基于卷积神经网络的图像语义分割技术

本文阐述了卷积神经网络的基本概念,并基于此引出全卷积神经网络和带孔卷积等卷积神经网络,对其含义、优缺点及其在图像语义分割中的应用进行了进一步的介绍和总结。本文阐述了卷积神经网络的基本概念,并基于此引出全卷积神经网络和带孔卷积等卷积神经网络,对其含义、优缺点及其在图像语义分割中的应用进行了进一步的介绍和总结。     

基于粒子群优化的反向传播神经网络算法在建筑物沉降预测中的应用

神经网络具有结构简单,鲁棒性强,能够逼近任意函数的非线性映射能力,在多个领域得到了广泛应用。但其梯度下降法容易陷入局部最优,训练效率较低。采用粒子群算法(PSO)对BP神经网络进行改进,利用粒子群算法为BP神经网络提供精确的全局搜索能力,提高其训练效率和预测精度。基于建筑物实际沉降观测数据,对BP神经网络和PSO-BP神经网络进行对比分析。结果表明,PSO-BP神经网络的训练效果获得了较大提升,预测精度提升了约61%,预测结果明显优于传统BP神经网络。     

基于神经网络纳米海工混凝土电阻率预测

为探究神经网络对混凝土电阻率预测的可行性,文中通过wenner四电极法测量Cl-侵蚀和干湿循环耦合作用下纳米混凝土的电阻率,利用BP神经网络和Elman神经网络对电阻率测量结果进行预测。预测结果表明,BP神经网络的预测效果要优于Elman神经网络,BP神经网络的预测误差更低,其输入和输出变量之间的相关性更强,在混凝土相关研究中利用神经网络具有一定的实用性。     

结构可靠度分析的全局响应面法研究

对功能函数不能明确表达的可靠度分析问题,常采用响应面法。本文提出把响应面区分为局部响应面和全局响应面。常用的二次多项式响应面及常规的神经网络响应面均属于局部响应面,其仅在验算点附近(±σ)处与真实极限状态曲面符合较好。本文提出的全局神经网络及模糊神经网络响应面、改进全局神经网络及模糊神经网络响应面则属于全局响应面,其在全局范围均与真实极限状态曲面符合良好,故其对全局有较好预测效果。文中对以上各种响应面法计算效果及其对全局预测效果通过算例进行了对比分析,其中改进全局神经网络及模糊神经网络响应面法计算精度较好,进行有限元分析次数最少,该方法用于大型复杂结构的可靠度分析,可相应提高工作效率和解题质量。     

基于神经网络的短时道路交通流预测研究综述

短时交通流预测是可以为交通流诱导提供理论支撑,能够有效缓解交通拥挤,节约出行成本。神经网络在目前已有几十种不同的模型,每个模型都有其不同的优缺点。本文主要综述了常用的BP神经网络模型、小波神经网络、RBF神经网络、广义回归神经网络研究现状,为后续开展更深入的短时道路交通预测研究工作提供一定的借鉴意义。     

基于模糊神经网络的铣床热误差预测模型研究

当前,铣床主轴加工产品容易受到热误差的影响,造成产品精度下降。对此,采用模糊神经网络模型预测铣床主轴热误差,并对预测结果进行比较和分析。建立神经网络径向基函数的表达式,给出了模糊推理系统和控制规则,创建了模糊RBF神经网络预测模型,对铣床主轴进行热误差验证。结果显示:铣床主轴采用RBF神经网络模型预测误差较大,其Y轴和Z轴输出最大误差分别为5.9μm和7.1μm;铣床主轴采用模糊RBF神经网络模型预测误差较小,其Y轴和Z轴输出最大误差分别为3.5μm和2.9μm。同时,模糊RBF神经网络模型预测误差跳动幅度较小。采用模糊RBF神经网络预测模型,可以补偿铣床运行时产生的热误差,提高铣床主轴加工精度。     

基于小波神经网络的拦渣坝变形分析研究

本文介绍了小波分析与神经网络有机结合的小波神经网络的基本原理,并将其应用于某大型拦渣坝变形监测实例中,通过将所建立的模型与常规BP神经网络训练和预测结果的比较,可以看出小波神经网络在拦渣坝的变形预测中具有收敛速度快、预测精度高的特点。     

基于遗传神经网络的桁架损伤诊断

介绍了BP神经网络应用于损伤诊断时的局限性,将全局寻优能力很强的遗传算法作为其改进算法来优化神经网络的初始权值和阈值,并将改进的遗传神经网络应用于桁架结构的损伤诊断,数值模拟试验证实了方法的有效性。     

基于SSA-PNN的矿井提升机主轴装置故障诊断

对于矿井提升机来说,主轴装置是其核心,它能否正常运行关系着整个矿井提升机的工作进程,应用概率神经网络可以有效地进行矿井提升机的故障诊断,但是传统概率神经网络存在平滑因子具有主观性的缺点。针对这个不足,文章引入樽海鞘群算法对其进行优化,提出了樽海鞘群算法优化的概率神经网络(SSA-PNN)的主轴装置故障诊断。实验表明,SSA-PNN与遗传算法、BP神经网络相比,能够更加准确、快速地进行分类,实现对矿井提升机主轴装置案例已知故障的有效诊断。     

基于FA-NAR动态神经网络的隧洞围岩变形时序预测研究

针对隧洞围岩变形动态性、对时间和空间的敏感性、非线性、高度复杂性等特征,为提高围岩变形预测精度,采用萤火虫算法(FA)搜索确定延时阶数和隐含层单元个数,并利用非线性自回归(NAR)动态神经网络进行预测,提出基于FA-NAR动态神经网络的隧洞围岩变形预测模型,结合北山坑探设施围岩变形监测数据进行预测,并将其与BP神经网络算法预测结果对比分析。结果表明:(1) FA-NAR动态神经网络的预测值与实测值基本吻合,其产生的平均绝对误差和平均相对误差分别约为BP神经网络的1/5和1/4,表明FA-NAR动态神经网络算法模型比BP神经网络算法模型预测精度高;(2)采用FA-NAR动态神经网络算法模型能够很好地解决围岩变形预测问题,既减少了人为输入网络参数的盲目性,又提高了网络的学习能力和预测精度。     

基于神经网络的混凝土强度预测

在传统预测混凝土强度的基础上,提出一种基于人工智能的新的预测方法,建立了两种神经网络模型:BP神经网络和RBF神经网络,实现了从新拌混凝土成分及其特性到硬化后混凝土强度之间的复杂的非线性映射。通过对试验数据的学习,网络结构可以早期预测混凝土28d抗压强度。另外,还利用BP神经网络模拟分析了混凝土成分质和量的变化对抗压强度的影响,其结果符合已知的经典混凝土强度变化规律,表明神经网络模型具有较高的精度和较强的泛化能力。     

基于BP神经网络的工程造价快速估算模型

快速、准确地进行工程造价估算对控制工程成本具有重要的现实意义。根据神经网络原理和对工程特征的分析,确定了6个工程特征类目作为神经网络的输入向量,提出了基于BP神经网络的工程造价快速估算模型,并选取已建住宅工程为估价实例。经验算,其精度可以满足实际工程投资估算和设计概算的需要。因此,用BP神经网络快速估算工程造价是行之有效的。     

神经网络BP算法在工程估价中的运用

先简要的介绍了神经网络和BP算法,提出了其优点和缺点,利用神经网络方法建立了数学模型,同时运用模拟软件对该数据进行分析,验证了该模型的可行性,得出神经网络在估价方面的应用存在很大的利用空间.     

基于神经网络的混凝土强度预测

在传统预测混凝土强度的基础上,提出一种基于人工智能的新的预测方法,建立了两种神经网络模型：BP神经网络和RBF神经网络,实现了从新拌混凝土成分及其特性到硬化后混凝土强度之间的复杂的非线性映射。通过对试验数据的学习,网络结构可以早期预测混凝土28d抗压强度。另外,还利用BP神经网络模拟分析了混凝土成分质和量的变化对抗压强度的影响,其结果符合已知的经典混凝土强度变化规律,表明神经网络模型具有较高的精度和较强的泛化能力。     

结合神经网络的热泵冷凝器模型优化

本文采用了按照制冷剂状态来划分分布参数模型微元的方法,建立了冷凝器的稳态分布参数模型,并将其计算结果与实验数据做了验证。在此基础上建立了和稳态模型相结合的BP神经网络和RBF神经网络模型,通过神经网络对稳态模型进行修正,有效地提高了冷凝器仿真模型在热泵系统中的仿真精度,并比较了用两种神经网络模型进行校正的差异。     

探讨应用神经网络技术解决岩土工程问题的可行性

随着社会发展和科技进步,传统方法,比如数学建模方式,在解决复杂的岩石工程时已经不能完全适应。应用神经网络技术作为新的解决岩石工程方法由于其特殊的人工智能和良好的预测性,日益受到业内重视。本文将从神经网络特征入手,讨论应用神经网络技术解决岩土工程问题的可行性。     

基于模糊神经网络的供热负荷预测

为了克服传统BP神经网络预测精度差,易陷入局部极值的缺陷,提出了模糊神经网络系统。利用模糊粗糙集通过历史负荷数据信息的模糊化替代负荷变化的离散化,快速寻找出样本数据间的连续属性的信息,将其与传统BP神经网络结合组成模糊神经网络对热负荷进行预测。实验结果表明:该模糊神经网络预测结果的相对误差很小不超过2%,在短期负荷预测方面具有的优越性。     

混凝土强度预测的混合神经网络模型

针对由于混凝土配方的多样性,直接利用神经网络模型对其进行强度预测存在精度差和收敛差的缺点,采用多种神经网络模型相结合的方法,建立了混凝土强度预测的混合神经网络模型。模型的建立主要包括以下三个过程:(1)建立混凝土强度影响参数样本数据库;(2)利用自组织神经网络对样本数据分类;(3)以混凝土原材料和制作工艺为输入参数,混凝土最终性能为输出参数,训练双并联神经网络模型。通过实例验证了模型的可靠性。     

蓄冰空调的神经网络预测控制研究

介绍了用于蓄冰空调的神经网络基本原理，并以工程实例分析比较了在冷机优先控制和神经网络预测控制下蓄冰空调的运行状态及运行费用，指出神经网络预测控制可使蓄冰空调更有效地发挥其潜力。     

神经网络应用于工程机械故障诊断的研究

神经网络的数学算法可将样本的输入输出转变为非线性优化算法。工程机械由若干系统组成,其神经网络的故障诊断器由相应的故障分类器构成,利用判决规则进行故障判断。