神经网络在校正传感器非线性度方面的研究

BP神经网络及其改进算法虽然在测量准确度方面有所改善,但结构的不确定性、训练时间长的缺点限制了其在现场测量系统的应用。在引入LM算法的同时,通过分段的方法对其缺陷进行了改进。仿真结果证明了该方法具有收敛速度快、实时性强的特点。     

面向三维重建的自适应列文伯格-马夸尔特点云配准方法

针对三维重建时点云配准过程易受环境噪声、点云曝光、光照、物体遮挡等因素的影响,以及传统ICP配准算法配准精度低、耗时长等问题,提出一种基于自适应列文伯格-马夸尔特迭代式的点云配准方法.首先,对初始点云数据采用统计滤波和体素栅格滤波相结合的方式进行降噪预处理;然后,对滤波后的点云进行分层,剔除位于层外的外点数据,以提高后...     

Levenberg-Marquardt算法的一种新解释

Levenberg-Marquard(tLM)算法与最小二乘(Least Square,LS)方法关系密切,标度总体最小二乘(Scaled Total Least Square,STLS)是最小二乘,数据最小二乘(Data Least Square,DLS)与总体最小二乘(Total Least Square,TLS)的统一与推广,但是它与LM算法的关系尚不清楚。给出了一种求STLS解的算法及其子空间解释与拓扑解释,利用矩阵分解揭示了LM算法与STLS的密切关系,结果表明:阻尼因子使得LS解转变为STLS解;噪声子空间的剔除与系数矩阵条件数的控制保证了LM算法的稳健性与收敛速度;STLS的鲁棒性保障了LM算法处理过参数化问题的能力。     

CITT and inverse analyses applied to the study of the mushroom drying process

A study and modeling of the mass transfer phenomenon in the drying process of agricultural products, using Fick’s second law of diffusion adapted to infinite flat plate geometry, are described. An analytical solution methodology, the classical integral transform technique (CITT), is employed. Predicted results are compared with experimental data on the drying of sliced mushrooms in different operating conditions. A phenomenological analysis is made using graphics and tables. The data obtained by CITT and experimentally show negligible differences. The mass diffusion coefficient during hot air drying of mushrooms is estimated. Experimental drying kinetics are applied to the product at different air temperatures and air flow rates aiming to find a solution for the mass transfer equation, using an inverse problem with the Levenberg-Marquardt optimization technique in successive trials. Experimental data are also modified by a normal distribution of random errors. Statistical analyses show good agreement between experimental and predicted curves.     

基于人工神经网络的铜合金时效性能研究

利用神经网络对Cu Cr Zr合金时效温度、时间与硬度和电导率样本集进行学习 ,采用改进的BP网络算法———Levenberg Marquardt算法 ,建立了时效强化工艺BP神经网络模型。预测结果表明 :该BP神经网络可以充分挖掘样本蕴含的领域知识 ,可以对材料性能进行有效预测和分析。     

考虑风电接入不确定性的广义负荷建模及应用

考虑风电接入原负荷节点后带来的节点特性不确定性问题,提出了基于概率统计的广义负荷节点稳态特性学习与建模的新方法。为分析风电接入后功率流向的改变,将节点特性分为电源特性与负荷特性;针对节点特性的不确定性变化,基于历史实测数据对有功功率样本空间进行自适应分段细化,统计其概率分布;利用Levenberg-Marquardt神经网络法学习并提取各段节点特征,构建节点特性统一模型,并以风险分析为例说明新模型的应用。仿真结果表明,所提方法不但可精确建模,而且通过统计数据样本引入概率信息,可对不确定性问题按概率分场景分析,弥补了传统方法对随机特征描述能力不足的缺陷,是对传统建模方法在不确定场景应用上的扩展和延伸,从而可为风电接入后的仿真分析与调度控制提供辅助参考。     

短期负荷预测神经网络方法比较

以某地区购网有功功率的负荷数据为背景,建立了三个BP神经网络负荷预测模型——SDBP、LMBP及BRBP模型进行短期负荷预测工作,并对其结果进行比较。针对传统的BP算法具有训练速度慢,易陷入局部最小点的缺点,采用具有较快收敛速度及稳定性的L-M优化算法进行预测,使平均相对误差有了很大改善,具有良好的应用前景。而采用贝叶斯正则化算法可以解决网络过度拟合,提高网络的推广能力,使平均相对误差和每日峰值相对误差降低,但收敛速度过慢(慢于SDBP模型),不适于在实际应用中采用。     

基于BP网络的红外图像压缩仿真过程分析

介绍了BP网络在红外图像压缩中的原理及模型,详细地描述了图像压缩的实现过程,并采用Levenberg-Marquardt算法实现了红外图像的压缩.分析仿真结果表明,通过增加隐含层的神经元数和牺牲压缩率,可以提高重构红外图像的质量.     

空间网壳结构振动问题的改进神经网络控制

结合经验公式及实验比较对神经网络的结构进行优化,利用Levenberg-Marquardt算法改进传统误差反向传播算法.基于两个改进人工神经网络的组合运用,针对结构动力响应,建立了一种可预测有效控制力的神经网络预测控制策略.用一个网络辨识结构的动力响应,另一个网络预测有效控制力.数值仿真显示:该算法具有比传统BP网络的最速下降法高一阶的收敛速度;除个别时间步外,该文控制策略可较准确识别结构的动力响应、、给出有效控制力.     

股票价格短期预测的LM遗传神经网络算法

针对传统神经网络在股票价格预测中易陷入局部最优和预测精度偏低的问题,提出了一种改进的神经网络算法进行求解.改进的算法基于LM算法建立了改进的三层BP神经网络对股票价格建立预测模型,避免算法陷入局部最优,并运用遗传算法优化神经网络的权值和阈值,提高神经网络对股票价格的预测精度.采用Matlab对上述算法模型进行仿真测试,通过预测4支股票价格的实验证明改进后的神经网络预测算法对股票价格的短期预测有较好的精度和稳定性.