基于无人机巡检图像的绝缘子串实时定位研究

针对无人机巡检输电线路图像中存在绝缘子串定位难点,笔者在分析散射变换原理和卷积神经网络(CNN)的基础上,通过低通滤波器作散射系数处理,结合Gram矩阵法来降低绝缘子串背景信息的噪声干扰,以增强低频系数的边缘纹理特征,结合SSD网络框架实现了CNN对绝缘子串实时定位计算的高效性。实验结果表明:该方法在保证实时计算的前提下,与传统SSD网络框架相比,召回率和交并比分别提升了1. 04%和1. 38%。     

基于PNN神经网络的地下水水质评价及应用

概率神经网络是一种训练速度快、网络稳定、应用相当广泛的人工神经网络方法,它通过利用线性学习算法来解决非线性问题,在模式识别的分类问题中得到了广泛的应用。本文在阐述概率神经网络(PNN)原理的基础上,以我国地下水环境质量标准(GB/T14848-93)为训练样本,建立概率神经网络(PNN)模型,并将该网络模型运用于地下水水质评价。通过与灰色聚类法、模糊评判法和指标分类法比较,验证了该模型更为准确、可靠。     

高速公路沉降预测神经网络法应用研究

提出了改进的BP神经网络模型 ,把它应用到软基高速公路的沉降预测中 ,提出了两种构造神经网络训练样本基本思路 ,并分别进行了计算和对比 ,指出了各自的优、缺点。结果表明改进的BP网络模型比较稳健、收敛快 ,而且根据时间与对应的沉降量形成的样本训练的网络预测出的沉降误差小、精度高。     

人工神经网络在结构控制中的应用

对人工神经网络在结构控制中的应用做了综合评述。介绍了神经网络的控制原理,总结了结构控制中常见的网络模型,阐述了人工神经网络在结构控制中的应用情况,并对未来的发展方向进行了展望。     

改进的模糊Modular神经网络在既有建筑可靠性鉴定中的应用

在Takagi-Sugeno模糊逻辑系统的基础上,提出了改进的模糊Modular神经网络模型(IFMNN),并将该模型应用于既有建筑的可靠性鉴定.改进的模型是将传统的模糊Modular神经网络模型中的单输出改进为多输出.这种改进的多输入多输出的模糊Modular神经网络模型具有预测性能好、训练学习速度快的优点,它的系统门网络采用模糊C均值聚类算法代替K-means算法,专家网络的训练中引进了先进的Levenberg-Marquardt算法.在应用改进的模糊Modular神经网络模型对既有建筑进行可靠性鉴定的过程中,综合考虑了各主要因素对既有建筑可靠性鉴定等级的影响,并将经量化处理的影响因素作为网络的外部输入,将网络计算得到的4个输出值分别作为样本对应于不同可靠性等级的隶属度,建筑可靠性鉴定的最终评判等级为最大隶属度所对应的等级.训练和预测样本的计算结果证明了改进的模糊Modular神经网络模型在既有建筑可靠性鉴定中应用的可行性和有效性.     

基于IM-GA-BPNN的网络入侵检测算法设计

为了提高网络入侵检测系统的检测率、实时性和误报率,实现对网络进行有效的入侵检测,设计了一种基于免疫遗传算法和BP神经网络的网络入侵检测方法,首先建立四层的网络模型,采用训练数据对BP神经网络进行训练;为了进一步优化参数,通过免疫遗传算法对神经网络的参数进行优化,通过个体的复制、选择、交叉和变异来提高解的多样性,实现最优参数的求解。将KDD99 CUP入侵检测数据库中的数据作为仿真数据实验,将所提的模型IM-GA-BPNN与其它方法如BPNN、PCA-NN和PCA-PSO-NN进行比较,结果表明所提模型具有最高的检测率,同时具有检测效率高的优点。     

基于神经网络的结构地震反应仿真研究进展

总结了利用神经网络进行结构地震反应仿真的研究进展,针对线性结构地震仿真的网络模型选择、网络结构确定及仿真精度控制等关键问题进行了探讨并提出了建议,指出了非线性结构地震反应仿真研究所面临的主要问题及解决方向。     

基于自适应集成神经网络的火灾预测方法

针对传统火灾预测方法存在误报和漏报的问题,提出了一种基于自适应集成神经网络的火灾预测方法。首先,在信息层采用速率检测算法将不同类型传感器检测到的奇异数据输入到网络模型中。其次,在特征层采用长短期记忆网络（LSTM）和径向基前馈神经网络（RBF-BPNN）构建集成网络学习不同输入参数下的火灾特征,最后,在决策层设计模糊逻辑控制系统推理输出火灾报警等级。实验结果表明,该方法具有更高的预测精度。     

基于深度学习的绝缘子精确识别

针对大量高分辨率的无人机航拍影像中自爆绝缘子的检测问题,提出一种基于SSD检测网络改进的MFPSSD网络(Multidirectional Feature Pyramid Single Shot Detector,MFPSSD),实现绝缘子目标的精确识别.第一,利用K-means算法对训练数据进行聚类分析得到绝缘子数据集中的样本形状分布特征,然后设置默认框参数.第二,将多向特征金字塔结构引入SSD目标检测算法,实现低层网络与高层网络的多向连接,有效将底层信息与高层信息进行特征融合.实验结果表明,与SSD、Faster R-CNN等算法相比较,MFPSSD目标检测算法在检测速度和检测精度两方面性能更好.     

应用GRNN网络预测高强混凝土强度

为了更好地解决混凝土强度的预测问题,提出了应用GRNN(广义回归网络)预测混凝土28d强度的方法。该网络是建立在数理统计基础之上的一种新型的神经网络,能够综合考虑影响混凝土强度的各种因素,具有良好的函数逼近效果。利用试验所得数据,建立了GRNN网络模型和BP网络模型,并对两种网络进行了比较。