基于优化小波神经网络的宏观经济预测技术研究

一个国家或地区的未来宏观经济走势是实时变化的,且受到许多干扰因素的影响。传统的预测方法无法有效解决此类非线性系统的准确预估问题,因此提出一种基于优化小波神经网络的宏观经济预测方法。不同于现有的BP网络预测模型,采用小波神经网络模型进行宏观经济预测。此外,采用智能群体算法中的狼群算法对小波神经网络模型的权值进行优化。采用归一化后的某省份经济数据对提出的模型进行学习训练。预测结果表明,相比BP提出方法具有更高的准确性。     

群智能算法优化神经网络在网络安全的应用研究

网络安全是当前网络管理领域研究中的重点,针对BP神经网络的阈值和连接权值优化问题,提出一种群智能算法优化BP神经网络参数的方法,并将其应用于网络安全.首先对群智能算法中的生物地理学算法进行改进,加快其收敛速度,然后采用改进生物地理学算法择BP神经网络的阈值和连接权值,最后采用网络入侵数据集对其有效性和优越性进行测试.结果表明,生物地理学算法可以快速找到BP神经网络的最优阈值和连接权值,提高了网络入侵检测的正确率,可以有效的保护网络系统的安全.     

共轭梯度BP算法在Matlab 7.0中的实现

应用Matlab 7.0中神经网络工具箱建立BP神经网络的最优化求解方法,采用共轭梯度法对网络的权值和阚值进行优化计算,实现网络权值和阈值的快速计算,为分析神经网络的合理结构提供了必要条件.对BP神经网络的传统梯度下降法与共轭梯度算法进行了仿真.这里通过对算法的训练速度,容错泛化能力等方面加以讨论,多方面印证共轭梯度算法的优越性,仿真结果凸显了训练速度的大幅提高,尤其对训练后网络受损情况下的泛化能力,采用线性回归的方法进行了仿真验证,同样得到满意结果,从新的角度支持了共轭梯度BP算法.     

基于遗传算法优化BP神经网络雾霾预测模型的研究

对BP神经网络雾霾预测模型误差较大的问题,提出用遗传算法优化BP网络雾霾预测的方法,通过遗传算法对BP网络雾霾预测模型的权值和阈值的优化,然后用优化后的BP神经网络对实际的数据进行预测,实验表明:遗传算法优化BP网络雾霾模型具有更高的预测精度。     

基于GA优化RBF网络的焦炭质量模型

文章提出了一种基于遗传算法(GA)优化径向基函数(RBF)神经网络的焦炭质量预测模型。RBF网络存在两个关键问题：一是如何确定隐含层中心,而是如何调整网络权值。本文通过减聚类算法确定RBF网络基函数的中心数目,应用遗传算法对RBF网络权值进行优化。主要对焦炭的抗碎强度、耐磨强度、反应性指数和反应后强度使用GA优化RBF神经网络预测。结果表明该模型有较强适应性,同时能保证较高的预测精度,具有一定的实用价值。     

基于混沌免疫遗传算法的神经网络及应用

借助混沌随机序列构造初始种群,将免疫机制引入传统遗传进化过程,有效克服传统遗传算法种群“退化”和“早熟”的不足,保持种群多样性,构造得到混沌免疫遗传优化算法。进而将混沌免疫遗传优化算法与BP神经网络相结合,分别用混沌免疫遗传优化算法和自适应BP算法对网络权值进行全局优化和局部二次优化,建立基于混沌免疫遗传算法的神经网络模型。利用所建立的混合神经网络模型对渤海某海域年极值冰厚进行训练预测,并将模型预测结果与实际数据以及动态拓扑预测的结果进行对比,表日周基于混沌免疫遗传算法的神经网络模型具有很高的预测精度和工程适用性。     

基于遗传算法优化BP神经网络模型的风电功率预测

风电功率预测为电网规划提供重要的依据,研究风电功率预测方法对电网安全稳定运行下接纳更多的风电具有重要的意义.针对神经网络在风电功率预测中结构和权值参数难以确定,预测精度低等问题,提出利用遗传算法对BP神经网络的拓扑结构和网络权值进行优化,并将其应用于风电场功率预测.最后采用平均百分比误差、均方根误差、准确率和合格率评价...     

遗传算法优化BP神经网络的大功率LED结温预测

将遗传算法(GA)与BP神经网络相结合,对研发的120W LED双进双出的射流冲击水冷散热系统中LED阵列的结温进行预测。采用GA优化BP网络的权值和阈值,利用BP算法训练网络,改善了单独使用BP网络容易陷入局部极小值和收敛速度慢的缺点。并且在训练过程中为了使网络输出有足够长的空间,改进了GA的数据处理。结果表明,经GA优化的BP神经网络较使用Levenberg-Marquardt(LM)算法优化的BP神经网络的大功率LED结温预测精确度提高了14.14%,且预测效果较稳定。GA和BP神经网络相结合的结温预测模型较传统的结温测量方法更能掌握散热结构设计的主动性,对大功率LED寿命的延长有较高的实用价值。     

基于遗传算法优化神经网络的藻类繁殖状态软测量方法

为了提高BP神经网络模型对海洋藻类生长状态软测量的准确性,提出了一种基于遗传优化算法优化BP神经网络的软测量方法.利用遗传算法优化BP神经网络的权值和阈值,然后训练BP神经网络预测模型以求得最优解,再将该预测结果与传统BP网络预测模型的预测结果进行对比.对仿真结果进行有效性验证后,结果表明,通过这种软测量方法,经遗传算法优化后的BP神经网络可以在更短的时间里创造更高的预测准确性,大大提高了对海洋藻类生长状态预测的效率.     

基于改进PSO-BP神经网络的回弹预测研究

在V形自由折弯中,准确地预测板料回弹,有利于实际生产中精确地控制回弹以提高生产效率。由于板料回弹的影响因素众多,呈现出复杂的非线性变化特征,采用传统的BP神经网络难以满足高精度的预测要求,因此为了进一步有效预测板料的回弹,提出基于改进粒子群算法优化的BP神经网络预测模型。对标准粒子群算法的缺陷进行改进,利用改进粒子群算法的全局搜索能力对BP神经网络的权值和阈值进行优化求解,提高了BP神经网络预测模型的收敛精度和泛化能力。将改进PSO-BP神经网络预测模型应用在板料回弹预测中,并与LM-BP神经网络预测模型进行对比仿真,结果表明改进PSO-BP神经网络预测模型具有更高的非线性拟合优度和预测精度。     

用于电磁兼容预测的函数链神经网络

为了解决传统BP神经网络的电磁兼容性预测方法存在易于局部收敛的问题,提出了一种基于模糊测度的函数链神经网络。该网络通过函数链将初始权重扩展到更高维度上,在实现传统BP网络多层感知的功能同时,计算过程仅为单层运算,因以收敛速度比多层的BP神经网络更快,解决了网络在解决非线性问题时,收敛于局部最小的问题。实验结果表明,提出的基于模糊测度的函数链神经网络在预测电磁兼容性方面更加精确。     

汽车电磁仿真技术与应用

随着汽车智能化和网联化的发展,对汽车电磁兼容（electromagnetic compatibility,EMC）设计提出了更高的要求.在这一背景下,需要加快提升汽车EMC仿真预测的设计方法和手段,将电磁仿真预测融入整车开发过程中,减少后期整改的时间和成本,以适应新趋势所提出的EMC需求.本文主要介绍了汽车电磁仿真国内外的发展现状,对基于FEKO软件的汽车电磁仿真方法、仿真过程中发现的问题进行了阐述.     

基于优化GA-BP神经网络的金融产品营销预测

传统BP神经网络存在着网络结构参数确定过于依赖经验、易于陷入局部解等缺陷,为了改进BP神经网络模型的应用缺陷,提出优化GA-BP算法,通过GA算法优化BP神经网络拓扑结构和网络参数初始值的选取过程,并且为了验证模型的可行性,以某银行短期理财产品营销的客户历史数据作为实证研究对象,并通过与BP神经网络模型的对比实验,验证该模型可以更精确地预测银行理财产品的客户营销结果。实验结果表明将该模型用于对金融产品营销数据的仿真计算,可以更精确地预测未来营销结果。     

基于LMBP神经网络的MCM布局电磁场预测模型

通信微波多芯片组件(MCM)内不合理的芯片布局将会导致电磁干扰加剧。对具有不同布局的MCM多层布线基板的电磁场进行了仿真分析,并以仿真分析结果作为样本数据,建立了基于LMBP神经网络的MCM布局电磁场预测模型,然后用该模型对两种单面芯片布局下的MCM的坡印廷矢量数值进行了预测。结果显示,MCM电磁场的仿真与模型预测差值分别为0.332e–7W/m2和0.263e–7W/m2,证明了该预测模型的可用性。     

多功能电子系统电磁兼容任务调度方法

针对多功能电子系统射频任务的电磁兼容问题,在分析电磁干扰原因的基础上,建立了任务调度的电磁兼容层次分析模型,设计了多功能电子系统电磁兼容任务调度算法,算法采用空域、频域、时域多维层次分析方式,有效地实现了任务间的电磁兼容。最后分析了算法的任务结束时间和任务丢失率,并与传统的任务调度算法进行了比较分析,结果表明,文中设计的电磁兼容调度算法,在解决任务调度电磁兼容问题上具有一定的有效性和优越性。     

一种基于复数残差网络的通信辐射源个体识别方法

在复杂电磁环境的通信辐射源个体识别任务中,针对传统特征提取识别方法分类效果不佳和低信噪比环境下基于实数神经网络的方法识别准确率不高的问题,本文提出了一种基于复数残差网络的通信辐射源个体识别方法。将实际采集的I路和Q路电台数据组合成复数作为输入,根据电台数据集特点选取复数初始化方法、复数激活函数,以改进的复数残差块为基础构建复数残差网络,进一步调整和优化网络结构并运用到辐射源个体识别任务中。通过实验证明,相比于实数残差网络和人工特征提取方法,复数残差网络的性能更优,并且在低信噪比的条件下,基于复数残差网络的方法鲁棒性更强。      

一种基于神经网络的微波器件快速建模方法北大核心CSCD

随着微波器件结构复杂度的增长和产品性能要求的提高,微波器件建模不仅要能够描述其理想电磁特性,还要能快速准确反映多物理参数对器件性能的影响。虽然神经网络已经被引入到微波器件领域,但是将其应用于器件的多物理特性建模的研究还比较少。文章提出了一种基于人工神经网络的多物理参数建模方法来表示输入输出变量之间的非线性关系。提出了一种高效的神经网络多物理参数模型,并针对该模型引入了一种新的训练算法。所提出的模型可以快速准确地预测微波器件的多物理响应,如滤波器的S参数特性曲线、离子敏感场效应晶体管的输出特性曲线等。与有限元方法相比,此方法可以节省约98%的计算成本与99%的计算时间,为实现快速高效的微波器件行为级建模提供一种可行方法。     

基于神经网络MIV算法的烟叶加料均匀性预测分析

为了预测分析不同工况下烟叶加料的均匀性,文中提出一种基于神经网络MIV算法的烟叶加料工艺参数优化方法。通过对烟叶加料的工艺参数进行神经网络训练,利用MIV计算出各参数与加料均匀性的相关性,确定影响加料均匀性的关键工艺指标。文中进行了相应的试验证明,结果显示相对误差被控制在5%以内。由此结果推出影响加料均匀性的关键工艺指标为:排潮开度、工艺流量、气体压力及料液流量。其中,排潮开度、工业流量及料液流量与加料均匀性负相关,气体压力与加料均匀性正相关;经过MIV进行变量剔除的神经网络的预测性较好。     

基于卷积神经网络的色散介质电磁参数重构

色散介质的经验模型适合描述等离子体、水、生物肌体组织等媒介。为了反演色散媒介的电磁参数,提出一种基于卷积神经网络的色散介质电磁参数反演方法。在电磁参数反演的过程中,利用前向算法获得色散介质的散射电场,反演算法通过卷积神经网络将原逆散射问题转化为一个回归估计问题。提取不同频率TM波照射下色散介质的散射电场值的实部和虚部作为样本信息并作为卷积神经网络的输入,色散介质电磁参数作为输出,经过适当的训练,重构出自由空间中色散介质圆柱体电磁参数。经过与BP神经网络反演结果的比较,验证了该方法的有效性及准确性。     

基于测量数据的电磁环境分析软件开发

为了掌握电磁环境现状及发展趋势,提高电子信息系统的运用效率,采用数理统计和神经网络算法,对电磁环境测量数据进行归纳和总结。开发了电磁环境分析及预测软件,提供了关键电磁参数的建模方法,实现了对特定区域电磁环境发展变化情况的预测,为电子信息系统应对复杂电磁环境挑战提供了技术支撑。