遗传算法优化前向神经网络结构和权重矢量研究

新兴科技的支持下,复杂研究可以通过优化研究方法进行模拟和拓展。探究人类神经网络结构的过程中,存在诸多困难,新兴模拟算法和仿真计算,让科学家通过人工模拟神经网络系统中的互连神经元了解复杂的神经网络架构。基于此,分析了优化的遗传算法在前向神经网络结构研究中的应用,探究了如何优化权重设计达到最佳研究效果。     

基于SWA优化级联网络的表情识别方法

为了提高表情识别技术的检测精度,文中提出了一种采用随机权重平均SWA优化级联网络的人脸表情识别方法。与单个卷积网络相比,多网络级联能得到更好的检测精度。相对于传统的SGD训练方法,SWA训练方法能增强级联网络中子网络的泛化能力,进一步提高模型的整体性能。通过在Fer2013数据集上测试实验发现,基于SWA方法训练采用加权求和法方式级联的网络模型识别准确率达到74.478%,相对于传统SGD方法训练的单网络模型提高了1.4%以上。另外,与其他典型方法相比,所提改进模型的识别准确率更高。     

基于改进高斯滤波的医学图像边缘增强

医学图像的边缘包含了图像的很多重要信息,对医学诊断的效率和精准性影响较大,文中研究了一种医学图像边缘增强的方法。为了在图像去噪阶段保留更多的图像细节信息,文中在传统高斯滤波算法基础上提出了一种标准差选取自适应的滤波算法。在图像增强阶段,利用传统的拉普拉斯算子结合强度权重控制图像增强的效果。经过算法分析和实验,验证了两种算法的结合提高了去噪效果,有效保留了图像的边缘细节信息,能够实现医学图像的边缘增强。     

电机转子振动信号故障特征提取方法

电机振动信号具有非平稳、非线性特性,在进行时频域特征提取时需要人工确定时间窗口和基函数。针对该问题,提出一种基于EEMD(Ensemble Empirical Mode Decomposition)分解和权重熵变换的特征提取方法。该方法应用EEMD进行自适应分解,同时提取IMF(Intrinsic Mode Function)方差作为初始特征值,并提出将权重熵作为衡量特征值重要性的标准,通过权重熵对原始特征值进行空间变换,扩大特征向量间的差异。为验证该方法的有效性和优越性,对4 种状态下的电机转子进行振动信号采集,用于制作转子故障数据集,并运用EEMD进行特征提取。实验结果表明,基于EEMD分解和权重熵变换的特征提取方法能够更好地从振动信号中提取特征向量,在对电机进行故障诊断时具有更高的准确性。     

基于改进层次分析法的爆破效果影响因素

为了研究爆破过程中多种常见因素对爆破效果的影响,详细介绍了改进层次分析法的应用步骤,并运用此方法建立了系统层次结构模型,采用三标度法建立影响因素的比较矩阵,定量分析得出了各因素的权重排序。计算结果表明:在13个常见影响爆破效果的因素中,主要影响因素为孔网参数、岩石条件、起爆顺序和填塞质量,其权重值分别为0.124、0.112、0.094、0.094,也是工程施工中需要关注的重点。此评价结果使影响爆破效果各因素的影响程度更具有明确性,也可为改善爆破效果提供参考。     

改进模糊层次分析法在绿色包装评价中的应用

目的 解决现有的包装产品不符合绿色理念,缺乏统一的规定和评价方法问题.方法 建立绿色包装评价体系,在FAHP(模糊层次分析法)的基础上,根据每层指标的特点来确定权重,其中5个一级指标采用层次分析法,13个二级指标考虑到主客观性,采用了专家权重系数和熵权法相结合的方法,最后结合包装产品绿色满意度调查问卷进行包装绿色度模糊综合评价,得出一个包装绿色度评价值.结果 以义乌市某包装厂为实例进行验证,发放了500份调查问卷,回收432份.经过运算,得出一个直观的绿色度评价值为80.714,评价等级达到优.结论 文中评价指标的建立科学合理,所用方法数据易获取,计算过程简便,结果准确直观,有一定的理论和现实意义.     

教师教学水平的模糊综合评估

本提出了教师教学水平的模糊估量方法,为综合多方面的教学信息,实现定性评价与定量分析的适度结合,提供了具有可操作性的教学模型。     

柯西变异和自适应权重优化的蝴蝶算法

针对基本蝴蝶优化算法（Butterfly Optimization Algorithm,BOA）存在的收敛精度较低、容易陷入局部最优解的问题,提出柯西变异和自适应权重优化的蝴蝶算法（Cauchy variation and adaptive Weight Butterfly Optimization Algorithm,CWBOA）。通过在全局位置更新处引入柯西分布函数进行变异,在局部位置更新处引入自适应权重因子,改进了蝴蝶算法的局部搜索能力;并且引入动态切换概率[p]来权衡全局探索与局部开发过程的比重。改进的算法通过对多个单峰、多峰和固定测试维度的函数进行求解,结果表明,CWBOA对大多数测试函数有更好的求解精度、速度和稳定性。