改进BP神经网络在软件能耗分析中的应用

提出以软件特征量为基础的嵌入式软件体系结构级能耗建模方法。利用软件特征量与嵌入式软件能耗之间存在非线性函数关系的特点,采用基于改进遗传算法的BP神经网络算法进行训练拟合。从初始群体、编码、模拟退火算子3个方面对遗传算法进行改进以增强拟合的效果。实验结果证明,基于该算法的能耗模型预测值与实际能耗值的误差较小。     

基于随机Petri网的嵌入式软件能耗模型

传统的软件能耗测量方式是在软件设计完成后进行实际测量从而得到能耗值,不能在软件的设计初期形成一定的数据量为开发做出参考。为此,从体系结构层面对软件进行构件化处理,基于随机Petri网分别对构件、接口、连接件各模块进行建模与分析,构造出嵌入式软件能耗模型ESPN。给出寻找3种能耗路径的方法,根据能耗状态可达图对软件能耗进行预测并求得其确切值。通过实例化分析与设计验证了该模型的有效性。     

基于马尔科夫链的构件化嵌入式软件能耗估算模型

在目前全球倡导"低碳经济"的背景下,嵌入式软件能耗已成为嵌入式系统设计的重要考量因素,一种快速有效的软件能耗估算模型对于嵌入式软件早期开发具有重要的意义.本文着眼于构件化嵌入式软件,从基于状态的角度出发,将嵌入式软件系统的运行过程视为一个状态的集合,提出了一种基于马尔科夫链的嵌入式软件能耗估算模型.然后,通过使用状态转移概率矩阵获得嵌入式软件构件的稳定状态分布,再结合构件的能耗测量值,实现嵌入式软件的能耗估算,并通过实验验证了该模型的有效性.     

嵌入式软件算法级能耗建模与分析

针对嵌入式软件算法级能耗的优化问题,建立算法级能耗估算模型。以旅行商问题(TSP)为例,采用神经网络算法、遗传算法等进行能耗求解,对求解过程中的算法执行次数、算法复杂度以及运行时间这3个特征值进行能耗分析,通过能耗估算模型计算出算法针对TSP问题的能耗估算值,并将该估算值与使用sim-panalyzer功耗仿真平台求解得到的能耗测试值进行比较,结果表明,能耗测试值与估算值的误差在10%左右,证明该能耗估算模型具有较高的准确性。     

基于AADL语言的移动软件能耗评估方法

移动软件往往部署在电量受限的处理器上,能耗已成为评价这类软件的一个重要质量属性.与代码级和指令级相比,在设计级进行能耗评估具有耗时短、成本低的优点,近年来已成为软件工程学术界和工业界的研究热点.目前虽已涌现出一些设计级能耗评估方法,但这些方法大多未对软件构件的内部行为元素进行能耗评估,导致了精度问题.针对上述问题,基于体系结构分析设计语言AADL和StrongARM处理器构建了一种移动软件能耗评估模型,进一步定义了面向AADL语言的移动软件能耗评估过程,在此基础上研发了一款能耗评估工具,进而提出一种基于AADL语言的移动软件能耗评估方法.实验结果表明该方法较已有AADL能耗评估方法在精度上有所提高.     

改进鲸鱼算法构建混合模型的建筑能耗预测

建筑能耗数据具有非平稳和非线性特征,单一预测模型很难对其进行精准预测,提出一种用于建筑能耗短期预测的新型混合模型。利用互补集合经验模态分解方法(CEEMD)将波动性较大的能耗数据分解为一组本征模态函数和一个残差序列;基于反向学习、差分进化算法并引入控制参数对鲸鱼优化算法(WOA)进行改进,有效解决算法早熟收敛与陷入局部最优等问题,提出改进算法UWOA(upgraded whale optimization algorithm);利用UWOA优化Elman神经网络的权值与阈值,优化后的Elman神经网络对本征模态函数和残差序列进行预测并集成,得到能耗预测值。应用CEEMD-UWOA-Elman混合模型对上海某大型公共建筑能耗进行短期预测,结果显示混合模型获得很好的预测效果。     

Kernel PCA与BP神经网络相结合的变压器故障诊断*

为了提高变压器故障诊断的准确率和抗干扰能力,提出一种基于核特征量的BP神经网络故障诊断模型。通过核主成分分析将故障样本从低维的特征空间非线性地映射到高维的核空间,提高了样本的可分性,然后以核特征量作为BP神经网络的输入特征量,建立变压器故障诊断模型。实验对比了结构相似、输入量不同的BP神经网络,结果表明采用核特征量的诊断模型具有更好的诊断效果和抗干扰能力。     

铜精矿气流干燥热风炉燃油优化设计

针对具有非线性、强耦合、不确定、多约束特性的铜精矿气流干燥过程,采用BP神经网络建立了以重油流量、燃烧风、稀释风为输入、沉尘室温度为输出的网络模型;再用遗传算法与惩罚函数相结合对热风炉烧油量进行优化,得到了干燥一定量铜精矿时的最佳操作参数,使能耗最低;结果表明,该模型具有较高的精度,优化结果对实际干燥过程的操作具有指导作用.     

基于稀疏化神经网络的浮选泡沫图像特征选择

针对泡沫特征复杂繁多不利于建模控制的问题,提出一种基于稀疏化神经网络的泡沫图像特征选择方法.相较于大部分稀疏模型以线性回归模型作为损失函数的情况,选择以更为贴近实际工业过程非线性特点的神经网络模型作为损失函数,并加入$L_{2,1     

基于混合神经网络的非线性预测函数控制

针对基本预测函数控制只能用于线性对象的控制这一不足,提出了基于混合神经网络的非线性预测函数控制.混合神经网络由BP网络和线性神经网络串连组成.采用混合神经网络对可用Hammerstein模型描述的非线性对象进行有效的辨识.其中,BP网络反映了非线性静态增益,线性神经网络反映了线性动态子系统.利用BP网络求出非线性静态增益的逆并与非线性对象串联,抵消非线性对象中的非线性静态增益部分,将非线性对象的控制问题转化为对线性对象的控制问题,实现了对非线性对象的预测函数控制.当被控对象的特性发生变化时,可对混合神经网络权值及时进行修正并调整控制器参数使控制系统始终保持良好的控制性能.仿真结果表明,此控制系统具有良好的控制效果.     

粒子群算法优化的BP网络预测软件质量

预测软件质量的技术中,软件建模技术是软件质量评价体系中的关键技术,它可以发现软件中度量数据和软件质量要素之间的非线性关系。BP神经网络能够很好地模拟度量数据和质量要素之间的非线性关系,但是BP网络存在易于陷入局部极小和收敛速度慢的问题,所以提出了用粒子群算法优化BP神经网络,通过优化的BP网络建立软件质量模型,这样能很好地解决BP网络收敛速度慢和局部极小的问题。在实现该进化BP神经网络的基础上,利用28组数据进行实验,并通过与BP模型的结果的比较,验证了该模型。     

一种基于改进神经网络的系统辨识方法

该文在分析神经网络辨识技术特点及现状的基础上,将BP神经网络结构和遗传算法相结合,设计了一种适用于非线性系统的辨识器模型。该辨识器模型首先建立初始的BP神经网络结构,再利用遗传算法对BP神经网络的权值和阈值进行优化,从而优化BP神经网络,通过迭代最终建立辨识器模型。最后,通过一个三阶非线性多输入单输出系统的仿真实验证明了所设计的辨识器具有辨识时间短、辨识精度高的特点,为神经网络辨识技术的研究提供了新的思路和方法。     

模糊神经网络在水质评价中的研究

研究水质评价问题,针对水环境保护和治理,由于水质类型和分级标准存在着模糊性,水质因子与水质类型间存在非线性关系,无法建立传统精确的数学模型。为了提高水质评价的准确性,提出模糊BP神经神经网络水质评价模型。利用模糊理论相对隶属度能反映各因子的质量相对状态,对模糊性具有很强的识别精度,可将水质因子模糊隶属度矩阵输入到BP神经网络中,通过非线性分析处理的BP神经网络进行学习和测试,得到输出水质评价等级。实验结果表明,模糊神经网络较传统的水质评价方法具有较高的识别精度,提高水质评价等级的准确性,使评价的结果更具有科学性。     

基于嵌入式软件算法级能耗问题研究

能耗已经成为嵌入式系统设计中一个重要的约束条件.嵌入式系统是典型的软件驱动执行系统,硬件的电路活动直接导致系统参数功耗,而软件中的指令执行和数据存取等操作底层的微处理、总线、Cache、存储器和I/O接口等硬件的活动都会间接的导致系统参数功耗.在现代“低碳经济”的背景下嵌入系统的功耗已经引起人们关注的一个重点.而软件设计早期对高层所作的功率耗评估和优化对整个系统的的能耗影响最为显著.本文通过构建算法级能耗估算模型,并通过实例采用神经网络算法、遗传算法等进行能耗求解,同时在求解过程中进行能耗分析.     

神经网络的企业信用风险评估应用研究

研究企业信用风险评估准确性问题,企业存在产品质量、不良贷款等信用风险问题,企业信用风险是多种因素的综合结果,存在着不确定、非线性、随机性等特点,无法建立确定数学评估模型。只能根据专家评估指标为依据。为了提高企业信用风险评估准确率,提出一种BP神经网络的企业信用风险评估方法。先采用层次分析法构建风险评估指标体系,再用专家系统对评估指标进行量化打分,最后采用BP神经网络对企业信用风险指标进行非线性学习,并对企业信用风险等级进行评估。实验结果表明,BP神经网络的企业信用风险评估模模型能显著提高评估准确率,并能够反映企业信用风险的随机性变化特点,使评估结果更加符合实际情况,为企业信用风险评估提供了参考。     

嵌入式系统源程序级软件能耗建模与分析

针对嵌入式系统能耗对各种嵌入式设备工作时长的影响,本文从系统指令级到源程序级的软件能耗考虑,首先通过分析设备源程序级语句的相关特征,基于源程序语句的指令能耗,提出一种针对源程序级的能耗模型,然后基于模型分析对五个经典算法的源程序中不同类别语句进行能耗优化,最后分别对五组经典算法优化前后的能耗比较。实验表明,本模型使得优化后的源程序能耗降低了9.46%-50.29%,达到了降低嵌入式系统软件能耗的目的。     

人工神经网络在ERP系统中的应用

在传统的ERP的基础上,增加专家系统模块,即基于人工神经网络技术的预测分析模块,提出了ERP和专家系统的集成管理方法,完成复杂的非线性预测,以使ERP系统智能化、自动化水平更高。该模块采用反向传输BP神经网络模型来实现,通过网络的自适应学习和训练,找出输入和输出之间的内在联系,以求解问题。利用该专家系统对汽车制造企业市场销售量进行预测,结果表明：该方法性能、实用性和通用性好。     

非线性函数的自适应分区多神经网络学习及仿真实验

根据BP神经网络学习非线性函数的精度与所学函数的区间大小及变化率等有关，提出了一种非线性函数的自适应分区多神经网络学习方法，这种方法根据学习精度的要求，自适应地把所学函数分成若干区间，分别用一个BP神经网络去学习，从而使学习精度大大提高，最后，给出了学习一维函数和多维函数的仿真实例，其结果表明分区学习的精度可提高10倍以上。