基于神经网络的不可靠数据恢复研究

智能系统中单点或少数传感器采集的数据在某一段时间出现不可靠问题,在装备有许多传感器的智能系统中普遍存在,即使在由先进的传感器构成的桥梁结构健康监测系统中,80%以上的虚假报警也是由于测量数据的不可靠性造成的.传统上对于不可靠数据的处理主要应用线性回归法、平均法等方法进行恢复,然而,大多数测量数据在时域上表现为非线性特征,传统方法恢复的数据在精度上是很难达到要求.以桥梁挠度数据作为研究对象,利用原始数据对挠度测量点进行了关联分析,并依据RBF神经网络强大的函数逼近能力,提出了一种基于神经网络模型来恢复不可靠测量数据的方法,并在仿真实验中,通过对比实验(该方法的均方误差为2E-9,线性回归法均方误差为0.6974)证实了该方法在理论和实践上的精确性和可行性.     

基于RSNN的煤自燃预测方法

本文提出一种基于粗糙集神经网络(Rough Set Neural Network,RSNN的煤自燃预测方法.该方法针对综放面采空区,在已测到的漏风强度Q和煤体温度Tc 的基础上,利用Rough Set(RS)的约简理论对测量数据约简.在此基础上构建了一种基于粗糙集的神经网络(Rough)然后利用该Rough预测最小浮煤厚度.实测数据验证表明,该方法比常规AMAX预测方法简便且精度高.该方法为基于网络的远程煤矿安全生产监测监控系统奠定了良好的基础.􀁱     

基于数据融合的CNN方法用于人体活动识别

针对人体活动识别,现有的研究更多关注于传感器之间的融合,较少将研究方向转移到三轴加速度计等传感器内轴之间的相关性方面。为有效利用轴之间的相关性,提出一种基于数据融合的卷积神经网络方法。借助利用轴之间的相关性的单通道数据融合方法得到融合数据,将融合数据输入到卷积神经网络中提取特征。在WISDM数据集上的实验结果表明,该方法的准确率达到了98.80%,优于不使用数据融合的卷积神经网络方法。     

基于模糊聚类算法的神经网络集成

基于模糊聚类思想，提出了一种神经网络集成方法。利用隶属度函数，构造了一个分布函数，根据分布函数对训练数据进行抽样，用所抽得的数据作为个体神经网络的训练样本，多个个体神经网络构成神经网络集成，集成的输出采用相对多数投票法。理论分析和实验结果表明，该方法对模式分类能取得较好的效果。     

基于Siamese架构的恶意软件隐藏函数识别方法北大核心CSCD

目前,隐藏技术已被普遍应用于恶意软件中,以避免反病毒引擎的检测及研究人员的反向分析,所以有效识别恶意软件中的隐藏函数对于恶意软件代码检测和深度分析具有重要意义。但在该领域上,现有方法不同程度都存在一些问题,如无法取得高准确性、对样本量少或者样本类别分布不平衡的数据集的鲁棒性较差等。为实现实用的针对恶意软件隐藏函数的检测方法,文章提出一种新颖的基于Siamese架构的识别方法来检测隐藏函数的类型。该方法可以有效提高隐藏函数识别的准确性,Siamese架构的引入改善了小样本量数据集鲁棒性差的问题。针对从恶意软件中提取的15种常见类型的隐藏函数的数据集进行实验,结果表明,该方法生成的嵌入向量较嵌入神经网络SAFE具有更好的质量,该方法较几种常用的隐藏函数检测工具有更高的检测精度。     

基于人工神经网络的发电机故障暂态稳定性预测方法研究

提出了一种利用径向基函数神经网络（RBFNN)预测大扰动后发电机转子转角值的方法,来实时判断系统暂态稳定状态,并对相干发电机组的辨识进行了研究。在故障后将相量测量单元（PMU）同步采样的前六个周期的发电机的转子角度和电压等数据作为神经网络的输入,以预测系统未来的状态。该方法还可以实时判断发电机的同步状态。在测试系统上对该方法以不同运行条件进行了评估,实验结果证明所提出的径向基函数神经网络对扰动后的转子转角值具有良好的预测性能,适合于实时应用。     

小波神经网络在过程控制中的应用

在工业过程控制中,常常存在一些重要的变量难以测量,为了解决这个问题,出现了软仪表.软仪表的实质是建立被测量参数与影响该参数的其它操作参数之间的数学模型,通过计算得出此类难于测量的变量的数值.小波神经网络就是软测量的一种方法.在传统的小波神经网络的基础上进行了改进,利用小波对工业现场过来的数据进行了降噪,并使用主元分析法去除了数据的相关性.然后对处理过的数据建立小波神经网络模型,最后通过计算机仿真证实了该方法的良好的收敛速度快,不容易陷入极度最小等辨识效果.     

基于判别式分析和神经网络的特征选择方法

为了获得重要的特征集合,提出了一种基于判别式分析算法和神经网络的特征选择方法。通过最小化扩展互熵误差函数来训练神经网络,这一误差函数的使用减小了神经网络传输函数的导数,降低了输出敏感度。该方法首先利用判别式分析算法得到一个有序的特征队列,然后通过正则化神经网络进行特征的选择,特征选择过程是基于单个特征的移除带来验证数据集上分类误差变化这一原理。与其他基于不同原理的四种方法进行了比较,实验结果表明,利用该算法训练的网络能够获得较高分类准确率。     

Matlab曲线拟合及其在试验数据处理中的应用

文章介绍了最小二乘方法和神经网络方法曲线拟合的原理方法,并列出了最小二乘的多项式拟合和既定函数样式拟合以及BP神经网络拟合的Matlab实现过程,利用数学模型和一组试验数据对三种方法的性能进行验证,最后归纳总结了几种方法的性能特点和适用范围。     

卷积神经网络的训练方式研究

卷积神经网络是一种基于最小化经验风险的统计学习方法,在有监督学习中,一般会向神经网络指定一个明确的代价函数,代价函数既是衡量该神经网络在当前权值设置下对指定输入的输出正确性进行衡量,也是神经网络更新参数和结构强度的参考标准。一般而言,误差代价函数是一个跟神经网络在特定训练数据集合上误差情况的可微分函数。通过利用数学方法寻求这个函数的最小值,可以进一步使权值最优化。     

J2ME与Jini技术在开发嵌入式系统中的结合应用

J2ME和Jini结合使利用Java计算平台在各种嵌入式设备上进行简单、迅速的编程开发成为可能,而Jini是一种全新的构建分布式系统的技术,具有动态的,自形成和自管理的特性,能使各种小型设备以一种简捷的方式接入到网络中,使各种Java技术的小型设备能够相互交流.重点介绍了J2ME与Jini技术结合在开发小型设备嵌入式系统中的应用.     

基于神经网络技术的流量测量方法研究

流体的流量直接反应设备的运行状况,在现代化的工业生产中,连续准确地监视流体的流量对于设备的安全、经济运行至关重要。鉴于流量测量的复杂性,将神经网络数据融合技术应用于流量测量,研究提高流量测量精度的方法。在此研究基础上,针对差压式流量测量的特点,设计出了基于神经网络数据融合技术的流量测量模型。     

A neural network approach to job-shop scheduling

A novel analog computational network is presented for solving NP-complete constraint satisfaction problems, i.e. job-shop scheduling. In contrast to most neural approaches to combinatorial optimization based on quadratic energy cost function, the authors propose to use linear cost functions. As a result, the network complexity (number of neurons and the number of resistive interconnections) grows only linearly with problem size, and large-scale implementations become possible. The proposed approach is related to the linear programming network described by D.W. Tank and J.J. Hopfield (1985), which also uses a linear cost function for a simple optimization problem. It is shown how to map a difficult constraint-satisfaction problem onto a simple neural net in which the number of neural processors equals the number of subjobs (operations) and the number of interconnections grows linearly with the total number of operations. Simulations show that the authors' approach produces better solutions than existing neural approaches to job-shop scheduling, i.e. the traveling salesman problem-type Hopfield approach and integer linear programming approach of J.P.S. Foo and Y. Takefuji (1988), in terms of the quality of the solution and the network complexity.     

SECANT-FUZZY LINEAR REGRESSION METHOD FOR HARMONIC COMPONENTS ESTIMATION IN A POWER SYSTEM

In order to avoid unnecessary damage of electrical equipments and installations,high quality power should be delivered to the end user and strict control on frequency should be made, Therefore, it is important to estimate the power system's harmonic components with higher accuracy. This paper presents a new approach for estimating harmonic component in a power system using secant - fuzzy linear regression method. In this approach the non - sinusoidal voltage or current waveform is written as I linear function. The coefficient of this function is assumed to be fuzzy number with a membership function that has center and spread value. The time dependent quantity is written as Taylor series with two different time dependent quantities. The objective is to use the sample obtained from the transmission line to find the power system harmonic components and frequencies. We used an experimental voltage signal from a sub power station as a numerical test.     

基于信息融合技术的装备BIT故障诊断系统应用研究

BIT就是系统、设备内部提供的检测、隔离故障的自动测试能力;传统BIT主要面向单一功能设计,不具有同时应对多信息的处理功能,面对复杂电子装备的多信息处理问题,传统BIT故障诊断能力不足,导致系统虚警率过高,测试性与故障诊断能力下降,在BIT系统中运用信息融合技术对多信息进行整合,对于提高BIT综合效能,实现快速高效的故障诊断具有重要意义;文章首先对信息融合基本原理进行了介绍,构建了基于信息融合的装备BIT故障诊断系统结构,接着对信息融合诊断系统进行了建模,并对模型中基于神经网络的BIT诊断技术、基于D—S理论的BIT决策技术的关键技术进行了研究,最后给出了故障诊断程序流程;该技术研究通用性强,适用于多种不同型号的复杂电子装备的BIT快速故障诊断。     

基于网络远程测试诊断系统的研究

基于网络和虚拟仪器的远程测试诊断系统,可实现对远端测控站测控设备的技术指标的远程测试与故障的远程分析诊断;介绍了远程测试诊断系统的硬件组成和软件设计,重点分析了系统设计中应用的关键技术,包括在线指导、案例查询、专家系统故障诊断、故障树分析方法和数据压缩;以频谱分析仪的远程测试为例,给出了远程测试诊断系统的应用实例,并分析了其应用与推广的可行性。。     

对传输网综合网管建设的探讨

近几年来,随着我国通信技术的迅速发展,传输网络的规模不断扩大,网络设备的种类和数量不断地增加,整个网络的复杂性也随之日益提高。随着网络的快速发展和业务质量要求的不断提高,网络管理需求和网络管理现有技术手段之间的矛盾日益突出,给网管系统的建设带来了很大的困难。文章对这一问题进行了探讨。     

Convolutional face finder: a neural architecture for fast and robust face detection

In this paper, we present a novel face detection approach based on a convolutional neural architecture, designed to robustly detect highly variable face patterns, rotated up to /spl plusmn/20 degrees in image plane and turned up to /spl plusmn/60 degrees, in complex real world images. The proposed system automatically synthesizes simple problem-specific feature extractors from a training set of face and nonface patterns, without making any assumptions or using any hand-made design concerning the features to extract or the areas of the face pattern to analyze. The face detection procedure acts like a pipeline of simple convolution and subsampling modules that treat the raw input image as a whole. We therefore show that an efficient face detection system does not require any costly local preprocessing before classification of image areas. The proposed scheme provides very high detection rate with a particularly low level of false positives, demonstrated on difficult test sets, without requiring the use of multiple networks for handling difficult cases. We present extensive experimental results illustrating the efficiency of the proposed approach on difficult test sets and including an in-depth sensitivity analysis with respect to the degrees of variability of the face patterns.     

对传输网综合网管建设的探讨

近几年来.随着我国通信技术的迅速发展,传输网络的规模不断扩大,网络设备的种类和数量不断地增加,整个网络的复杂性也随之日益提高.随着网络的快速发展和业务质量要求的不断提高,网络管理需求和网络管理现有技术手段之间的矛盾日益突出,给网管系统的建设带来了很大的困难.文章对这一问题进行了探讨.     

流测量算法综述

理解网络行为对于网络管理、规刬和发展都有重要意义,而流测量是了解网络行为的基础。由于网络的高速与流数量的巨大,使得实时在线的流测量变得很困难。因此各种流测量技术、流测量算法成为研究热点。文章综述了目前利用抽样和哈希技术在流识别和流分布方面取得的成果,并分析了各种算法的优缺点。最后分析了抽样与哈希技术的长处与不足,提出了多种技术相结合的研究方向。