共查询到10条相似文献,搜索用时 31 毫秒
1.
从大型数据库中学习网络结构一直是贝叶斯网络学习的研究热点.针对此问题提出了一种基于预测能力的学习算法,通过预测能力建立并调整贝叶斯网络结构,把变量之间弧的存在性与方向有机地结合在一起。 相似文献
2.
为了解决水资源管理中具有不确定性的多目标决策问题,将贝叶斯网络方法引入水资源管理中.通过对实例系统中变量间相互关系的分析,构建描述变量间不确定性关系的贝叶斯网络模型,其中包括表示其依赖关系的有向无环图和表示其具体概率依赖程度的条件概率表,并在6个目标变量均达到预期目标的前提下进行概率推理.实例结果表明:当补偿款数额增加到500元/亩①时,所有的目标变量均可达到最优,因此确定出政府应给农民补偿款的数额为500元/亩的合理水资源决策方案.贝叶斯网络以图模型的方式直观地表达了实例系统中变量之间的不确定性关系,概率推理的结果兼顾了环境效益以及农民的利益,使多个预期目标均达到了最优,有效地解决了水资源管理中具有不确定性的多目标决策问题. 相似文献
3.
4.
5.
蒸气管网是具有典型大时滞特点的非线性网络系统结构,提高管网运行预测能力,对管网的安全高效运行有很好的指导意义。贝叶斯神经网络具有良好的泛化能力和准确计算能力,在网络目标函数中引入表示网络结构复杂性的惩罚项,以便能够在训练优化过程中降低网络结构的复杂性,达到避免网络过拟合的目的。实例验证表明,模型计算结果和泛化能力均有良好表现,优于传统BP算法计算性能,可提高企业蒸气管网运行管理水平,对流程工业节能减排建设有一定的帮助。 相似文献
6.
7.
基于粒子群优化为过程神经元网络提出了一种新的学习算法.新算法在对网络输入函数和连接权函数进行正交基函数展开后,将网络中的结构参数和其他参数整合成一个粒子,再用粒子群优化算法进行全局优化.新算法不依赖于函数梯度信息,不需要手动调节网络结构.粒子群优化具有良好的全局优化性能和收敛性能,保证了过程神经元网络的全局学习能力和新学习算法的收敛能力,更好地发挥过程神经网络的逼近性能.两个实际预测问题的实验结果表明,基于粒子群优化的学习算法比现有的基于梯度的基函数展开方法以及误差反传神经网络模型具有更好的预测精度. 相似文献
8.
9.
在双辊铸轧过程中,铸轧力的控制是铸轧过程稳定进行和提高薄带质量的关键.为了控制铸轧力,必须建立铸轧力计算数学模型,本文采用了一种基于贝叶斯方法的前向神经网络训练算法以提高网络的泛化能力,在网络的目标函数中引入了表示网络结构复杂性的惩罚项,融入"奥克姆剪刀"理论,避免了网络训练的过拟合.将上述网络应用于铸轧过程的铸轧力计算,具有很高的计算精度,同时在收敛速度、稳定性和泛化能力方面都优于传统的BP神经网络. 相似文献
10.
介绍了辊底式热处理炉和淬火机电气自动化控制系统,对系统从硬件、软件和网络结构作了描述,特别对炉子的控制功能作了详细的讲解.系统运行非常可靠. 相似文献