优化神经网络在多传感器火灾探测中的应用

针对BP神经网络在拟合过程中探测精度低、容易陷入局部最优的问题,提出一种基于遗传算法（GA）和模拟退火算法（SA）共同改进的BP神经网络模型,该网络模型可以有效提高火灾识别准确率,同时避免网络过拟合现象,使预测结果跳出局部最优从而达到全局最优。首先,通过GA改进隐藏层结构部分,然后通过SA改进连接权重部分,最后利用优化后的GA-SA-BP模型对火灾实验数据进行信息融合实现火灾探测。实验研究表明,对比单一BP神经网络,经GA和SA改进后的BP神经网络能够有效改善网络拟合能力,并提升火灾探测精度至98.91%。     

基于神经网络算法的多参数火灾探测系统设计

为进一步拓宽神经网络算法在火灾探测领域的应用,利用以阴燃火、明火和无火发生概率作为输出结果的国家标准火实验数据,在MATLAB平台上训练了一个多层BP神经网络,此网络对于测试集样本拟合的决定性系数均达到了0.95以上.以AT89C52为主控芯片,在Proteus中设计出了一种能满足火灾探测目的的仿真电路图.通过将训练好...     

PSO优化ELM在火灾探测中的应用

为提高火灾探测精度,避免标准ELM陷入局部最优,本文基于火灾特征值CO浓度、烟雾浓度、温度建构了一种基于粒子群(PSO)优化极限学习机(ELM)的火灾探测模型,通过PSO优化ELM输入层与隐含层权值以及偏置,利用最优值进行极限学习机网络训练,将训练好的网络对测试样本进行预测并验证方法有效性.研究显示,PSO-ELM的均...     

神经网络智能算法在火灾探测中的应用

本文分析了神经网络理论在火灾探测算法中的实际应用,力图寻找出一种有效的方法,并通过建立火灾专家数据库,实现误报少、报警速度快的一种火灾报警算法。     

基于GA的BP神经网络在砂土液化评价中的应用

BP神经网络是一种应用面较广的神经网络,但存在明显缺陷:学习收敛速度慢,易陷入局部极小。遗传算法具有良好的搜索全局最优解的能力。在探讨训练样本选取的基础上,耦合遗传算法和BP神经网络构建了遗传网络并应用于砂土液化的评价,通过与动量梯度下降算法改进的BP神经网络对比,表明了基于遗传算法的BP神经网络在砂土液化评价中的优越性。     

模糊逻辑和神经网络理论在智能火灾探测报警系统中的应用

本文主要论述了智能火灾探测报警系统的三种智能分配方式及神经网络模式，并对模糊逻辑在火灾判断中的应用进行了探讨     

通过神经网络模型实现火灾图像跟踪探测

采用神经网络模型进行火灾图像数据处理的跟踪检测,建立数据处理的算法模型和火灾轮廓的识别跟踪结构,在图像处理过程中得出火灾火焰的尖角数目会因时间随机变化,采用MATLAB进行数据实验验证了算法可以保证火灾探测的正确性。实际应用效果表明,运用BP神经网络算法可以较好地实现火灾探测。这一研究为火灾探测提供了一个具有良好的适应性以及抵抗内外界干扰的能力的方法。     

多传感元件火灾探测技术

多传感元件火灾探测技术引言早期火灾自动探测系统的目的是早期发现真实的火灾，而对其它类似火灾的现象能够区别开来。火灾探测技术的应用，将使人们在火灾初期阶段尽早逃生或减少生命财产损失。多传感元件火灾探测器是智能型的装置，使用三种不同类型传感元件的探测器记...     

基于GA—BP神经网络的大型公共建筑能耗预测研究

针对大型公共建筑高能耗问题,将影响能耗的因素进行定量与定性分析,提出了遗传算法和神经网络相结合的大型公共建筑能耗预测模型。采用GA算法优化BP神经网络的权值和阈值的方法对大型公建能耗预测模型进行分析,并结合实例验证了该模型的有效性。结果表明：较传统的BP神经网络,该模型能更准确地预测大型公共建筑能耗,并且为其确保用能定额和节能工作的开展提供了科学依据。     

基于GA改进BP神经网络的建设工程投标报价研究

在建设工程项目投标报价过程中,如何来确定标高金直接关系到承包商能否中标和盈利以及施工企业今后的生存与发展。提出基于遗传算法(GA)优化BP神经网络的标高金预测方法。在分析BP神经网络基本原理的基础上,主要阐述了如何应用遗传算法来改进BP神经网络收敛速度慢和易于陷入极小值等缺点。对BP神经网络模型隐含层节点数进行优选后,建立起GA改进BP神经网络的标高金预测模型;最后应用该模型和一般BP神经网络模型对20个典型国际工程实例的标高金进行计算和预测。计算结果对比发现,经遗传算法改进后的BP神经网络模型在降低计算和预测平均误差的同时,迭代次数比一般BP神经网络模型也大大减少了。因此,该模型适用于求解如建设工程投标报价等非线性问题。     

改进遗传神经网络的大坝渗流监测模型

在对遗传算法的适应度函数改进并修改选择方法的基础上,用改进的遗传算法优化BP神经网络权值,提出一种改进遗传神经网络的大坝渗流监测模型。结合实例分析表明:预测模型合理,训练精度与检测性能得到提高。     

基于遗传算法的BP神经网络在高程拟合中的应用

针对传统BP神经网络难以选取具有全局性的初始点的缺点,使用改进的遗传算法全局搜索优化神经网络各层之间的连接权和阈值,提高了BP神经网络的收敛速度和泛化能力。结合高程拟合算例进行训练检验,证明该方法是一种改进BP神经网络的有效方法。     

基于微粒群算法和模糊神经网络的火灾探测研究

针对火灾探测的特点,将模糊系统和神经网络有机结合,实现模糊系统设计参数的自动调整。采用符合国家标准明火、阴燃火以及厨房环境下的干扰火等作为模糊神经网络的训练样本和测试样本,依据模糊神经网络算法要求,完成了网络结构的设计,并给出相应的计算模型,利用微粒群算法对网络的权值进行学习与训练。结果表明,该算法在探测国家标准火的火灾状态方面具有有效性和可行性。     

遗传算法BP神经网络在隧洞围岩分类中的应用

针对目前神经网络训练易陷入局部极小点问题，用遗传算法优化神经网络的连接权，并在遗传进化过程中采取保留最优个体的策略，建立了基于遗传算法的BP神经网络的模型，并应用于解决水工隧洞围岩分类这一非线性和不确定性较大的实际问题，证明了这种方法是科学可行的。     

无黏性管涌型土的BP神经网络判别法研究

运用基于Matlab的神经网络工具箱(NNT)建立无黏性管涌型土的预测模型,并分别以试验数据为研究对象,运用BP神经网络模型对该段土样的渗透破坏形式进行预测。预测结果与规范及试验所得结果相同,说明了基于Matlab的BP神经网络运用于无黏性管涌型土预测的可行性和应用价值。     

遗传算法改进的BP神经网络在GPS高程拟合中的应用

针对BP神经网络收敛速度慢和易于陷入局部极小值的问题,采用将遗传算法全局寻优和BP神经网络局部寻优相结合的方法,优化神经网络各层之间的连接权和阈值,提高了BP神经网络的计算精度、收敛速度和泛化能力。本文论述了遗传算法的基本思想、实现过程,并对高程拟合算例进行训练检验,实验结果表明,遗传算法改进的BP神经网络进行GPS高程拟合是可行的,能够有效地提高BP神经网络的拟合精度。