共查询到20条相似文献,搜索用时 156 毫秒
1.
针对输出权值采用最小二乘法的回声状态网络(ESN),在随机选取输入权值和隐层神经元阈值时,存在收敛速度慢、预测精度不稳定等问题,提出了基于蚁群算法优化回声状态网络(ACO-ESN)的算法。该算法将优化回声状态网络的初始输入权值、隐层神经元阈值问题转化为蚁群算法中蚂蚁寻找最佳路径的问题,输出权值采用最小二乘法计算,通过蚁群算法的更新、变异、遗传等操作训练回声状态网络,选择出使回声状态网络预测误差最小的输入权值和阈值,从而提高其预测性能。将ACO-ESN与ELM、I-ELM、OS-ELM、B-ELM等神经网络的仿真结果进行对比,结果验证经过蚁群算法优化的回声状态网络加快了其收敛速度,改善了其预测性能,并增强了隐层神经元的敏感度。 相似文献
2.
3.
4.
文章提出一种基于属性的概念格快速渐进式构造算法,主要解决传统算法存在执行时间长和准确率低等问题。首先,该算法引入单属性权值、多属性权值、阈值设定3个内容,并对其进行优化。其次,利用信息熵和偏好修正系数,对单属性权值获取进行调整,从原始数据中获取多属性权值。最后,通过阈值设定衡量多属性的重要性,同时约束条件获取合理的属性权值取值结果。实验结果表明,该算法优化后生成的概念数量小于原概念格中概念的总数,执行时间更短,准确率更高。 相似文献
5.
鉴于资产重要性评估中权值赋予主观性过强,造成资产重要性评分不够准确问题。提出一种客观赋权法(M-EWM&VCM),用于网络空间的资产重要性评估。该方法给出网络资产重要性评估所参考的六个评价指标,使用min-max归一化方法进行数据预处理,依靠改进熵权法(M-EWM)和变异系数法(VCM)共同作用,求得各评价指标权值,计算出资产重要性评分。实验证明,该方法较熵权法或变异系数法单独作用后计算出的重要性评分,其结果与选取的评估基线更贴近,更符合客观实际。同时,该方法能够解决权值赋予均衡化弊端,克服对异常数据过敏感问题,获得鲁棒性更强的评估结果。随着网络环境变化,该方法还能适当调整指标权值计算出更准确的资产重要性评分。 相似文献
6.
案例推理中影响匹配案例检索的关键因素之一就是特征属性权值的分配与确定。将层次熵分析法应用于洪涝灾害案例推理中,对灾后救灾口粮的需求进行了预估。由层次分析法分析决策问题的目标及多种层次因素,构造出合理的层次结构。结合主观判断信息得出特征属性权值的优先级。在此基础上利用熵技术对其进行修正,确保特征属性权值具有客观性,使得优选案例更加切合实际情况。通过实验结果证明,该方法适用于洪涝灾害案例推理,可以从多项历史案例中选择与目标案例匹配最佳的案例,从而为准确预测救灾口粮需求提供了科学的参考。 相似文献
7.
8.
介绍一种新的多变量数据预处理方法——正交信号修正(OSC)法,提出一种OSC与NIPALS算法结合的O-PLS算法,将该方法用于确定BP网络的基本结构,即确定BP网络的隐层数、节点数及其初始权值,由此建立了O-PLS-BP网络模型。并将它与标准的BP网络模型、PLS-BP网络模型进行比较。仿真结果表明,该算法的拟合和预测效果较好。 相似文献
9.
针对硫回收装置中硫化氢和二氧化硫浓度的实时监控预测问题,提出一种基于改进的深度回声状态网络(DeepESN)软测量建模方法,给出了其离线学习算法.改进的DeepESN网络能够通过多层回声状态网络的结构,可以对具有强非线性特性的化工过程进行有效的深度学习和预测.离线学习算法在求输出权值时加入了岭回归算法,有效地提高了网络学习的稳定性.将该方法在同等条件下与现有的软测量建模方法进行了比较,基于改进的DeepESN软测量建模方法具有更好的学习能力、更高的学习效率和预测精度. 相似文献
10.
11.
本文以海明神经网络与自适应谐振理论(ART)模型学习算法为基础,从理论上分析了海明网络学习算法的缺陷,利用ART网络的思想,提出了一种快速分类的神经元网络的算法,命名为Improved Hamming算法(简称Im-H算法)。此算法主要优点在于阈值更新及引入了经验迭代次数。将此算法用于字符模式识别,大量的计算机实验结果表明了Im-H网络学习算法的有效性、快速性。 相似文献
12.
自适应共振(ART)神经网络具有无监督学习功能,能对时序信号进行实时学习、实时处理,能对已学习过的样本作出快速响应,自动识别等优点,尤其以ART2网络更具有实用性。但是传统的ART2网络存在幅度信息丢失和模式漂移等现象,针对这一情况,本文把模式漂移的方向作为一个因素进行考虑,通过设置漂移上限系数,引入栈结构对模式漂移的相反方向相互抵消,同一方向累加的方法有效限制了模式的飘移,对各改进算法进行比较体现本文算法的优越性。 相似文献
13.
基于自适应神经网络的高速数字电路测试的研究 总被引:2,自引:0,他引:2
介绍了神经网络的模型建立。针对高速数字电路故障诊断的特点,提出了基于自适应神经网络诊断方法;与传统的神经网络相比,基于自适应神经网络具有学习速度快、网络能够收敛到最优权值、收敛精度很高、网络的分类能力强等特点,从而很好地提高故障诊断的效率;通过一个测试用例验证自适应神经网络在高速数字电路测试诊断中的应用,可以大大提高故障诊断的效率。 相似文献
14.
15.
16.
基于直觉模糊ART神经网络的群事件检测方法 总被引:1,自引:0,他引:1
描述了态势评估系统中的目标编群问题、目标群处理流程和群事件的检测。结合直觉模糊贴近度理论,构造了直觉模糊ART神经网络。设计了网络的运行机制和网络权值向量的学习机制。给出了一个具体实例,检验了直觉模糊ART神经网络的目标编群效果,为群事件检测提供了一条有效途径。 相似文献
17.
18.
In this paper, we present the application of supervised neural algorithms based on Adaptive Resonance Theory (Fuzzy ARTMAP,
ART-EMAP and distributed ARTMAP), as well as some feedf-orward networks (counter-propagation, backpro-pagation, Radial Basis
Function algorithm) to the quality testing problem in the semiconductor industry. The aim is to recognise and classify deviations
in the results of functional and Process-Control-Monitoring (PCM) tests of chips as soon as they are available so that technological
corrections can be implemented more quickly. This goal can be divided in two tasks that are treated in this paper: the classification
of faulty wafers on the basis of topological information extracted from functional tests; and forecasting the yield of chips
using the results of PCM tests. Experiments show that the neural networks can be applied to this problem efficiently, and
the performance of ART algorithms is better than that of the other architectures. 相似文献
19.
一种改进的ART1算法及其在人像识别中的应用 总被引:5,自引:0,他引:5
本文通过对自适应共振理论(ART)ART1的研究,提出了一种改进的ART1算法,这种算法不仅具有ART1算法的所有优点,而且降低了ART1算法的识别识误差。该算法在人像识别中取得了令人满意的效果。 相似文献
20.
人工神经网络为数据融合提供了新的理论方法和技术手段,在数据融合的各个方面具有广泛的应用前景。自适应共振理论(ART)是一种无监督神经网络,能够实现对输入的任何模拟信号的自动识别和分类。据此提出了一种以ART2网络聚类分析为核心的数据融合算法,探讨了ART2网络用于特征层数据融合实现模式识别/分类的机理,最后给出该算法在一例模式识别/分类中的应用-实现对工业控制系统中设备运行状态的实时监测和故障诊断,验证了该算法的有效性和可行性。 相似文献