基于遗传算法的小波神经网络研究及应用

目的 为改进小波神经网络算法的缺陷.方法 当网络的输出层节点的输出值与1之差或输出层节点输出值小于等于设定的阚值,使用变系数法调整输出层的误差,然后再利用遗传算法优化小波网络的参数.结果 在齿轮箱故障诊断中,变系数法有效地防止了误差无法逆向传播下去,使网络失去学习能力.然而,通过遗传算法的全局优化搜索能力得到网络的最优参数,从而避免了网络陷入局部最小.结论 提出的基于遗传算法的小波神经网络即提高网络的诊断精度,又加快了其收敛速度.     

一种基于小波神经网络混合模型的说话人识别方法

提出一种混合模型,即将隐马尔可夫模型(HMM)和小波神经网络(WNN)相结合应用于说话人识别的模型.该方法利用HMM的时序建模能力以及小波神经网络较强的模式分类能力,进行与文本无关的说话人的识别.实验表明,采用这种混合模型可以提高系统的识别率,特别在噪声环境中具有一定的噪声鲁棒性,提高了识别性能.     

基于小波神经网络矿山安全的评价模型

煤矿是一个多工序、多环节、生产过程复杂、时空变化大、环境恶劣的生产企业,其安全系统是一典型的非线性系统,对矿山进行安全评价是当前安全管理中的一个重要环节.采用由伸缩和平移因子决定的小波基函数代替Sigmoid等传递函数,选用23项指标作为输入节点,建立矿山安全的小波神经网评价模型,该模型可自动确定网络参数,避免了传统神经网络需要人为干预网络结构参数的不足.实例分析表明,提出的WNN网络的评价绝对误差平均为0.425%,而BP网络评价绝对误差平均为3.1%.这说明,WNN网络泛化能力远好于BP网络,该模型具有重要的应用价值.     

高维云模型及其在多属性评价中的应用

提出核空间高维云模型并将其应用于多属性评价问题.基于样本取值范围计算云模型的数字特征,生成云模型表达样本属性值与其属于期望值的隶属度之间的关系.在一维云模型的基础上,建立样本的多属性核空间高维云模型.对核空间内的样本,高维云模型的隶属度取值为1;基于样本在核空间高维云模型中的隶属度对样本进行多属性评价;应用核空间高维云模型,对地理信息系统内选定区域进行评价,选出适合作为观察所的位置,并对选取结果进行分类.该模型的多属性评价效果良好.     

基于改进小波神经网络的大气质量评价模型

为了缩短人工神经网络的训练时间、减少迭代次数和提高输出结果的准确率,将小波基函数应用于人工神经网络,并用专家评分后归一化处理的方法对输入层的权值初始值进行优化,建立了优化的小波神经网络模型。将该模型对井冈山区域2012年大气监测数据进行评价,实验结果表明:经过优化的小波神经网络模型的评价精度较高。最后与将该模型与其它评价方法相比,该模型还具有计算快速、评价客观、可靠性强、效率更高的特点。     

单体住宅性能的多属性分类综合评价方法

分析了现有的多指标综合评价中的一般常用方法———模糊综合评价方法中所存在的问题 ,根据ABC分类方法的思路提出了一种改进的综合评价方法 ,即多属性分类综合评价方法 ,给出了其分类方法和评价方法 ,最后对 2种方法的特点和使用范围做了对比和分析 .多属性综合评价方法克服了一般常用方法所存在的问题 ,对评价指标的重要性有显著差异的一类综合评价问题 ,此方法更合理 .     

基于神经网络算法的工程技术人员综合评价方法的应用研究

采用了BP神经网络的原理用于工程技术人员综合评价，建立了神经网络的综合评价模型，给出相应的算法，采用C 语言编程得以实现，并通过验证，得出合理的综合评价结果。     

装备保障系统评价多属性决策分析

为了优化装备保障系统保障资源的配置,需对系统效能进行综合评价.提出了现行装备保障系统的基本要素和定量及定性指标的量化方法.针对装备保障系统评价过程中评价指标存在定量与定性指标相结合的问题,引入混合型多属性决策原理,提出了一种基于理想点的多属性决策模型.结合案例分析,对模型合理性进行验证.结果表明,该模型能够真实地反映决策空间中各方案与理想方案的模糊属性值之间的接近程度,装备保障系统评价结果更加准确可信.     

小波网络异步电机转速辨识器的设计

为实现无速度传感器异步电机控制,有时采用神经网络转速辨识器,但前馈神经网络结构难以确定,运用BP算法时又极易陷入局部解。因此,偿试利用小波网络构造转速辨识器,并将遗传算法和BP算法结合起来作为小波网络的学习算法。该算法首先采用混合编码的遗传算法优化网络的结构及网络初始权值,其次再利用BP算法对网络权值进行精确调节;这种将遗传算法与BP算法相结合的GA BP算法,实现了遗传算法的全局搜索能力与BP算法的局部寻优性能的互补结合.将所设计的网络转速辨识器运用到直接转矩控制系统当中,利用MATLAB/SIMULINK实现无速度传感器控制系统的仿真实验结果表明,该方法具有良好辨识效果。     

基于数据驱动的控制器性能多属性评价方法

控制器的性能通常表现为多个属性指标,综合涉及了随机性和确定性性能,为此,提出了一个相适应的评价方法。根据特定控制回路对于控制性能的不同要求,对各属性指标分配不同的权重;考虑到不同扰动对于控制性能评价基准的影响,提出了一个基于BP神经网络的过程扰动识别方法;基于历史数据建立评价基准,应用多属性决策方法得出控制器的综合属性评价值,数值实例仿真和TE过程实验证明了所提出方法的有效性。     

改进的小波神经网络在教学质量评价中的应用研究

针对传统教学质量评价中存在的单一性和人为因素干涉等问题,为达到科学、准确的评价效果,本文提出了一种改进的小波神经网络教学质量评价方法,充分利用小波变换良好的局部化性质并结合神经网络的自学习、自适应能力,采用加动量批处理的小波神经网络算法进行网络训练,从大量评价数据中自动找出与评价结果之间的非线性关系,然后测试得到评价结果.实验证明,改进后的小波神经网络算法提高了收敛速度和准确性.使教学质量评价更客观、科学,具有一定的实用性和有效性.     

基于小波神经网络的非线性系统工程安全性评价研究

针对现有非线性系统工程安全性评价方法中存在的不足之处,本文将小波理论与神经网络相结合,提出了一种可应用于系统工程安全性评价的小波神经网络模型.最后将该网络应用于某大跨度悬索桥的安全评价中.研究结果表明:训练后的WNN模型收敛速度优于BP神经网络,有效减少了平均训练误差.研究成果可应用于其他系统工程的安全性评价中.     

多分辨正交多小波网络及其学习算法

利用多小波函数和多尺度函数的互补性,构造了一种具有分层、多分辨和局部学习特点的正交多小波神经网络.给出了调整网络权系数的算法并进行了计算机仿真,结果表明正交多小波神经网络的逼近性能优于正交单小波神经网络.     

工程建设规划方案属性综合评价

结合公路运输枢纽站规划方案的评价实例，建立了基于客观性权重的、以属性识别理论进行方案优选的定量方法——属性综合评价法．实例评价结果表明，该方法评价结果与灰色关联度分析法、模糊综合分析法以及模糊相似判断法的评价结果一致，且该方法的计算过程简便，易于操作，有较高的推广应用价值．     

小波神经网络及其应用

本文将某时间段的传染病数据视为非平稳的时间序列,提出了一种小波多分辨分析和小波神经网络相结合的传染病预测方法,一定程度上克服了现有的传染病预测方法过度依赖数学模型的局限性。对美国疾病控制中心（CDC）2003-2004年的疑似流感（ILI）%数据仿真实验表明了该方法对于非平稳的时间序列预测的有效性。     

不完全信息群体多属性决策的综合评价均值法

对于属性权重信息和属性效用信息都不完全的群体多属性决策问题,通过构造属性值区间和规范化决策矩阵,将问题归结为求解相应的线性规划问题,从而求出方案在比较理想和比较恶劣的条件下对应的相对优值和相对劣值.兼顾乐观主义和悲观主义的决策原则,利用综合评价均值建立了方案集上的全序关系,从而给出对所有方案进行群体排序的方法.最后给出一个算例.     

模糊优选神经网络及其在综合后评价中的应用

将模糊优选理论与神经网络理论相结合,确定网络拓扑结构：隐含层数、隐含层节点数与节点激励函数的合理模式。将模糊优选的相对优属度模型作为人工神经网络的激励函数,建立模糊优选神经网络权重调整BP模型,实证研究表明,模糊优选BP神经网络模型,可以较好地应用于综合后评价。     

BP神经网络在大坝安全综合评价中的应用

提出了基于改进的BP神经网络的大坝安全综合评价方法，将改进的BP神经网络应用于大坝综合评价，意在建立更加接近于人类思维模式的定性与定量相结合的综合评价模型。通过对给定学习样本模式的学习，获得取学习样本中所体现的评价专家的经验、知识、主观判断及对目标重要性的倾向。当需对评价对象作出新的综合评价时，该方法便可再现评价专家的经验、知识和直觉思维，从而实现定性分析与定量分析的有效结合，较好地保证评价结果的质量，示例表明，这一评价方法是合理、可行的。     

小波神经网络在绝缘子漏电量预测中的应用

为了实现对绝缘子漏电量的准确预测，提出了基于小波神经网络的预测模型，分析了网络的拓扑结构，给出了网络学习方法．通过对绝缘子漏电量样本数据进行预处理，生成学习样本和测试样本，进而对预测模型进行测试，实现了对绝缘子漏电量的准确预测．将其应用于电业局的绝缘子漏电量预测中，达到了实际应用的精度要求．实验和实际应用表明，该预测模型的误差小，精确度高，能有效地预测绝缘子漏电量。     

混沌神经网络住宅性能综合评价模型的研究

住宅性能综合评价是住宅商品化和市场化的重要基础性工作.利用人工神经网络模拟人脑学习和记忆功能的特点,建立了住宅性能综合评价模型.针对神经网络BP算法收敛速度慢容易陷入局部极小值问题,将混沌理论引入神经网络算法中,利用混沌运动的遍历特性加快了训练速度,使其收敛于全局最优解.算例表明,混沌神经网络模型可以准确地评价住宅的综合性能,有良好的应用前景.