式之间的复杂性和实际系统中的非线性给故障诊断带来的困难,采用一种把放大网络梯度函数(MGF)和附加动量项的自适应学习速率(ABPM)算法相结合的混合型方法(MABPM)建立感应电动机的神经网络故障诊断模型.通过与附加动量项的标准BP算法、ABPM算法、Polak-Ribiere共轭梯度算法和RPROP算法相比较,表明了MABPM算法具有更好的泛化稳定性和全局收敛性,故障诊断的平均准确率高于其他算法,并具有良好的诊断效果.    

3.  可诊断非线性电路直流故障的神经网络方法  被引次数:5
   尉乃红  杨士元  童诗白《清华大学学报(自然科学版)》,1997年第4期
   测后诊断速度和诊断精度是模拟电路故障诊断性能的主要衡量指标。文中将神经网络的自学习和分类技术应用于非线性电路直流故障诊断,把反向传播(BP)网络训练成一部能诊断软、硬单故障的故障字典。考虑元件参数容差对诊断的影响,提出了优选训练样本的具体方法。此外,重新定义了BP网络的输出误差函数,使网络在训练时有较大的自由度。BP网络高度并行的信息处理能力决定了这种新型故障字典的诊断速度非常快。仿真实验结果表明,神经网络方法的综合性能要优于传统的故障字典法。    

4.  利用修正的BP神经网络进行框架结构损伤诊断  
   刘昭清  刘红艳  韩冬生《河北理工大学学报(自然科学版)》,2005年第27卷第1期
   提出了一种基于修正的BP神经网络方法的结构损伤诊断方法,该方法通过基于误差曲面调整权值以及引入动量因子算法来避免出现局部极小,并通过自适应调整学习速率来提高学习效率,从而解决了传统BP神经网络在实际应用中存在的收敛速度慢和存在局部极小的问题.算例表明,该方法能够不仅较为准确的检测出结构的不同程度损伤,而且提高了计算效率,同时具有较强的鲁棒性.    

5.  利用修正的BP神经网络进行框架结构损伤诊断  被引次数:1
   刘昭清 刘红艳 韩冬生《河北理工学院学报》,2005年第27卷第1期
   提出了一种基于修正的BP神经网络方法的结构损伤诊断方法,该方法通过基于误差曲面调整权值以及引入动量因子算法来避免出现局部极小,并通过自适应调整学习速率来提高学习效率,从而解决了传统BP神经网络在实际应用中存在的收敛速度慢和存在局部极小的问题。算例表明,该方法能够不仅较为准确的检测出结构的不同程度损伤,而且提高了计算效率,同时具有较强的鲁棒性。    

6.  基于BP-ART混合神经网络的电路故障诊断新方法  
   王安娜  刘坐乾  杨铭如  曲延华《系统工程与电子技术》,2010年第32卷第4期
   建立了基于误差反向传播(back propagation, BP)神经网络和自适应共振理论(adaptive resonate theory, ART)神经网络的电路故障诊断模型,提出了BP神经网络和ART神经网络相结合的电路故障诊断方法,以ART网络为主,识别新故障,以BP网络为辅,识别多类故障,并对传统的ART神经网络竞争机制加以改进,有效地解决了复杂电路故障诊断的难题。实验表明,基于BP和改进ART神经网络相结合的电路故障诊断方法具有自适应性好、训练时间短、准确性高等特点。    

7.  自适应小波神经网络在故障诊断中的应用  
   凌红英  夏扬《扬州大学学报(自然科学版)》,2007年第10卷第4期
   为提高传统BP神经网络在故障诊断中的效率,提出用小波神经网络加以改进.采用动量法和学习率自适应调整结合的网络训练算法对小波网络的初始参数进行设置,提出自适应小波神经网络的故障诊断方法,详述其诊断原理,并结合实例证实了该方法应用于故障诊断的有效性.    

8.  基于神经网络的模拟电路的故障诊断  
   姚文俊  游正红《中南民族大学学报(自然科学版)》,2004年第23卷第3期
   根据 BP神经网络的特点和性能以及电路故障诊断的要求 ,采用了 BP网络的权值与故障模式相对应的方法来进行电路的故障诊断 .该方法利用改进的 BP算法 ,首先建立故障模式 ,然后将故障模式与 BP网络的权值相对应 ,最后将权值作为故障诊断知识 .对模拟电路的软故障进行了仿真 ,仿真结果良好    

9.  自适应学习速率法在变压器故障诊断中的应用  被引次数:1
   赵继印  李建坡  郑蕊蕊《吉林大学学报(信息科学版)》,2008年第26卷第4期
   为了提高电力变压器故障诊断的准确率,针对油中溶解气体分析,提出了一种基于误差自动调节修正因子的自适应学习速率法,使神经网络通过自身的误差变化过程自动调整学习速率修正因子,保证网络总是以最大的可接受学习速率进行训练,从而提高网络收敛速度。针对电力变压器故障气体及故障类型的特点,建立了电力变压器故障诊断BP(Back-Propagation)网络模型,应用该算法和原算法对该故障诊断网络模型进行训练。仿真结果表明,该算法的训练次数减少了35.4%,收敛速度提高了44.9%,有效地改善了网络模型的性能。将该算法应用于电力变压器故障诊断,能较为精确地判断出电力变压器的故障类型,故障诊断准确率达90.8%。    

10.  基于自适应神经网络的电路系统故障诊断研究  被引次数:1
   曲婧华《空军工程大学学报》,2006年第7卷第4期
   针对人工神经网络的特点,对传统BP算法进行了全面改进,通过采用自适应学习率和动量因子修正等方法,有效克服了传统BP算法在实际应用中学习收敛速度慢和容易出现局部极小点的缺点。以电路系统的故障诊断为例,引入了模糊数学中的隶属度函数,对故障特征量进行处理后作为自适应神经网络的输入,故障编码作为网络的输出。实验仿真结果表明,该系统对电路故障类型能够有效地进行诊断和识别。    

11.  基于GA-BP神经网络的建筑工程事故预测研究  
   郭健  张雪梅《哈尔滨师范大学自然科学学报》,2015年第1期
   为了提高建筑工程事故预测精度,采用遗传算法优化得到BP神经网络的初始权值和阈值,在此基础上基于自适应学习速率动量梯度下降法进行BP神经网络训练,建立基于GA-BP神经网络的建筑工程事故预测模型.通过数据挖掘的方式提炼出影响建筑工程安全施工的主要危险因素作为GA-BP神经网络预测模型的输入变量,以千人负伤率作为输出变量进行预测分析.结果表明,GA-BP神经网络预测模型收敛速度快,预测精度高,可有效提高建筑工程事故预测的准确性.    

12.  BP人工神经网络自适应学习算法的建立及其应用  被引次数:25
   李晓峰  徐玖平  王荫清  贺昌政《系统工程理论与实践》,2004年第24卷第5期
   解决了BP神经网络结构参数、学习速率与初始权值的选取问题,并对传统的BP算法进行了改进,提出了BP神经网络自适应学习算法,又将其编制成计算机程序,使得输入节点、隐层节点和学习速率的选取全部动态实现,减少了人为因素的干预,改善了学习速率和网络的适应能力.计算结果表明:BP神经网络自适应学习算法较传统的方法优越,训练后的神经网络模型不仅能准确地拟合训练值,而且能较精确地预测未来趋势.    

13.  改进的BP网络在汽轮发电机组故障诊断中的应用  被引次数:5
   张利平  王铁生  索丽生《河海大学学报(自然科学版)》,2003年第31卷第2期
   提出了一种恒误差修正率控制的网络学习率和动量系数自适应调整方法,克服了网络训练收敛时间长和陷入局部最优的缺点;并根据大型汽轮发电机组振动故障的特点,建立了改进的BP网络故障诊断模型,对一实际汽轮机发电机组振动故障事例的诊断结果表明,该方法有效地提高了故障诊断的精度和可靠度。    

14.  自适应粒子群优化BP神经网络的变压器故障诊断  
   付宝英  王启志《华侨大学学报(自然科学版)》,2013年第3期
   在分析粒子群参数特征的基础上,提出自适应粒子群优化算法,使用自适应粒子群优化BP神经网络,建立基于自适应粒子群优化BP神经网络(PSO-BP)的变压器故障诊断系统.通过对52组训练样本和28组测试样本的仿真实验,可知自适应PSO-BP法能提高变压器故障诊断的准确率,有效减小网络的误差精度.    

15.  一种基于附加动量法的改进BP算法  
   王树森  赵冬玲《济源职业技术学院学报》,2012年第11卷第3期
   本文研究了基本BP算法的工作原理,分析了导致基本BP算法学习效率低的原因,提出了基于附加动量法的改进BP算法。经过理论分析和实验验证,在基本BP算法中加入附加动量的方法,可以加快BP神经网络的学习速度,提高BP神经网络的学习效率。    

16.  遗传小波神经网络在模拟电路故障诊断中的应用  被引次数:3
   刘美容  何怡刚  方葛丰  尹新  齐绍忠《湖南大学学报(自然科学版)》,2009年第36卷第3期
   提出一种基于遗传算法(Genetic Algorithm, GA)、小波变换及神经网络(NN)的模拟电路故障诊断方法.该方法将小波基作为神经网络的传递函数,利用遗传算法优化神经网络的结构和权值,从而避免了BP神经网络结构设计的盲目性和局部最优等问题,大大减少了网络训练时间.利用该方法对模拟电路进行故障诊断有利于提高诊断的智能性及识别故障类别的能力,提高诊断的精度与速度.实例诊断结果表明文中所提方法是可行的.    

17.  变压器故障诊断的ANN技术研究  
   吴宏岐  刘霞  贾宏宾  刘风玲《宝鸡文理学院学报(自然科学版)》,2006年第26卷第2期
   目的解决溶解气体分析法在变压器故障诊断中准确率不高之难题。方法采用人工神经网络方法和基于动量因子技术的改进BP网络训练算法。结果建立了一BP神经网络模型,使网络具有较强的学习能力、泛化能力和适应能力。结论神经网络能较准确的对变压器故障进行诊断,具有一定的应用及推广价值。    

18.  改进BP神经网络在个人信用评估系统的应用  
   张冠珠  刘朝东《齐齐哈尔大学学报(自然科学版)》,2008年第24卷第5期
   针对一般BP算法收敛速度慢和易陷人局部极小值的缺陷,提出利用一种自适应学习速率动量梯度下降反向传播算法对网络进行训练.该算法使BP神经网络学习速率和稳定性得到提高,并将这种改进的BP网络应用于个人信用评估系统,验证了该方法的正确性和有效性.    

19.  BP神经网络的硬件实现  
   任鲁涌  庞维珍《山东理工大学学报》,1996年第4期
   本文提出了一种采用MOS晶体管的电流模式连续时间模拟BP(Backward Propagation)神经网络的硬件实现新方法。硬件系统适合利用VLSI技术,具有片内误差反向传播学习功能,能简化BP新算法修正权值,对所设计的电路提供了PSPICE仿真结果,结果表明硬件实现方法的可行性。    

20.  基于神经网络的模拟电路故障诊断  被引次数:2
   胡惟文  何怡刚《湖南文理学院学报(自然科学版)》,2004年第16卷第2期
   探讨了基于故障字典法和基于神经网络的故障诊断方法,利用自组织特征映射神经网络进行模拟电路故障诊断,根据神经网络的输出结果可以判断发生故障的类型.自组织特征映射神经网络聚类能力强、速度快,因此很适合复杂系统的故障诊断.    

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号