排序方式: 共有8条查询结果,搜索用时 15 毫秒
1
1.
针对概率神经网络(PNN)及遗传算法(GA)在变压器内部故障诊断中存在的不足,提出了一种基于粒子群算法(PSO)改进径向基概率神经网络(RBPNN)的故障诊断方法。首先,引入RBPNN,选取反向传播作为学习算法以及油中溶解气体含量比值作为故障特征量。然后,由于该模型受网络结构和初值影响较大,故拟用GA、PSO和改进的PSO对网络优化并测试。通过对比分析,得出改进的PSO在确定拓扑结构、降低误差精度、加快收敛速度和提高预测准确度上更占优势的结论,同时证明了所提方法在故障诊断中的正确性和可行性。 相似文献
2.
3.
4.
结合全矢谱和径向基概率神经网络的优点,提出一种故障诊断的新方法,该方法是以提取全矢幅值谱的特征输入到径向基概率神经网络分类器进行故障识别.试验结果表明,该方法与传统单通道相比故障正确识别率很高,把它应用于旋转机械故障诊断是有效的. 相似文献
5.
6.
本文提出了一种基于径向基概率神经网络的人脸图像识别方法。与传统方法相比,该方法在训练效率和识别率上取得了较大的提高。 相似文献
7.
岩性识别是测井数据解释中最关键的一环,但传统的岩性识别方法解释效率慢,精度低,受人为因素影响大。为此,提出一种遗传优化径向基概率神经网络(RBPNN)的岩性识别方法。该方法融合概率神经网络(PNN)和径向基函数神经网络(RBFNN)的优势来构造RBPNN,采用遗传算法搜索使得RBPNN训练法误差最小的最优隐中心矢量和相匹配的核函数控制参数,优化网络结构,提高收敛速度与精度,形成全结构遗传优化的RBPNN模型。实例应用表明,基于遗传优化RBPNN的岩性识别能够达到工程实际应用的规范标准,且是可行有效的,能够为油田地质勘探领域的岩性识别提供科学的理论支持与依靠。 相似文献
8.
基于RBPNN的退化交通标志图像的识别算法 总被引:1,自引:0,他引:1
为了识别退化的交通标志图像,提出了一种新的特征提取算法。该算法在处理图像退化问题时,采用模糊-仿射联合不变矩直接提取图像的特征,从而避免了需要较大计算量的图像复原处理过程。在利用模糊-仿射联合不变矩作为图像特征的基础上,采用递归正交最小二乘算法优化设计径向基概率神经网络分类器。仿真结果表明:模糊-仿射联合不变矩是一种有效的退化交通标志图像的特征提取算法,所设计的径向基概率神经网络分类器不仅具有精简的结构而且具有较好的推广性能。 相似文献
1