田间作业环境稻麦联合收获机清选损失率多元非线性预测模型

为了研究联合收获机清选作业参数与清选损失率之间的关系,通过对联合收获机清选损失的影响因素进行分析.基于稻麦联合收获机的田间试验样本,首先建立了清选作业参数与清选损失率的最优拟合数学模型;然后基于多元非线性回归分析方法,构建了稻麦联合收获机清选损失率的多元非线性预测模型;最后通过试验制作了2种不同的样本.应用预测模型进行...     

基于BP神经网络的优势通道定量计算方法

目前优势通道参数的定量计算方法非常少.为此,借助典型井的优势通道参数定量解释结果,提出了一种利用BP神经网络模型定量计算优势通道参数的方法.从优势通道形成诱因及优势通道形成后的动态响应特征出发,选取优势通道控制因素作为BP神经网络的输入层,典型井的优势通道参数的定量解释结果作为BP神经网络的输出层,通过训练学习建立优势通道参数与控制因素相关的定量计算方法.结果表明,训练后的BP神经网络模型能准确计算优势通道的参数,计算结果与实际监测值误差不到10%,可以为调剖堵水等措施的实施提供技术支持,具有一定的矿场应用价值.     

基于卷积神经网络的脚部关键参数计算方法

针对传统制鞋业定制化程度低,无法适应足部多样性、舒适性,提出了一种基于卷积神经网络的脚型关键参数计算方法。首先对图像进行透视变换等预处理,然后使用fine-tune的迁移学习方法,通过修改VGG神经网络源模型全连接分类层,将高层卷积权重进行微调,优化网络模型并提取特征值进行特征分类,从图像中识别出脚的轮廓。最后通过设计的算法把脚型特征值计算出,并与实际测量的脚长、腰窝宽度、脚宽等做对比。实验表明,改进后的模型对脚部识别的准确率达到96.8%,输出结果与测量的真实数据相比误差不超过3%,可作为鞋底制作的重要依据。     

考虑蒸汽超覆的蒸汽驱地层热损失率计算方法

以单位面积瞬时热损失速率及蒸汽前缘方程为基础,推导出考虑蒸汽超覆的地层热损失率的计算方法。研究认为,蒸汽超覆程度随形状因子的减小而加剧,形状因子(A RD)小于1时,蒸汽超覆程度随形状因子的变化相对较大,形状因子大于3时,超覆程度随形状因子的变化相对平缓;蒸汽超覆越严重,顶底盖层散热半径之比x越大,热损失率越大,当x小于4时,热损失率的变化幅度大,当x大于4时,热损失率的变化幅度小;注汽速度及油层厚度越小,热损失率越大。油田生产时应考虑蒸汽超覆现象对热损失率的影响,以便进行合理的配产配注。     

多项式理想计算的神经网络方法

提出一种用于多项理想计算的理想同余神经元,其工作方式既不同于过去感知器输入加阈值的激活方式,也不同于通常意义下激活函数选取,且保持神经元的运算特性,以Grobner基计算为例,给出利用该神经元计算Grobner基神经网络描述性学习算法。     

一种基于BP神经网络的属性重要性计算方法

人工神经网络学习作为机器学习的重要方式,在人工智能、模式识别、图像处理等领域已成功应用;BP网络作为神经网络学习的精华,它利用误差反传的方式不断修正权重以达到最佳拟合.多属性决策问题是决策理论研究领域的热点,当研究的问题涉及多个属性时,需要分析各属性的重要程度,即属性的权重.针对多分类输出结果的多输入属性相关性和重要性问题,提出了利用BP神经网络计算复杂输入属性的重要性方法;并对神经网络的节点数量、网络层数、学习策略、学习因子等进行研究,建立了适合属性重要性计算的BP神经网络模型;以烟台大学学生评教数据作为具体实例,利用k-fold方法验证其可行性和有效性.     

互换割台式玉米联合收获机设计与主要参数计算

新三王4YW-3型互换割台式玉米联合收获机具有能收获小麦又能收获玉米一机两用的功能,该机能极大地提高联合收获机的利用效率,增加农民机手的收入。本文简要地介绍了该机的总体设计和主要参数计算。     

基于神经网络的混沌控制方法研究

本文探讨了动态神经网络在混沌控制中的应用,利用计算机仿真证明了将动态神经网络引入到控制动态的未知多变量混沌系统控制的可行性。     

计算全息图的小波神经网络压缩方法

采用小波神经网络方法对信息量较大、难提高压缩效率的计算全息图进行数据压缩,利用其较强的非线性映射和函数逼近能力自适应地调整和处理全息图,可大幅减少信息冗余,得到较好的压缩效果.实验结果表明:利用该算法能得到1.56%的低压缩率,此时的再现像较清晰,失真较小;与常用压缩算法相比,当压缩率很低时,用小波神经网络压缩全息图是一种切实可行且更有效的方法.     

基于GWO改进神经网络的风致输电杆塔响应计算方法

针对基于有限元方法的风致输电杆塔仿真模型存在模型参数设置复杂、响应速度低下等问题,本文提出了一种结合杆塔仿真计算与机器学习的杆塔应力快速计算方法,实现了风致输电杆塔仿真模型的高效运算。本文首先利用有限元仿真分析10~35 m/s风速0~90°风向下输电杆塔的应力结果,将其作为神经网络训练样本;分析杆塔本征参数及气象因素对杆塔应力结果的影响,提出一种基于风速、风向和塔材类型等因素的特征值选取方法;利用GWO优化算法提高神经网络准确度,建立基于GWO-BPNN的杆塔风致应力计算模型,计算速度可达建模仿真的10倍以上。在准确率上,基于数据集划分训练集及验证集,模型准确率在98%以上,将计算结果与实际杆塔受灾情况相比情况一致。本模型可用于输电线路防风预警,致力于输电线路防灾减灾。     

建筑工程造价的模糊神经网络计算方法

利用模糊数学方法将影响工程造价的因素进行模糊化处理,引入神经网络方法,建立基于模糊神经网络的工程造价模型,并通过实例验证了该网络模型的泛化能力,得到了较满意的结果。     

基于神经网络计算的子波变换实现

本文首先阐明了子波变换理论利用可变时域和频域分辨特性表达信号、获取信号特征的原理，提出了利用神经网络计算方法计算子波变换系数的新方法，并讨论了与人视觉系统密切相关的子波变换神经元的特性，提供了计算机仿真子波变换信号的结果。理论分析和实验结果表明，子波变换不仅具有对信号多分辨表达的特性，而且可以有效地压缩被处理信号。     

基于BP神经网络的非线性插值计算

基于ＢＰ神经网络的非线性插值计算①曹志彤（杭州大学物理系杭州３１００２８）以反应式步进电动机定子绕组的非线性电感为例,将插值节点作为学习样本集,采用ＢＰ神经网络模型模拟人脑神经元组织的信息处理机制,获取了反应式步进电动机定子绕组电感的非线性函数逼近的...     

基于BP神经网络计算电力电缆线芯温度的研究

该文研究了使用BP人工神经网络计算电力电缆线芯温度的方法,先根据双回电力电缆的物理模型在有限元计算软件里建立实体模型,然后对模型各个模块标上物性参数,再模拟仿真计算双回电力电缆运行过程中周围热场的变化,并计算多组数据,将这些数据送入BP人工神经网络进行学习,再使用经过训练的BP人工神经网络对电力电缆线芯温度进行预测计算,取得了不错的效果。该文中的模型和计算方法以及结论可供工程实践参考。     

基于神经网络的盲波束形成方法研究

提出了一种基于径向基函数网络(RBFNN)的盲波束形成方法。该方法首先在不知道任何基阵方向向量先验知识的情况下，利用信号的多普勒信息估计波束形成的权矢量。然后引入径向基函数网络逼近估计的波束形成权矢量，从而实现盲波束形成。利用神经网络的并行结构，不但有效地提高了运行速度，而且对系统误差具有很强的鲁棒性。仿真实验验证了算法的正确性。     

基于神经网络的可靠度时序预测方法研究

提出了利用人工神经网络进行可靠度时序预测的方法 ,分别利用径向基函数 (RBF)网络及自适应模糊神经 (ANFIS)网络对发动机涡轮增压器进行了可靠度的时序预测 .结果表明 ,利用神经网络进行可靠度时序预测是可行的 ,并且ANFIS的预测能力要优于RBF .     

基于神经网络的可靠度时序预测方法研究

提出了利用人工网络进行可靠度时序预测的方法,分别利用径向基函数（ＲＢＦ）网络及自适应模糊神经（ＡＮＦＩＳ）网络对发动机涡轮增压器进行了可靠度的时序预结果表明,利用神经网络进行可靠度时序预测是可行的,并且ＡＮＦＩＳ的预测能力要优于ＲＢＦ。     

基于神经网络的工程建设项目评标方法研究

随着我国基本建设项目管理体制改革的不断深入,目前越来越多的建设项目均已实现了国际、国内的竞争性招标。针对评标工作中专家的主观性、随意性和倾向性所带来的偏差,本文在分析探讨工程项目评标指标体系的前提下,建立了基于神经网络的工程评标的数学模型。实例研究表明,此法简便实用,评标结果准确可靠。     

基于粗糙集与神经网络的故障诊断方法研究

提出了基于粗糙集和神经网络的故障诊断方法。采用Kohonen网络对连续属性值进行离散化,应用粗糙集理论对特征参数进行属性约简,并把约简结果生成规则作为BP网络的输入。仿真结果表明,经粗糙集理论优化后的样本集进行神经网络训练,提高了神经网络的学习速度和故障诊断正确率,减少了训练时间。     

基于PCA的RBF神经网络预测方法研究

主成分分析(PCA)法可以提取样本集的主成分,实现样本的最优压缩,从而降低样本的维数。针对用RBF神经网络进行多因素时间序列预测时样本特征指标过多的问题,提出用统计理论的PCA方法对数据进行预处理,再选出几个主成分作为神经网络的输入节点.仿真实验表明,基于PCA的RBF神经网络模型在拟合预测中与一般的RBF神经网络模型相比有较好效果,简化了网络结构,改善了预测精度.