量子神经网络在电力谐波检测中的应用

该文利用复数BP学习算法,构造出量子神经元模型[1],并结合神经网络技术与量子理论,生成更有效的泛化和学习能力的量子神经网络。基于三层量子神经网络实现对谐波参数的检测,并以3次谐波和5次谐波为例,描述了该网络的训练流程和训练样本的构成。量子神经网络的实现采用Matlab进行编程,首先利用训练样本训练量子网络,之后检测构造的未训练样本数据集,通过仿真结果验证了该方法的可行性。该方法在谐波检测中具有较高的灵活性和精度,且对采样数目没有严格的限制,训练好的量子神经网络模型可用于谐波源固定的场合。     

联合SWT和三角基神经网络的近频率谐波提取

同步挤压小波变换(SWT)可以精确地检测近频率谐波信号的频率,但在幅值和相位的检测中存在较大的误差.为了提高SWT的检测精度,提出一种将SWT和三角基函数神经网络相结合的近频率谐波检测方法.首先,通过SWT检测近频率谐波中谐波分量的个数和频率初值;然后,根据检测结果构造三角基函数神经网络,将频率作为权值在网络中参与学习;最后,利用最速下降法对网络进行训练,根据训练后得到的权值精确计算谐波分量的频率、幅值和相位.利用不同类型的近频率谐波对所提方法进行了实验分析,实验结果表明,该方法可以有效提高近频率谐波的提取精度,即使在强白噪声干扰下,也可较精确地提取出各谐波分量,提取效果优于经典的SWT方法.     

RBF在冷轧在线监测与故障诊断中的应用

通过对某钢厂冷轧电气传动系统分析,合理选取检测信号,构建了基于组态的实时在线监测系统,实现实时数据显示、报警、样本数据的存储、数据采集、参数设定等功能。利用MATLAB的Simulink工具构建了冷轧传动中的三相异步电动机故障诊断仿真系统。将RBF神经网络技术应用于冷轧电气传动系统的故障诊断,设计了基于RBF网络的三相异步电动机故障诊断系统。通过对训练好的网络进行验证,证明所设计的诊断方法能够对传动系统中的电动机故障进行很好的预测和判断,具有良好的实际应用前景。     

基于神经网络的线性相位FIR滤波器设计

针对FIR滤波器的神经网络设计法,提出一种泛函连接人工神经网络的改进算法。通过设置不同的加权误差函数值来控制各个样本的学习率,改善了网络的学习效果;制定了神经网络训练集的选取规则,使用该规则选取样本对网络进行训练,可设计通带阻带截止频率指标精确可控的滤波器,克服了现有算法只能设计具有通带截止频率的滤波器和不能精确控制任意截止频率的不足。仿真结果表明所提出的方法能很好地满足设计要求。     

基于小波神经网络的大功率电器识别技术研究

针对公寓用电中的大功率电器识别问题,提出利用小波神经网络对大功率电器进行识别.由于采集到的电网电流信号是基波信号和谐波信号的混合,因此需要进行信号分离.基于Mallat快速算法进行小波变换提取其中的谐波电流信号;将总电流的平均功率增量和谐波电流的平均功率增量经过归一化处理后作为大功率电器识别的特征向量,利用得到的特征向量对融合型小波神经网络进行基于BP算法的网络训练;利用训练好的小波神经网络对未知的电网电流数据进行识别,实现大功率电器的在线识别和预警.对比仿真实验表明:利用小波神经网络对大功率电器识别比传统的BP神经网络有更高的准确率.     

小波神经网络在滚动轴承故障诊断中的应用

结合小波变换和神经网络的优势给出小波神经网络的结构模型,研究了小波神经网络的学习算法;针对传统算法收敛速度慢等问题,从学习率和引入动量项两个方面对算法进行改进。应用小波网络对滚动轴承的典型故障进行实例诊断。以7216圆锥轴承在实验台上所测取的数据进行网络训练。用振动信号为网络输入向量,给出训练结果。仿真实例表明,采用小波神经网络能够很好地对故障进行分类,其收敛速度明显要快于相同条件BP神经网络,有效地实现了滚动轴承的故障诊断。     

神经网络在股票价格预测中的建模及应用

股票价格是非线性时间序列,神经网络具有强大的非线性逼近能力。本文采用BP神经网络,并将数据分为训练集和测试集．以提高网络的泛化能力。经实验证明,设计出的BP神经网络的股价预测模型可以很好地逼近非线性时间序列．并较好地对股票价格进行短期预测。     

基于SA-PSO的小波神经网络汽轮机故障诊断

针对传统小波神经网络的问题,提出了一种基于模拟退火粒子群算法优化小波神经网络并用于汽轮机故障诊断.先使用模拟退火粒子群算法对小波神经网络的参数进行初步优化,再用小波神经网络进行二次优化训练.实验结果表明,所提出的SA-PSO-WNN算法与WNN、PSO-WNN算法相比,网络的训练速度更快,全局搜索能力更强,网络的泛化能力更好,具有很好的实用价值.     

改进神经网络的电网谐波检测系统研究

将改进BP神经网络技术引入到电网谐波在线监测中,通过模型的自动＂学习＂训练,获得电网谐波＂动态＂的检测模型,实现对电网谐波的实时检测,最终达到电网谐波实时补偿的目的,为谐波抑制提供基础的数据参考,是一种有效可行的自动预测模型。     

基于改进神经网络的非线性系统观测器设计

根据非线性系统利用前馈网络的函数逼近能力,设计了一种神经网络观测器,并利用网络权值校正法,建立Lyapunov函数对观测器的稳定性进行了分析。为了加快训练速度,在训练网络时采用LM优化算法来实现,仿真结果不仅证明了所设计的神经网络观测器的有效性,还证实了神经网络改进算法后的优越性。     

用于高光谱遥感图象分类的一种高阶神经网络算法

ＢＰ神经网络近年来广泛地应用于图象分类,但是它也有多层感知器神经网络的通病,即隐含层及其节点数问题,局部最小问题、训练速度问题等,为了从根本上解决这些问题,该文提出了一种高阶神经网络分类算法,这种高阶神经网络没有隐含层,从而也就没了隐含层及其节点数的问题;它的模式划分界面是 一性的,从根本上解决了局部最小问题;同时它的训练速度更快,分类精度更高,该文详细介绍了这种高阶神经网络的构造、学习方法、工分     

基于BP神经网络的多媒体课件评价模型研究

给出了一种评价多媒体课件效果的新方法。模型采用了基于认知心理学的评价指标,充分考虑了人的主体地位,同时运用BP神经网络的方法建立评价的数学模型。通过样本数据的训练、检验、输出结果的分析,表明该模型对课件效果评价结果与专家的评分结果基本一致。     

应用RBF神经网络的体绘制传递函数设计方法

提出一种基于RBF神经网络的体绘制多维传递函数设计方法,利用直观的交互界面,通过画笔获得感兴趣体素的特征信息作为训练样本对RBF神经网络进行训练,使用训练后的RBF神经网络实现全部体素的分类识别,对不同的分类结果赋予不同的光学参数进行显示,自动完成传递函数的设计。实验结果表明,所设计的交互界面能直观方便地定义感兴趣的对象,大幅提高人机交互的效率;RBF神经网络的自主学习能力能够避免传递函数设计的盲目性,增强感兴趣区域的绘制效果,实现传递函数设计的自动化和智能化。     

基于BP神经网络的字符识别系统

基于BP神经网络设计了一个字符识别系统.首先,对字符图像进行二值化处理,构造输入向量矩阵.其次,通过选取初始权值、隐层节点数和权值学习算法,创建BP神经网络,对样本数据进行训练,之后对加有噪声的样本再次进行训练,以提高网络的鲁棒性.最后进行仿真测试并制作图形用户界面GUI来模拟与演示该系统.仿真结果显示,该BP网络对噪声系数小于0.8的字符识别率可达95%,且网络训练时间可接受.     

联合结构相似性与类信息的图像分类

针对卷积神经网络训练收敛速度慢的问题，提出了一种加权的联合结构相似性和类信息监督训练的方法。首先，针对小图像，设计一个能有效提取图像高级别信息的卷积神经网络。其次，建立加权的联合结构相似性和类信息损失函数训练卷积神经网络。最后，通过mnist手写数字和cifar10图像分类实验验证所设计网络的有效性。实验结果表明，所设计的网络在mnist手写数字和cifar10数据集上的图像分类错误率分别为0.33%和11%。在未进行扩增mnist数据集的前提下，所设计的网络的性能超过了该数据集上所有单网络的性能；在cifar10数据集上，所设计的网络能以较少的计算量获得较高的图像分类准确率。同时，联合结构相似性和类信息损失的监督训练能加快网络的训练速度。     

神经网络的C编程及矿井安全预测仿真

通过对人工神经网络BP模型基本原理和学习算法的分析,建立以模拟人的大脑神经处理信息的方式,进行信息并行处理和非线性转换的预测模型,使用C语言编制了BP网络学习的算法程序,在矿井瓦斯涌出量仿真实例中,用训练成功的网络分别对训练样本进行计算,预测仿真矿井的瓦斯涌出量,为矿井安全生产提供科学依据。     

基于BP神经网络的软件行为评估系统

针对当前国内信息安全领域对于恶意软件的判断智能化程度较低的现状,分析不同类型的恶意软件,提取典型的危险行为特征,对这些行为进行整合并建立一个行为映射库,将软件行为映射成数据,设计算法将其转换成可用于实际神经网络训练的数据。通过反复实验,给出一个适用于训练该类型样本的BP神经网络,并确定其中各个算子和参数值。通过训练该神经网络,建立一个判断可疑软件是否为恶意软件的行为评估系统。实验结果证明了上述设计的正确性,系统的漏报率和误报率仅为1%和3.7%。     

基于BP神经网络的粘接质量检测判别技术研究

该文针对粘接质量检测,运用BP算法和MATLAB软件,设计了用于粘接质量模式识别的神经网络。该网络能够对粘接质量合格与否进行比较精确的判别,判别正确率达到了98%。神经网络训练成功后,用未经训练的数据检验神经网络的检测能力,识别正确率达到了91.3%,充分证明了该网络模型的准确有效性。     

神经网络在车牌识别中的应用

介绍了中国车牌识别的研究背景和现状,提出了一种基于神经网络的新方法,并设计了一种没有直接预处理的车牌像素图像的卷积神经网络结构。该图像变换适用于利用原始车牌来增加训练数据库。实验结果验证了本车牌识别方法的鲁棒性和有无车牌的识别效率。     

浅谈BP神经网络在模式识别中的应用

模式识别技术在各行各业都有广泛的应用。在工业检测、医疗仪器的样本检查分析、军事卫星侦察、人工智能方面有着举足轻重的作用。该文介绍基于BP神经网络的模式识别方法。运用一种基于BP神经网络的改进算法,将基于学习的思想引入到模式识别中,对样本数据进行学习和训练,形成良好的网络,最后对与已训练好的网络进行检验的整个过程,由于达到了一定的准确度,避开了传统方法计算属性权重的问题。