基于非线性偏最小二乘的操作臂逆解算法

操作臂逆运动学问题是机器人控制中的一项重要内容。目前使用较多的神经网络法大多为多输入多输出或者多输入单输出方式,需要大量运算。非线性偏最小二乘法(NLPLS)建立的模型分为内部和外部模型,样本数据经外部模型处理后才用于训练若干个单输入单输出的神经网络。对PUMA560操作臂的仿真试验表明,在相同隐层神经元数的情况下,该算法比普通神经网络法具有更好的预测精度。这也表明,NLPLS只需较少的隐层神经元数就可以达到普通方法的精度,从而减少运算量。     

基于神经网络重力坝损伤识别输入参数的研究

在神经网络识别结构损伤的过程中选取容易得到、识别精度高、损伤敏感性高的参数,损伤识别精度将大大提高。为克服使用单一结构特征物理量作为神经网络输入参数而带来的缺陷,文章以武都水库非溢流坝段为例,利用径向基函数神经网络对重力坝损伤的识别展开研究,提出将结构固有频率和固定点模态分量组合作为输入参数,对比选用不同输入参数的损伤输出信息。结果表明,使用组合参数作为输入参数对重力坝进行损伤位置识别、损伤程度预测是实用可行的。     

BP 神经网络在大豆油酸价近红外光谱检测中的应用

对于大豆四级油,采用BP 神经网络对其近红外光谱数据建模,对系统的结构及参数选取进行了分析,对样本训练集的设计和网络输入端的主因子方面进行了处理。对于其他的多变量建模方法,分析了其对近红外光谱有用信息的提取作用。结果显示：多元线性回归、主成分回归和偏最小二乘法对大豆四级油酸价预测的标准偏差分别为0.1472%、0.1801% 和0.1576%,BP 神经网络的预测标准偏差为0.1387%。     

基于主成分分析、遗传算法和神经网络对啤酒感官评价预测的研究

使用主成分分析、遗传算法和神经网络建立啤酒感官评价模型并预测.该模型先将啤酒中23个理化及风味指标进行主成分分析,再将主成分得分作为输入数据,感官评价得分作为输出数据,使用BP神经网络建立预测模型,并采用遗传算法优化神经网络的权值.用此模型对50种啤酒的感官得分进行预测,预测最大相对误差为16.08%.经过对感官评价的分析,最大相对误差小于20%认为可信.结果表明,该方法能有效地预测啤酒感官评价.     

用BP神经网络预测精纺毛织物后整理质量

通过确定合理的输入层单元数、隐层节点数,以3层BP神经网络建立了原料、纱线和后整理工艺参数与织物质量间的关系,对实际加工工艺进行预测,获得较满意的效果,证明该方法的实用性;同时建立了织物质量与工艺参数间的关系,并对重要工艺参数进行反演预测,为控制生产提供了指导.     

遗传算法优化BP神经网络的纺熔无纺布性能预测

为进一步提高BP神经网络在预测纺熔无纺布性能时的精确度,提出利用遗传算法对前期构建好3层结构的BP神经网络进行优化.使用MATLAB进行网络训练和预测,结果表明,当遗传算法优化后,将BP神经网络应用于产品性能预测的数据与实际数据进行对比,产品强力和耐静水压的绝对百分比误差在5％以内,优于BP神经网络的6％,预测精度更高...     

基于神经网络的三层织物结构消防服装的热防护性能预测

制作了16种不同结构参数的三层织物结构消防服装试样,对试样的对流换热指数和辐射换热指数进行测量.构建了6种多层感知神经网络(MLPNN),每种神经网络均包含一个隐藏层,输入相同的数据,分别对三层织物的对流换热性能和辐射换热性能进行预测.结果 表明,6种网络的预测值与试验值均具有很好的相关性;所构建的MLPNN能够有效预...     

Elman网络近红外光谱技术同时测定鲜乳中三种主成分含量

采用Elman神经网络(反馈神经网络,Recurrent Network)结合近红外光谱技术建立鲜乳中的脂肪、蛋白质、乳糖定量分析模型.用偏最小二乘法(Partial Least SqHales.PUS)将原始数据压缩主成分,取前3个主成分的14个吸收峰值输入Elman网络,网络中间层神经元个数为53.Elman网络模型对样品中3个组分含量的预测决定系数(R2)分别为:0.985、0.951、0.967,表明所建Elman网络预测模型能够较准确预测鲜乳中脂肪、蛋白质和乳糖的含量,从而为近红外光谱的多组分定量分析提供了新思路.     

一种基于RNA二级结构的信息隐藏方案

以核酸(RNA)序列为载体,提出了一种基于RNA二级结构的信息隐藏方案.该方案把编码为RNA序列的明文嵌入到参考RNA序列,以自由能作为约束条件,通过预测软件RNAstructure获取位置信息,接收方接收到参考序列和位置信息后,通过约定的软件和条件恢复出秘密信息.仿真结果表明该方案具有较好的安全性和稳健性,可用于秘密信息的隐写通信.     

基于改进RBF网络的缝纫平整度模糊辩识系统

针对缝纫平整度主观评价易受人为不确定因素影响的问题,运用FAST系统测量服装面料的力学性能指标,通过主因子法对所测指标进行分析,提取6个主因子作为神经网络的输入。引入FCM聚类算法对RBF神经网络进行改进,并根据聚类结果确定网络的隐层节点中心和宽度,提出一种缝纫平整度模糊辩识系统。实验表明,系统可以根据中厚型精纺毛型织物的不同结构及力学性能快速准确地给出该织物成衣后的缝纫性能评价指标。     

基于神经网络的织物折皱回复性能预测

探讨了将神经网络理论用于织物折皱回复性能的直接预测。根据研究对象特征,通过选取织物原料组成、经纬密度、抗弯长度、织物厚度及重量等重要影响因子作为神经输入元,将折皱回复角值作为输出目标,比较了径向基函数RBF、BP和广义回归GRNN 3种神经网络对织物折皱回复角的预测结果。试验结果表明,通过神经网络方法对织物的折皱性能预测具有较好的满意结果,且在预测织物的整体折皱回复性能时,BP模型与GRNN网络模型的预测值与实测值之间的相对误差要比RBF的小。利用输入神经元织物参数进行折皱回复性能的预测更有利于工艺与织物结构设计优化与质量控制,通过对输入神经元试验与优化有望达到满意的预测结果。     

基于ELMAN神经网络的棉纱质量指标预测研究

讨论了神经网络在纺织领域的研究进展,简述了ELMAN神经网络的算法,基于影响棉纤维品质的各个因素与棉纱关键质量参数之间存在的复杂非线性映射关系,建立了棉纱质量指标的神经网络模型。输入节点为马克隆值、上半部平均长度、长度整齐度、短纤维指数和纤维棉结等,输出节点为成纱条干、细节、粗节、成纱棉结和十万米纱疵。结果表明,ELMAN神经网络算法收敛速度快、预测精度高,适用于棉纱关键质量指标预测。     

基于GRNN神经网络的面料热阻预测模型研究

热阻是衡量面料热舒适性的一项重要指标,为获得不同环境下面料的热阻值,多采用测试获得。文章通过YG(B)606G型纺织品热阻和湿阻测试仪,对不同面料在不同环境下的热阻进行测试。运用Matlab,基于GRNN(General Regression Neural Network)广义回归神经网络,使用少量输入参数,对不同环境下的热阻值进行预测。与传统的测试相比,GRNN神经网络实验量小,方便快捷、省时省力且预测结果准确性好;与BP(Back Propagation)神经网络相比,GRNN神经网络人为设定量更少,更为客观,预测结果更加准确。经Wilcoxon符号秩检验配对样本检验发现,GRNN神经网络预测值与实际值更加接近,可信度更强。     

基于近红外光谱的芝麻油酸价含量的预测

采用近红外光谱分析技术对芝麻油的酸价含量进行检测,避免了传统的化学方法缺陷,同时在不破坏样品的前提下极大地提高了检测效率。对39个芝麻油样本的酸价光谱图进行光谱预处理优化,并选择适当的光谱范围,采用偏最小二乘法(PLS)和BP神经网络算法进行了定量分析研究。结果表明,在所选定的样本和光谱范围内,PLS和BP神经网络算法均可以用于芝麻油酸价含量的预测,采用PLS模型的预测均方根误差(RMSEP)为0.058;用BP神经网络预测的RMSEP为0.148 8,偏最小二乘法建模相对于一般的BP网络建模方法更具有较好的建模预测效果。     

模糊神经网络应用于食用果酱的可行性研究

研究了pH值、萃取温度、萃取时间和样品中氯化钠浓度等不同参数萃取条件对果酱中防腐剂萃取效果的影响,并建立了模糊神经网络模型对果酱中的防腐剂种类进行预测。结果表明:在pH值为3.3,萃取温度为室温,样品中氯化钠浓度为34%,萃取时间达到90min时,果酱中的防腐剂萃取效果最好。通过建立模糊神经网络模型,模型结构参数为输入层4,输出层5,最小训练速率0.1,动态参数0.6。对果酱中防腐剂的类型进行预测,试验结果表明模糊神经网络模型可以用于预测果酱中所含防腐剂的种类。     

霉变玉米中玉米赤霉烯酮和黄曲霉毒素B1含量电子鼻检测模型的构建

为建立霉变玉米中玉米赤霉烯酮和黄曲霉毒素B1的电子鼻检测方法,首先以电子鼻对7 级不同霉变程度玉米响应信号的积分值作为特征参量,然后分别利用主成分回归、偏最小二乘回归、BP（back-propagation）神经网络、最小二乘支持向量机等方法建立霉变玉米中玉米赤霉烯酮与黄曲霉毒素B1含量的预测模型,并进行了比较分析。结果表明,主成分回归预测精度最差,偏最小二乘回归较差、BP神经网络和最小二乘支持向量机法比较好。对于玉米赤霉烯酮,4 种预测模型70 个样本中相对误差控制在5%以内的样本数分别为23、45、63、67 个。对于黄曲霉毒素B1,4 种预测模型70 个样本中相对误差控制在5%以内的样本数分别为19、41、62、65 个。同时,变换不同的训练集和测试集以考察BP神经网络、最小二乘支持向量机建模方法的稳健性,结果表明,在BP神经网络结构和最小二乘支持向量机核函数与核函数参数均未发生改变的条件下,两种建模方法依然有较高的预测精度,这说明了两种模型具有较高的稳健性。     

基于BP神经网络的网络直播皮革服装销量预测

针对影响网络直播带货销量因素彼此之间复杂不可控,将人工神经网络引入网络直播销量预测领域.以皮革服装为例进行实证研究,对神经网络层数、输入层、输出层、隐含层神经元节点进行设计,构建了BP神经网络的网络销量预测模型,并进行了不同隐含层节点数的训练和优化测试.结果 表明,隐含层节点数为6,神经网络性能最佳,平均绝对值误差为6...     

基于BP神经网络的非织造材料基复合吸声体吸声系数预测

以涤纶针刺非织造材料和聚丙烯熔喷非织造材料为研究对象,通过实验获得其物理结构参数,并将复合前后非织造材料厚度、面密度、孔隙率和孔径作为BP神经网络的输入项,用于预测吸声体的平均吸声系数,同时通过调节输入神经元个数、传递函数和隐含层个数构建了最佳的BP神经网络预测模型。对非织造材料基复合吸声体的吸声性能进行预测,并与测试结果进行了对比。结果表明,运用BP神经网络可以建立较理想的适用于复合吸声体平均吸声系数预测的模型。     

基于二值图像的三维人体模型重建

为了能够基于最小的图片输入快速地重建三维人体模型,提出了一种输入人体轮廓二值图像对三维人体模型进行精准重建的新方法。这种对三维人体模型进行重建的方法首先通过主成分分析法对人体进行编码得到了人体的低维形状描述子,随后构建了一个新的深度卷积神经网络,其拥有2个分支,分别用于提取人体正视图与人体侧视图的相关特征;将分支特征融合后,通过联合训练,可以学习到一个从输入到形状描述子的全局映射;最终对形状描述子进行解码得到点云数据,完成了对三维人体模型的重建。结果表明:该方法与现有的基于图像的三维人体模型重建技术相比,在精度上提高了1.07%,并证明了多视角的预测结果优于单视角预测结果。权重共享网络的预测结果优于权重不共享网络的预测结果。     

基于支持向量机的食醋总酸近红外光谱建模

为了得到稳定可靠的食醋总酸光谱模型,以不同产地、不同种类的95个食醋样品为研究对象,应用基于统计学原理的最小二乘支持向量机(LS-SVM)对食醋总酸含量进行光谱分析.对预处理后的光谱进行主成分分析(PCA),以主成分信号作为输入变量建立食醋总酸含量的近红外光谱模型,并与偏最小二乘法(PLS)和向后区间偏最小二乘法(biPLS)模型进行比较.结果表明,LS-SVM模型中的校正集中的相关系数(rc)和交互验证均方根误差(RMSECV)分别达到0.9614和0.2192,预测集相关系数(rp)和预测均方根误差(RMSEP)分别达到和0.919和0.3226,均优于PLS和biPLS模型.研究表明,近红外光谱与食醋总酸含量呈非线性关系,采用LS-SVM建立的模型预测性能更好,精度更高.