基于误差修正的菌体浓度软测量

针对机理模型中参数易受环境影响,结果常常不准,而数据模型对于复杂系统外推能力差的情况,提出了以机理模型为基础,以数据模型为补充,利用数据模型对机理模型的预测结果进行误差修正的方法.将该方法用于菌体浓度的预测,误差修正模型采用RBF神经网络,包含了影响菌体浓度的主要理化因素:温度、溶解氧和pH,以实际测量值为目标对该网络进行训练.训练好的神经网络用来对机理模型的输出进行修正.试验数据表明该方法能有效提高菌体浓度的预测精度.     

神经网络集成技术概述

本文总结了两大类神经网络集成技术的方法.通过理论分析表明,对于结论生成方法采用加权平均法的神经网络集成,去除部分满足一定条件的个体网络后,神经网络集成将获得更强的泛化能力.     

基于集成分类器的泡罩包装药品缺陷识别

目的 针对药品生产包装过程中常出现缺陷泡罩包装药品的问题,研究一种基于多特征构建与集成分类器的泡罩包装药品缺陷识别方法.方法 该方法通过集成2个不同的分类器算法分别对药品图像类别进行预测,并采用联合判定函数对2个预测输出值进行联合决策,得到最终分类结果.第1个分类器模型通过将图像转化到HSV颜色空间,分割出泡罩区域和药片区域,进行特征设计,并在提取多项特征参数后构建BP神经网络分类算法给定药品类别预测.第2个分类器模型应用多层卷积神经网络取代传统算法对图像特征进行提取,并输出药品图像类别的预测值.根据2个分类器的性能进行算法集成,构成最终集成分类器.结果 实验结果表明,该集成分类模型对数据集中泡罩包装药品图像进行分类识别测试,准确率达97％以上.结论 集成分类模型不仅提高了单一分类器的识别准确率,也具有更佳的稳定性.该方法取得了卓越的分类效果,具有较高应用性.     

基于遗传神经网络的异步电动机故障诊断研究

提出一种基于遗传神经网络进行异步电机故障检测的新方法,仅利用一个振动传感器来获取异步电机的特征信息,建立电机动态非线性神经网络检测诊断模型,并利用该模型进行电机的故障检测,为减少网络权值学习搜索空间,解决神经网络权值学习中易于陷入局部最小点的问题,本文采用遗传算法实现模型权值的修正,实际使用证明利用该方法可以方便的实现在线故障诊断,且方法简单,易于实现。     

用粗集-模糊神经网络评定空袭目标威胁程度

针对模糊神经网络运算过程中,当模糊规则较多时,网络学习速度慢,方法实时性差的缺点,本文提出采用粗糙集理论对该模型进行优化,该方法利用粗集数据分析方法,通过知识约简从数据中推理逻辑规则,并用约简后规则集作为模糊神经网络的规则将输入映射到输出的子空间上:在这个子空间上用改进的BP算法训练进行逼近.实验结果表明:通过粗集数据挖掘后提取的规则,不仅规则数目减少,且规则是不完全规则,减少了网络输入维数和各层神经元的个数,提高了网络运算速度,满足了系统实时性要求.     

基于神经网络方法的框架结构损伤检测的试验研究

首先建立了三层试验框架结构的有限元模型，利用未损伤状态的动态测量数据，采用神经网络方法分步对原结构的有限元模型进行了修正。然后，依据修正的有限元模型，运用神经网络方法对各种实际损伤状况进行了损伤诊断。比较了仅以三阶频率作为神经网络输入向量和三阶频率及一阶振型组合作为网络输入向量对网络训练和损伤检测结果的影响。研究表明，神经网络的输入数据越充分，网络训练的收敛速度越快；利用三阶固有频率能够对该模型结构的各种损伤进行诊断，获得满意层问刚度识别的结果。     

前馈型神经网络在SARS疫情分析中的应用

前馈神经网络在非线性系统的建模及控制中有着广阔的应用前景,其中用差商近似代替导数的Powell法是一种高效、快速的学习方法本文采用三层前馈神经网络结构对SARS在中国的传播与流行趋势及控制策略建立了网络模型.并利用Powell学习方法,针对北京、山西的疫情进行了计算仿真.结果表明,该网络模型算法收敛速度较快,预测精度很高.     

前馈型神经网络在SARS疫情分析中的应用

前馈神经网络在非线性系统的建模及控制中有着广阔的应用前景,其中用差商近似代替导数的Powell法是一种高效、快速的学习方法本文采用三层前馈神经网络结构对SARS在中国的传播与流行趋势及控制策略建立了网络模型.并利用Powell学习方法,针对北京、山西的疫情进行了计算仿真.结果表明,该网络模型算法收敛速度较快,预测精度很高.     

机器人系统中操作环境动力学模型研究

研究了机器人操作环境的动力学模型,提出了一种基于径向基函数(RBF)神经网络的机器人系统中环境非线性动力学模型新的建立方法,阐述了其建模机理和算法.结果表明,采用RBF神经网络对机器人系统中的操作环境建模比用BP神经网络有更高的精度,其网络训练速度也大大快于BP神经网络.     

面向目标检测的卷积神经网络优化方法

针对星载等功耗受限平台下遥感影像目标检测存在的高准确率、低功耗以及高吞吐量等要求,本文提出了一种面向目标检测的现场可编程门阵列(FPGA)卷积神经网络(CNN)优化方法.采用数据流调度技术以及基于乘法矩阵与前向加法链的卷积计算阵列设计对浮点卷积神经网络模型进行加速.利用该方法在FPGA开发板上实现了浮点卷积目标检测网络...