人工神经网络在组织网络化发展评价中的应用*

通过对给定样本模式的学习,构建的三层神经网络模型能够获取评价专家的经验、知识、主观判断以及对目标重要性的权重协调能力,较好地保证评价结果的客观性.实例证明,人工神经网络方法应用于组织网络化发展评价是可行和有效的.     

基于IPSO-GRU深度学习算法的海底管道缺陷尺寸磁记忆定量反演模型

针对海底管道缺陷磁记忆定量反演的难题,提出一种基于改进粒子群优化的门控循环神经网络模型,即IPSO-GRU模型。以两端焊有盲板的X52管道作为实验材料,其上预制有不同直径、深度的缺陷,采用TSC-5M-32磁记忆检测仪,外接11-6W非接触探头,进行水下磁记忆检测试验,提取不同缺陷尺寸的磁记忆信号特征值。考虑到磁记忆信号特征值随缺陷尺寸呈复杂的非线性变化,引入门控循环神经网络,利用其双门结构能够记忆缺陷处的信号特征,非线性回归拟合能力强的特点,构建海底管道缺陷定量反演模型,进一步考虑到模型超参数选择的随机性,采用改进粒子群算法进行超参数寻优。验证结果表明:该模型对缺陷深度反演平均精度达96%;对缺陷直径反演平均精度达93%,为海底管道缺陷的磁记忆定量化识别与反演提供了新的思路和方法。      

基于马尔可夫链的自适应性神经网络训练算法

提出一种基于马尔可夫链的自适应性神经网络训练方法,对传统的S型激励函数进行了改进,建立了自适应性的神经网络分类器。在假设样本中噪声服从于正态分布的情况下建立最大似然估计,通过后验概率建立马尔科夫链对样本进行训练,提高了神经网络训练速度。在轴承故障诊断中的测试结果表明,该算法可以迅速稳定地训练出神经网络,有效提高诊断的分类结果。     

基于BP神经网络集成的钻井液粒度分布预测

利用BP神经网络模拟了钻井液的粒度分布与钻井液处理剂种类及加量之间的关系,并采用神经网络集成的方法提高模型的泛化能力。利用激光散射粒度分析仪测定了NaCl、CaCl_2、钻井液用高温抗盐降滤失剂SPNC、磺甲基酚醛树脂(SMP-2)4种处理剂对钻井液粒度分布的影响,选用60组实验数据作为试验样本,建立了钻井液粒度分布模型,并利用19组实验数据验证其精度。结果表明:该模型具有良好的预测精度,集成网络输出结果的平均误差率和最大误差率均小于单个神经网络子网,表现出良好的泛化能力;并利用该模型研究了单一处理剂对钻井液粒度的影响。     

生物发酵过程中SSVIP-NNI软测量方法

生物发酵过程中关键生化变量难以直接检测,提出了一种利用基于敏感性与特异性的变量投影重要性(SSVIP)方法优化神经网络逆系统(NNI)的软测量方法。根据逆系统理论建立软测量模型,采用VIP变量优选方法,对软测量模型中的辅助变量进行优化。为了进一步提高VIP方法优选变量的性能,利用模型敏感性与特异性的概念,重新定义了VIP筛选阈值,确定最优的发酵过程软测量模型的变量。构造神经网络近似最优逆系统软测量模型,实现对发酵过程中关键过程变量的估计。通过Pensim仿真平台进行实验研究,结果表明经过辅助变量优选的神经网络逆系统软测量模型具有更高的估计精度和泛化能力。     

基于BP神经网络的油基钻井液乳化稳定性预测

通过室内实验,研究十二烷基苯磺酸钙、环烷酸钙、油酸钙、正丁醇4种处理剂对油基钻井液乳化稳定性能的影响,并结合所得实验数据,应用BP神经网络对其进行预测。在模型训练中,采用了神经网络集成来提高BP神经网络的泛化能力。神经网络集成的检验结果明显优于单个子网,其中老化前的平均误差率为7.85%,最大误差率为22.34%;老化后的平均误差率为5.75%,最大误差率为14.53%。     

网络结构增长的极端学习机算法

针对极端学习机(extreme learning machine,ELM)结构设计问题,基于隐含层激活函数及其导函数提出一种前向神经网络结构增长算法.首先以Sigmoid函数为例给出了一类基函数的派生特性:导函数可以由其原函数表示.其次,利用这种派生特性提出了ELM结构设计方法,该方法自动生成双隐含层前向神经网络,其第1隐含层的结点随机逐一生成.第2隐含层的输出由第1隐含层新添结点的激活函数及其导函数确定,输出层权值由最小二乘法分析获得.最后给出了所提算法收敛性及稳定性的理论证明.对非线性系统辨识及双螺旋分类问题的仿真结果证明了所提算法的有效性.     

基于直方图的水墨画艺术风格研究

基于内容的照片或自然图像分析和检索已经得到广泛的研究,但多数都基于颜色特征,不能直接用于水墨画艺术作品的分析。对图像进行预处理,提出基于灰度直方图描述水墨画笔道力度分布信息及构图风格,并利用神经网络学习水墨画整体技法风格特征,依据此特征进行不同艺术家间的分类。实验结果表明,通过对整体风格特征的提取,直方图模型能够有效表征画家不同的艺术风格,实现了水墨画的自动分类。     

基于专家系统的汽车衡故障传感器判别

传感器是自动化设备的核心部件,传感器故障检测显得尤为重要。针对目前汽车衡维护、检修的困难,为有效准确判断故障传感器,提出了以径向基函数神经网络（RBFNN）预估值的初始化数据库专家系统判别方法。经现场测试准确率达到96%以上,从而有效简单地判定传感器好坏和识别故障传感器的位置。