基于曲面形状误差的多层前向神经网络快速训练

如何显著提高多层前向神经网络训练速度一直是国内外共同关注的一个问题，而解决这个问题的关键在于充分了解导致现有网络训练算法训练效率低的根本原因．文中首先提出了网络输出函数的曲面形状误差和偏移误差的概念，并将指导网络训练的平方和误差分解为这两种误差，进而分析了这两种误差的主要特性，给出了导致现有算法网络训练效率低的主要原因，最后提出了新的网络训练误差模型和具体的网络训练算法．典型实例计算结果表明，与目前常用的网络训练算法相比，该文所提出的算法可显著减少网络训练时间。     

基于回归神经网络误差配准算法的仿真实现

在网络系统优化问题的研究中,目前广泛使用的BP网络模型不能保证收敛到全局最小点,这给网络传输带来误差.为消除网络误差,提高收敛速度,在BP网络加入反馈信号生成内部递归神经网络的误差配准算法.算法在内部递归神经网络引入上次输出的结果,加入先验知识,提高了收敛速度.同时文中对有偏差单元的递归神经网络的误差反向传播学习规则进行了推导,使得网络的累积误差不大于要求值.通过民用航空领域雷达网系统仿真数据仿真表明,算法在消除雷达网系统误差、提高目标精度,对网络系统优化可以取得较好的效果.     

对弧进行删除的Bayes网络近似方法

弧的删除是一种对Bayes网络模型进行近似的方法。文中以Kullback-Leibler偏差作为近似网络和原网络概率分布误差的测度,给出了近似网络在此测度意义下的最优参数。同时,也给出了通过对原网络删除多条弧进行近似的启发式算法,当给定一个误差上界时,可以使用此算法寻找满足误差要求的近似网络。     

基于输出层权值解析修正的神经网络有效训练

根据神经网络训练误差对权值的梯度特征分析,提出了网络输出层权值与网络隐含层权值轮换修正的思想,并基于网络输出层权值与网络隐含层权值之间的依赖关系,建立了网络输出层权值解析修正和隐含层权值修正的具体方法,所提出的方法通过提高网络权值修正的准确性而提高网络训练的有效性。根据网络输出节点的输出误差与其总输入误差的关系,提出了进一步提高所获得网络推广性的具体方法。实例计算结果表明,所提出的方法可以显著地提高网络的训练效率,并有效地增强网络推广性。     

用神经网辨识非线性系统中的模型误差分析(I)——函数逼近误差及其对确定性动态系统的影响

讨论Sigmoid型三层前馈网的最佳逼近特性和插值特性,给出了网络实现精确插值的条件;分析了网络逼近误差及运行初始误差对网络模型的影响,指出在一定条件下网络模型输出与实际系统输出相差不大。     

改进的GPC在网络控制系统时延问题中的应用

针对网络控制系统的时延具有随机、时变的特性,常会出现控制效果不理想的问题提出了动态BP网络误差修正的广义预测控制.在BP神经网络中加入误差动态反馈环节,形成动态补偿的神经网络模型,通过动态BP网络建立误差的预测模型,采用误差预测值对传统广义预测控制的输出预测值进行修正.仿真结果表明,将算法应用到时延网络控制系统当中能取得较好的控制效果.     

一种基于误差修正的改进DV-Hop算法

节点定位技术是无线传感器网络中的一项关键技术,针对DV-Hop算法对不规则随机分布网络定位误差较大的问题,提出了一种基于误差修正的改进算法。该算法借鉴差分GPS思想,在DV-Hop算法距离估计阶段,利用信标节点的误差差分修正估计距离;同时充分考虑网络实际,通过多信标误差加权的方式获得估计距离修正值,以提高算法定位精度。通过仿真研究验证了改进算法的有效性。     

基于输出误差与偏导数误差信息融合的神经网络训练

文章首先提出了表示前向神经网的泛化能力的一种度量,分析了提高网络泛化能力的主要途径,进而提出了基于网络输出误差与输出对输入偏导数误差信息融合的网络训练策略,给出了两者信息融合的有效方法和相应网络训练算法。具体应用结果表明所提出算法可显著提高网络的泛化能力。     

用神经网辨识非线性系统中的模型误差分析（Ⅰ）

讨论Ｓｉｇｍｏｉｄ型三层前馈网的最佳逼近特性和插值特性，给出了网络实现精确插值的条件；分析了网络逼近误差及运行初始误差对网络模型的影响，指出在一定条件下网络模型输出与实际系统输出相差不大。     

大规模水下无线传感器网络定位误差抑制研究

通过对水下无线传感器网络定位问题的研究,提出一种适用于大规模的水下无线传感器网络节点自定位协议,并在此基础上提出定位误差抑制算法,有效抑制了误差的积累和传递。NS2仿真结果表明,带误差抑制的定位算法在保证较高定位率的同时,使得定位误差比普通定位算法平均降低了62.8%,提高了整体定位精度。     

一类非线性时变不确定SIMO系统的自适应双网络设计

提出一种新颖的由粗调网络和细调网络构成的自适应双网络设计以消除伺服系统的未知时变不确定性. 粗调网络基于滑动模态控制, 数值逼近和误差补偿技术. 细调网络用于补偿跟踪误差, 由神经网络和基于在线曲线拟合的预测网络构成. 本文提供了详尽的理论分析和实现算法. 与现有方法的仿真比较验证了该设计的有效性.     

TRL校准方法的实现与应用

介绍了目前矢量网络分析仪广泛存在的误差,分析了各项误差的产生机理,针对可修正的系统误差列举了误差校准的方法。详细地推导了针对平面电路的TRL校准方法的算法,制作了TRL校准件,用矢量网络分析仪测量了实际效果,实验结果表明,TRL校准方法有很高的精确度和实用性。     

基于小波神经网络的压力传感器温度补偿方法

介绍了硅压阻式压力传感器温度误差产生的原因及其特点,在比较了多种神经网络优缺点的基础上,提出了一种利用小波神经网络对压力传感器温度误差及非线性误差进行补偿的方法.该网络与BP神经网络相比,具有更快的收敛速度和更好的补偿精度.经过实验证明:该网络能够有效地补偿压力传感器的温度非线性误差,在-40～60℃范围内,使温度误差从原来的5.4%降到了0.2%.     

一种基于误差的径向基神经网络学习方法

提出了一种基于误差的径向基神经网络竞争学习法，它以网络的输出误差为度量，通过竞争调节神经元中心，RLS算法训练网络的权值，并利用IPL算法判断网络神经元的冗余性。仿真结果表明，该算法提高了网络的输出精度，简化了网络结构，其运算速度也较快。     

改进的GPC在基于以太网的网络控制系统时延中的应用

针对基于以太网的网络控制系统(NCS)具有随机时延的特性,提出了将广义预测控制应用于网络控制系统中.为克服模型失配和系统不确定性的影响,基于BP神经网络建立一个误差的预测模型,用误差预测值对输出预测值进行补偿,构建了带误差补偿的广义预测控制算法.实验仿真验证了带误差补偿的广义预测控制在模型失配时具有更好的控制效果.     

无线传感器网络时间同步误差分析*

分析无线传感器网络时间同步(WSNTS)误差,旨在研究影响WSNTS误差的因素,给出WSNTS误差的分布规律.通过研究基于TPSN同步协议的双向报文交换机制,建立了WSNTS误差的数学模型,指出在考虑所有时延的情况下,单跳WSNTS误差仍服从正态分布的规律,同时还给出了多跳WSNTS最大误差的随机过程模型及其期望、方差和上、下限.理论证明和仿真实验表明了结果的正确性,也为无线传感器网络时间同步机制的设计与分析提供了一定的理论依据.     

一种基于水平精对准的阻尼网络设计

研究惯性导航中惯性阻尼器优化设计,在惯导阻尼研究中,针对惯导系统传统阻尼系统存在阻尼网络设计复杂、振荡性误差收敛速度较慢及状态切换产生较大超调误差等问题,为改善阻尼网络效果,提出一种采用初始水平精对准网络的阻尼方案,通过合理设计可调参数进行仿真设计,仿真验证了研究提出的阻尼网络的可行性。仿真结果表明,改进网络能够有效抑制舒拉振荡误差的影响,收敛速度较传统阻尼方法有较大提升,并使网络设计大为简化。同时,改进方法通过引入前馈可调回路,能够快速而有效地抑制无阻尼状态向阻尼状态切换时的超调误差。     

基于蚁群算法的BP网络优化算法

将BP网络的训练误差和检验误差用于引导蚂蚁行经路径上的信息更新机制和选择机制,并据此计算蚂蚁行径中的转移概率;又将蚂蚁行经路径上的存储单元存放的参数值赋予BP网络训练,而存储单元存放的参数和训练误差值亦随BP网络训练误差的调整而改变。通过交互迭代优化,最终得到调整后的BP网络的最佳参数值。数值模拟计算结果表明:与传统的BP算法相比,在达到同一数量级的训练误差情况下,基于蚁群算法优化参数的BP算法训练次数少,而模型的精度高,在一定程度上提高了BP网络的学习能力和泛化能力。     

无线传感器网络TDOA测距误差分析与校正

测距是无线传感器网络定位的基础,基于TDOA的测距有较高的精度;分析现有的基于TDOA的无线传感器网络定位系统与算法,使用基于超声波传感器和无线射频模块的TDOA测距技术,并针对测距过程中存在的误差,提出一种新的误差补偿和校正方法;该方法在对TDOA误差源及其影响行为进行详细分析的基础上,建立了测距误差模型;对影响较大的误差因子给予单独校正,并结合相关数学原理,引入了最小二乘回归,建立了误差校正的方案;实验结果表明,该方法有效地减小了测距误差的影响,从而提高了系统定位精度。     

网络化测试系统中时滞误差的动态补偿

以基于网络的动态测试为研究背景,在无GPS等时钟同步设备的条件下,设计一个基于LMS算法的自适应估计器,对参比系统、被测系统及误差处理器的时钟源同步误差进行在线估计,实现了对网络时延引起的时滞误差的动态补偿。仿真结果表明,该自适应时延估计器能够有效地对时钟源同步误差进行估计,网络化测试系统动态补偿后的总误差比补偿前下降了85％。