神经网络权值和阈值的优化方法

为确定多层神经网络权值和阈值建立了真实的最优化求解方法,即将网络总体平均误差建立为目标函数,以权值和阈值作为设计变量,采用梯度法和共轭梯度法对网络权值和阈值进行优化计算·通过 Ｂ Ｐ 算法、梯度法和共轭梯度法对相同实例网络权值和阈值计算,验证了所提出的优化方法的有效性,实现了权值和阈值的快速准确计算·     

神经网络权值和阈值的优化方法

为确定多层神经网络权值和阈值建立了真实的最优化求解方法,即将网络总体平均误差建立为目标函数,以权值和阈值作为设计变量,采用梯度法和共轭梯度法对网络权值和阈值进行优化计算·通过ＢＰ算法、梯度法和共轭梯度法对相同实例网络权值和阈值计算,验证了所提出的优化方法的有效性,实现了权值和阈值的快速准确计算·     

基于RBF-BSA的锂离子电池SOC混合估算算法

为提高锂离子电池荷电状态(SOC)预测精度,提出利用回溯搜索算法(BSA)优化径向基函数(RBF)神经网络的输出权值与阈值的混合算法.通过对锂电池模型中的目标函数进行优化求解,并寻找最佳的目标权值和阈值降低预测误差,提高了RBF网络模型的预测精度.为验证算法的有效性,搭建锂离子电池的充放电实验平台获取数据并对网络进行验证,实验结果表明:混合算法相比标准RBF网络算法具有更好的SOC预测精度,并将网络输出预测误差降低到2%以内,符合锂电池荷电状态估算要求.     

用粒子群算法优化BP神经网络进行函数拟合

由于BP网络具有收敛速度慢和容易陷入局部极值,为了提高BP网络预测的准确性,本文提出了用粒子群(PSO)算法来优化BP网络,并进行非线性函数拟合.用PSO迭代算法找到最佳的网络权值和阈值,再以网络的正向传播的最小误差作为目标函数指导PSO的优化.将该算法与标准BP算法进行matlab仿真比较.实验结果表明,优化后的网络拟合误差小,效果更好.     

反三角函数混沌神经网络的模拟退火策略

分析了混沌神经网络模型中加入反三角函数对解决组合优化问题的作用,以及该网络的动力学特性和对自反馈连接权值的敏感性,研究了退火函数在优化过程中对准确性和计算速度的影响.利用分段模拟退火思想对反三角函数混沌神经网络进行改进,使得该网络模型在保证优化算法准确性的基础上,加快了收敛速度,算法具有很强的克服陷入局部极小点的能力....     

基于遗传神经网络的插铣铣削力建模与分析

本文首先对插铣铣削力进行了理论分析,并基于正交试验方法对铣削力进行了测量试验,然后利用遗传算法对BP神经网络的权值和阈值进行优化,建立了预测铣削力的遗传神经网络模型,最后将经过遗传算法优化的BP网络与未优化的进行对比分析.结果表明,经遗传算法优化后BP网络模型预测误差明显减小,网络的计算精度和收敛速度有了显著提高.     

基于遗传算法和BP神经网络的结构损伤识别

鉴于BP神经网络需要较长的训练时间、易陷入局部极小值、网络权值和阈值难确定等不足。运用遗传算法全局寻优的特点对BP网络的权值和阈值进行优化。同时运用遗传算法进行网络训练,避免网络收敛于局部极小值。通过对一根单梁实验数据的识别,结果表明两者的结合能对结构进行准确的识别。     

基于遗传优化的BP神经网络水泥强度预测

为了提高BP神经网络预测模型对水泥强度值的预测精度,通过结合BP神经网络与遗传算法各自的优势,提出一种采用遗传算法优化的BP神经网络的水泥强度预测算法.利用遗传算法具有的全局优化搜索能力优化BP神经网络的各层节点连接权值与阈值,训练BP神经网络预测模型以求得最优解,并将训练以外的样本数据用于模型的有效性验证.仿真结果表明,该算法对水泥强度值预测具有较高的预测精度,同时可缩短网络收敛时间.     

瓦斯涌出量的AFSA-ELM预测模型

为准确预测瓦斯涌出量,提出人工鱼群算法(AFSA)优化极限学习机(ELM)的瓦斯涌出量AFSA-ELM预测模型.该模型采用AFSA对ELM中的输入连接权值和隐含层阈值进行优化选取,为提高模型泛化能力,以训练样本的10次10折交叉验证的均方根误差的平均值作为AFSA目标函数的适应度值.利用18组煤矿实测数据进行试验.研究结果表明:AFSA实现了对ELM性能的优化,AFSA-ELM预测模型对样本的拟合度高,且具有较高的预测精度和泛化能力,即AFSA-ELM预测模型可以有效地实现对矿井瓦斯涌出量的预测.     

遗传BP算法在阻值-温度变换中的应用

利用BP网络具有任意逼近非线性函数和内插值特性,提出一种实现常用热电阻阻值-温度变换的新方法.由于BP算法的局限性,采用遗传BP算法对网络权值进行优化.仿真结果表明此方法准确、有效,具有一定的实际意义.     

人工神经网络在热轧宽厚板性能预测中的应用

建立了神经网络预测热轧管线钢力学性能的网络模型 .在此基础上 ,利用神经网络对热轧管线钢力学性能进行了预测 ,并对预测结果与生产数据进行了比较 .此外 ,还利用神经网络对生产工艺参数进行了优化 .结果表明 ,将神经网络应用于热轧生产进行力学性能预测和工艺参数优化具有一定现实意义     

基于遗传算法和BP神经网络的短期电力负荷预测

根据电力负荷的主要影响因素,考虑时间和天气,建立了基于遗传算法和反向传播神经网络(BP)的短期负荷预测.从BP神经网络的理论入手,采用遗传算法优化BP神经网络的初始权值和隐层节点数,从而避免了神经网络结构确定和初始权值选择的盲目性,提高了神经网络用于电力系统短期负荷预测的效率和精度使得负荷预测在更加合理的网络结构上进行.     

基于地理信息系统与人工神经网络耦合技术的产油潜力评价模型

对控制油田产油潜力各种影响因素进行了系统的分析,选择地质构造、储层孔隙度、储层渗透率和原油性质4个因子作为控制油田产油潜力的主控因素。应用地理信息系统(GIS)的空间分析和处理操作功能,构建了各个主控因素的子专题图层,并建立了主控因素与每米采油指数间的非线性人工神经网络(ANN)分析模型,最终提出了评价产油潜力的GIS与ANN耦合模型。应用该评价模型对埕北30潜山油藏的产油潜力进行了评价,并应用灵敏度分析方法对该地区各个主控因素的灵敏度进行了系统分析,有效地解决了人工神经网络难以通过权重系数矩阵来判定各个影响因子影响程度的难题。     

FAHP和ANN在电力变压器风险评估中的应用

提出了基于模糊层次分析法（FAHP）和人工神经网络（ANN）相结合的电力变压器风险评估方法．采用FAHP分析变压器的层次结构,通过对影响变压器状态的若干因素之间隶属度的判别,构造模糊一致判断矩阵,定量计算出各因素的权重系数;选择权值较大的因素作为变压器ANN模型的输入,简化了ANN的结构．研究结果表明,FAHP-ANN模型克服了传统风险评估方法中ANN模型结构复杂、信号繁多、训练时间长等缺点,提高了评估的速度和结果的精度,实现了预期的目标．     

NiFe2O4基金属陶瓷耐腐蚀因素分析及腐蚀率预测

采用灰关联分析方法解析了铝电解5%Ni-NiFe2O4基金属陶瓷惰性阳极的电解腐蚀率与电解参数的关系,建立了预测惰性阳极腐蚀率的人工神经网络模型.研究结果表明:灰关联分析是一种新的惰性阳极腐蚀数据处理方法;根据灰关联度的计算,在很多电解参数中找出了影响惰性阳极腐蚀率的主要因素,即Al2O3质量浓度、电解温度、分子比、面积比和电流密度等,并指出了各因素对电极腐蚀的影响程度;对NiFe2O4基金属陶瓷惰性阳极电解腐蚀率的预测结果与实测值吻合,表明利用所建立的神经网络模型能有效地预测惰性阳极腐蚀率.     

基于时序建模的教学质量评估系统的神经网络辨识

采用时序分析对教学质量评估体系进行系统分析和建模,引入Box-Cox进行数据的非平稳性预处理,选用L-MBP网络进行系统辨识。通过比较网络对校验样本的预测效果,对隐层节点数和各层间的传递函数进行优化,同时采用重复训练法来提高网络的稳定性和预测精度。算例表明这种辨识方法能对教学质量进行更准确的评估和预测。     

用杆件截面递增迭代法对位移约束桁架进行优化设计

采用杆件截面递增迭代法,对具有位移约束的桁架进行优化设计.在迭代公式中,杆件截面增量的权重采用杆件各自的应变比能,保证了迭代收敛的稳定性.为提高优化设计的收敛速度,提出一种迭代加速因子,它既保证了优化设计解的精度又提高了收敛速度.通过对三杆平面桁架、n节间平面桁架进行优化设计研究,验证了该方法的有效性,为大型结构优化设计奠定了基础.     

ANN与ANFIS的拟合能力和推广预测能力的比较研究

岩土体位移与岩土体力学参数间的映射关系,具有高度非线性的特点.寻求一种能精确描述这种非线性映射关系的方法,是众多研究者正在大力研究的问题.为此, 采用一个多峰函数对ANN和ANFIS的拟合能力和推广预测能力进行了比较研究,结果表明,ANFIS的拟合能力和推广预测能力均优于ANN,更适合于用来建立岩土体位移与岩土体力学参数间的映射关系.     

一种基于FPGA的人工神经网络预测方法

传统人工神经网络的软件实现速度慢,可以利用FPGA的并行性加速其实现。本文在软件上采用PSO优化ANN,得到最优权值,最优权值和测试样本保存在FPGA片上ROM,然后用FPGA-ANN实现股票预测。Sigmod函数的逼近采用分段近似和查找表相结合的方法。利用ANN层与层之间在FPGA中的流水线处理以及每一层内神经元与神经元之间的并行处理,使用国际通用股票预测数据集Nasdaq-100 index of Nasdaqsm进行仿真实验得知,该方法显著提高了股票预测的速度。     

基于差分进化和核主元分析的燃气轮机故障检测

燃气轮机气路部件的状态检测参数具有极强的非线性,其故障特征难以提取,而利用传统核主成分分析(KPCA)进行故障检测难以对核参数进行科学取值,从而降低故障检测的准确性.针对该问题,论文提出了基于优化混合核的核主元分析故障检测算法(DE-KPCA).首先建立动态权值混合核函数,通过调节核函数的权重比实现全局映射和局部映射优化组合.以样本检测精度作为优化目标,对混合核参数进行逐次优化.最后构造了基于优化混合核函数的主元异常状态检测方法,实现对燃气轮机气路故障的在线检测.本文通过对双轴涡喷发动机气路故障仿真的验证,证明了该方法相较传统KPCA检测,能够实现核参数的科学取值且对燃气轮机气路故障检测具有更高的准确性和实用性.