共查询到18条相似文献,搜索用时 140 毫秒
1.
发酵过程混合神经网络模型及其仿真 总被引:6,自引:2,他引:4
提出了一种新型的发酵过程混合神经网络模型,该模型由非线性神经网络和线性神经网络两部分组成,由于非线性神经网络采用结构具有线形式的Flat网络,两个网络能够合并为同一表达式,并具有线性形式,可采用线性最小二乘法求解网络权值,与串联结构及串并联结构混合神经网络模型相比,该模型训练方式简单,并可方便地使用在线辨识算法。 相似文献
2.
3.
在实际生活中,常常存在许多带有不对等的联盟和不止一个关联或无关目标的复杂博弈情景.对此,本文首先构建了带有与联盟、目标相关的综合权重的多目标合作博弈,并在此基础上提出含有关联目标与无关目标的混合多目标合作博弈最小二乘预核仁与核仁解求解模型.其次,我们将经典的合作博弈最小二乘预核仁求解方法与核仁解算法推广到多目标合作博弈中,利用拉格朗日乘子法与伪逆理论得到了多目标合作博弈的最小二乘预核仁的显性表达式与最小二乘核仁解算法,并通过凸函数的性质,重新证明了该算法的有效性.最后,利用水资源的数值算例,说明并验证了文中构建的模型的正确性与有效性,并通过对比可知所构建模型的优越性. 相似文献
4.
5.
针对Suyken等人提出的最小二乘支持向量机的共轭梯度法在输入样本的个数较大时,需要求解高阶线性方程组这一缺陷,提出了一种新算法。该算法利用分块矩阵的思想将该高阶线性方程组系数矩阵降阶,为了提高收敛速度,克服数值的不稳定性,采用条件预优共轭梯度法求解低阶的线性方程组。通过仿真试验证明用本文方法训练最小二乘支持向量机比共轭梯度法的训练速度提高了将近一倍。 相似文献
6.
空间望远镜分块式主镜的面形由其背后布置的若干致动器进行高精度控制.为了提高面形控制精度,设计了基于主镜面形非线性模型的模型预测修正法和非线性最小二乘法.并应用BP神经网络建立了主镜面形和致动器作用力之间的逆模型,提出了神经网络非线性逆控制法.仿真结果表明应用这三种方法对空间望远镜进行在线控制,控制精度均优于线性最小二乘控制法. 相似文献
7.
《系统工程理论与实践》2021,(7)
针对实际工程中参数过多导致的建模效率低、多目标相互冲突带来的求解困难及成本昂贵的仿真优化问题,提出了一种基于偏最小二乘法和Kriging模型的多目标有效全局优化方法.该方法首先通过偏最小二乘法进行降维,确定主成分;其次,利用偏最小二乘加权系数矩阵,获得自适应偏最小二乘高斯核函数,建立初始Kriging代理模型;然后,通过三种矩阵填充准则对多目标问题进行全局优化;最后,根据终止准则输出最优Pareto近似解集.数值算例结果表明,该算法建模效率提升的同时目标函数值收敛速度更快,在收敛精度及稳定性方面均具有优势.工程实例表明偏最小二乘变换后Kriging模型预测性能优于常规Kriging模型. 相似文献
8.
针对传统的小波网络梯度学习算法易于陷入局部极值、收敛速度慢且对初始参数很敏感的缺点,将全局性能优越的差异进化(DE)算法和最小二乘算法(LS)有机的结合起来,提出了一种新的快速学习混合策略。该混合学习算法思想是将待训练参数分为非线性和线性两类,利用差异进化算法对小波网络非参数进行全局优化训练,而最小二乘法用于快速训练网络连接权值。非线性函数逼近实验表明,小波网络逼近性能要远优于传统的BP神经网络,相对于使用随机梯度学习算法的小波网络,提出的混合学习算法收敛速度更快,且具有更小的均方差。 相似文献
9.
基于神经网络的模糊综合评价方法 总被引:10,自引:0,他引:10
运用神经网络确定模糊综合评价中的权重值,使权重值更符合实际情况。采用改进的反向传播算法训练网络,逐步修正网络的连接权值,使模糊综合评价指标的权重值逐渐接近实际情况,得到较好的训练效率和效果。最后利用该方法对液压凿岩机进行性能评价,验证了该方法的正确性。 相似文献
10.
11.
基于Davidon算法的神经元自适应控制器 总被引:1,自引:0,他引:1
通常的神经网络逆元自适应控制器存在两个缺陷 ,一是训练算法收敛过慢 ;二是无法控制非最小相位系统 ,因而限制了其使用范围。利用Davidon最小二乘法训练多层前馈网络 ,用于逼近被控对象的逆模型 ,并利用构造伪系统的方法 ,构成一种对非最小相位系统仍然有效的神经网络逆元自适应控制器。仿真结果表明了该方法的有效性 相似文献
12.
多输入模糊神经网络及其应用 总被引:12,自引:0,他引:12
为了提高神经网络的训练速度和泛化能力 ,同时解决一般模糊神经网络由于输入增多而导致模糊规则膨胀的问题 ,提出了多输入模糊神经网络的结构和算法。此算法用取大取小运算部分代替网络的积和运算 ,同时提出一种获取重要规则的方法。最后将多输入模糊神经网络应用于建筑投标报价系统。仿真结果表明 ,本网络具有较快的训练速度和较高的泛化能力。 相似文献
13.
一种新型复合神经网络模型 总被引:3,自引:0,他引:3
本文首先详细地阐述了BP神经网络和CMAC神经网络各自的结构,原理以及算法。提出了一种BP神经网络与CMAC神经网络组合起来的新型复合神经网络模型,并利用误差逆向传播原理推导出复合网络的学习法。仿真实验结果表明,这种复合神经网络在保留了BP和CMAC各自特长的基础上,同时具有学习速度快,泛化能力强等特点 相似文献
14.
A new method of super-resolution image reconstruction is proposed, which uses a three-step-training error backpropagation neural network (BPNN) to realize the super-resolution reconstruction (SRR) of satellite image. The method is based on BPNN. First, three groups learning samples with different resolutions are obtained according to image observation model, and then vector mappings are respectively used to those three group
learning samples to speed up the convergence of BPNN, at last, three times consecutive training are carried on the BPNN. Training samples used in each step are of higher resolution than those used in the previous steps, so the increasing weights store a great amount of information for SRR, and network performance and generalization ability are improved greatly. Simulation and generalization tests are carried on the well-trained three-step-training NN respectively, and the reconstruction results with higher resolution images verify the effectiveness and validity of this method. 相似文献
15.
1.IWTaoDUCTIONInrecedeyears,therisingofneuralnetworkcolltrolsuppliesanovelandeffectivemeansforthecontrollingoftheplatwhichhasstrongnonlinearproperty.Thereillto,theneuralnetworkinversecoDtrollersucceededincolltrollingofrobotisasakindofAnportatcolltrolstructure.Battheinversecolltrolschemecannotbeusedincolltrollingofnon-~mumphasesystemduetothenon-stabilityofinversemodelofit.Inaddition,attheaspectofneuralnetworktrainalgorithm,thetraditionalbed-propagationalgoritlunconvergesveryslow.Thesefacto… 相似文献
16.
基于变神经网络的非线性最小方差预测控制器 总被引:1,自引:0,他引:1
提出基于变神经网络学习动态系统参数的最小方差预测控制器。其目的是通过在线学习 ,使控制器(MVPC)能适应被控对象参数变化和非确定性。提出的变神经网络由两部分组成 ,一部分是线性神经网络 (LNN) ,作为被控对象局部线性动态模型 ,另一部分是多层交叉回归神经网络 (DRNN) ,它近似为非线性动态模型。由于引进递推最小方差算法 ,本控制器运算速度相当快。仿真结果表明所提方法对非线性系统自适应控制是有效的 相似文献
17.
样条权函数神经网络的一种新型算法 总被引:6,自引:0,他引:6
张代远 《系统工程与电子技术》2006,28(9):1434-1437
针对前馈神经网络在数值插值领域的应用场合,提出了一种新型结构的神经网络及其训练算法。网络拓扑结构简单,网络训练所需的神经元个数与样本个数无关,可以简单地表示成输入、输出样本向量维数之积。算法只需训练1层权函数。训练后的权函数由三次样条函数构成,而不是传统方法(反向误差传播算法“BP”或径向基函数算法“RBF”)的常数。通过求解两组线性方程组,就可以确定具体三次样条权函数形式。不存在传统梯度下降类算法的局部极小、收敛速度慢、初值敏感性等问题。仿真实验说明此算法比传统算法(如BP、RBF)精度高、速度快。 相似文献