基于人工神经网络的地下矿山岩层移动研究

提出了采用人工神经网络方法进行地下金属矿山岩层移动预测，结合模糊数学对选取的地表移动影响因素进行了处理．计算结果表明，所选取的各因素之间及其与岩层的移动角之间存在着较强的非线性关系，移动角的大小与选取因素有着密切的联系，进而从理论上证明可以预测由于开挖引起的岩层和地表移动的范围问题．     

基于PCA与Elman网络的机械产品质量建模

多源多工序是现代制造过程的一个显著特征,针对该特征提出了一种基于主成分分析,和Elman网络的机械产品质量建模的方法。通过对样本数据空间的主成分分析,能够保证在信息损失最少的情况下,对高维变量空间进行降维处理,减少样本数据间的相关性。应用典型的动态回归Elman神经网络,实现复杂非线性系统进行建模和预测;还将其应用于冷轧带肋钢筋的机械性能预测中。     

地下矿山开采技术及其发展趋势

地下金属矿山充填采矿法和充填工艺技术发展迅速,崩落采矿法和空场采矿法在工艺技术上也在不断地改进、创新.促进了我国金属矿地下采矿技术的迅速发展,使部分矿山的工艺技术达到了国际先进水平.本文阐述了我国金属矿床地下开采技术主要现状及进展,并对地下矿山开采技术的发展趋势作出展望.     

基于PCA图像压缩算法研究与实现

PCA做为一种数据分析技术,它最重要的应用是对数据进行降维和去相关,将原有的复杂数据降维,揭示隐藏在复杂数据背后的简单结构.本文将该技术应用于图像压缩中,分析了现有的基于PCA压缩图像方法的优缺点,提出了一种新的算法提取图像主成分运用于图像压缩,并证明了该算法的收敛性,通过实验仿真,验证了该方法的正确性和可行性.     

基于小波Elman神经网络的活塞环渗氮质量预测控制

针对活塞环渗氮硬化工序建模困难的情况,通过主成分分析法（PCA）提取氮化工序特征参数,降低了质量模型输入样本维数,建立了基于小波Elman神经网络的活塞环制造关键工序的质量预测模型,实现了工序过程质量波动趋势的预测,为后续的工艺优化和质量改进奠定了基础．结果表明,文中方法可以有效地改进渗氮硬化工序的质量控制,所建立的质量预测模型对输出质量特征值的预测准确率达到89％,具有比标准Elman网络更好的预测精度和收敛速度．     

基于 PCA 和 ELM 的网络入侵检测技术

针对基于传统 BP(Back Propagation)神经网络算法的入侵检测技术收敛速度慢和检测率不高的问题, 提出了一种基于主成分分析(PCA: Principal Component Analysis)和极限学习机(ELM: Extreme Learning Machine )算法相结合的入侵检测方法。 对提取的特征矩阵采用了 PCA 降维, 并使用 ELM 算法对 4 类常见的攻击类型进行了多分类检测。 实验结果表明, 该方法正确率高达 98. 337 5%, 检测时间仅 1. 851 7 s, 与传统方法相比缩短了 2 ~6 倍, 同时还提高了检测率和精度, 降低了误报率和漏报率。 最终改善了正确率、 误报率、 漏报率、 检测率、 精度和测试时间 6 项指标。     

S变换与Elman网络的滚动轴承故障诊断

轴承故障诊断研究是机械设备故障诊断研究的重要组成部分.为了提高轴承诊断系统的实时性与准确性,提出一种基于S变换和Elman神经网络的轴承故障诊断方法.算法的有效性通过深沟球滚动轴承故障诊断得到验证,系统能够辨识出轴承内圈、外圈和滚动体故障,平均识别精度较高.     

基于PCA和神经网络的人脸识别

介绍一种基于PCA和神经网络结合的人脸识别方法。该方法首先利用主成分分析方法对整幅图像进行特征提取,获得最佳描述特征,从而减小神经网络的输入。然后将降维之后的图像数据输入到一个前向传播神经网络中训练。神经网络的权值采用粒子群算法进行优化,用标准人脸数据库中的样本进行测试,最后将该方法与其他方法作了比较。实验结果表明,该方法能够取得更好的效果。     

基于灰关联分析Elman网络的网上购物意向预测模型

利用灰关联方法分析了消费者网上购物意向与各影响因子的关系,建立了预测消费者网上购物意向的Elman神经网络模型.结果表明,根据灰关联度的计算得出消费者网上购物意向的影响程度由强到弱的顺序,与实测值吻合,表明利用所建立的Elman神经网络模型能有效地预测消费者网上购物意向.     

基于Elman神经网络的移动机械手电机负荷预测

基于Elman神经网络的移动机器人电机负荷预测,是为了对机器人电机进行保护和实时监控.由于机器人运动过程中,免不了会受到过大或不稳定负载的影响,很可能出现电机过热、冲击,使电机遭到损害.文章通过Elman神经网络算法对电机电流、电压数值的分析,设定工作电压电流阈值,并验证了此方法可使电机工作在最佳工作状态.     

基于PCA-ANN模型中存在的问题及改进

文章深入分析了目前普遍采用的主成分分析——神经网络模型应用中存在的不合理问题,通过推导指出错误所在,提出了相应的改进方案.为了验证改进模型的有效性,以UCI机器学习库中的数据集为样本,选取有导师BP神经网络和无导师SOM神经网络,建立改进的主成分分析——神经网络模型,并与传统主成分分析——神经网络模型进行比较测试,实验结果表明改进的模型效果更优.     

基于动态主元分析的财务困境预测模型

当神经网络用于上市公司的ST预测建模时,取得高质量的样本是相当重要的.本文连续运用主元分析(也称动态主元分析),将多年的数据应用到经济预测模型中去,既增大了信息量又没有增加网络的复杂性,使得预测更加合理有效.最后将动态主元分析与BP网络结合构造了一个网络模型,并给出了实证研究的详细结果.     

基于径向基函数网络的宣城市空气质量预测

提出了一种应用人工神经网络进行空气质量预测的方法,即采用径向基函数神经网络进行短期的空气质量预测;并采用了主成分分析方法降低神经网络学习矩阵维数,浓缩预测信息,降维去噪.选取宣城市气象局2003年到2005年地面气象观测资料作为预测因子,宣城市环境保护监测中心提供的PM10、SO2浓度值作为预测对象,进行训练学习和预测验证.研究结果表明:将该方法应用于空气质量预测,效果良好,具有较强的实用性和推广能力.     

结合主成分分析法的可拓神经网络三维荧光光谱的分类识别研究

提出了结合主成分分析法(PCA)的可拓神经网络算法,并且将其应用于柴油、煤油、汽油的三维荧光光谱分类识别中。实验结果表明,相比传统的BP神经网络算法,该算法迭代数下降了80步,识别率由89%提高到93%,体现了结合算法的高识别率和高效性。     

主成分分析与BP网络组合的大坝变形预报

将主成分分析与BP神经网络相结合应用到大坝变形影响因子的优化中,建立大坝变形预测模型.可以有效地降低输入因子的维数,减小因子之间相关性的影响,简化网络结构,降低网络训练难度,提高预测的稳定性及精度,提升BP网络训练的效率,解决由影响因子内部相关性而需引入大量因子的问题.通过实验结果对比表明,主成分分析与BP网络相结合的...     

基于主成分分析—神经网络的医学图像刚性配准方法(投稿)

医学图像配准在临床诊断和治疗计划中起着重要的作用。应用特征图像的第一主方向提出了自动配准计算机层析术(CT)和磁共振(MR)大脑图像的方法。方案中,先应用主成分分析-神经网络来计算特征图像的第一主方向,然后通过调整特征图像的第一主方向和质心来完成配准问题。此外,还以MR-MR图像配准和CT-MR图像配准为例,对此方法的配准效果进行了简单分析。     

主成份和最小成份抽取的新算法

给出了用于主成份分析和最小成份分析的神经网络学习算法，两者之间仅差一个符导，即刻生成份分析算法经改变符号后又是一个最小成份分析算法，两算法不仅能计算主成份空间和最小成份空间，而且学习所得的子空间以及主向量／最小向量的左奇异向量，数值模拟证实了算法是有效的。     

一种非线性主元分析方法在TE过程中的仿真研究

主元分析方法是一种线性的统计方法,对一些线性的问题能给出非常好的监控效果,但大多数工程实际问题都是非线性的,在非线性的问题中用线性的方法有时候会产生适得其反的结果。该文结合了主元分析和神经网络来处理非线性的问题,仿真表明:这种方法能有效地处理一些非线性的问题。     

基于主成分分析和ART2网络的车辆波形分类

利用环形线圈车辆检测器,对不同车辆经过环形线圈时产生电磁感应数据进行采集,再对这些维数较大的车辆感应数据,运用主成分分析法对其降维处理,以减少ART2神经网络输入维数,便于对这些数据进一步分类. 通过实验研究可知,这种主成分分析与ART2神经网络相结合的分类方法,使数据通过降维处理,并减少网络的输入维数,不仅大大简化了网络结构,还明显提高了分类的准确性、快速性,加快了网络的学习速率,而且从分类效果上看,也具有很好的正确率.