基于灰色理论的人机界面主观评价方法

主观评价是衡量和改进人机界面可用性的重要依据之一.目前,主观评价的理论和方法尚处于探讨之中.根据人类思维具有““灰性““的特点,提出了基于灰色系统理论的主观评价方法.通过建立可以描述的表征信息,将影响人机界面主观评价的未知或非确知因素转化为具体的、可以描述的评价指标,从而使复杂的主观评价问题得以解决.     

自适应深度卷积神经网络模型构建方法

针对传统卷积神经网络(CNN)模型构建过度依赖经验知识、参数多、训练难度大等缺点,同时鉴于复杂多类问题的CNN模型构建策略的重要价值,提出一种自适应深度CNN模型构建方法.首先,将初始网络模型的卷积层和池化层设置为仅含一幅特征图;然后,以网络收敛速度为评价指标,对网络进行全局扩展,全局扩展后,根据交叉验证样本识别率控制网络展开局部扩展,直到识别率达到预设期望值后停止局部网络学习;最后,针对新增训练样本,通过拓展新支路实现网络结构的自适应增量学习.通过图像识别实验验证了所提算法在网络训练时间和识别效果上的优越性.     

RBF神经网络的混合学习算法

针对RBF神经网络的最近邻聚类学习算法存在的学习精度不理想和固定网络结构的梯度下降训练学习算法存在的中心不易确定、训练时间长等问题,提出一种基于最近邻聚类中心选取和梯度下降训练的RBF神经网络混合学习算法,解决了RBF网络径向基函数的中心取值问题,提高了网络的学习精度和训练速度.将该算法应用于非线性系统的在线辨识与二维函数的逼近,仿真实验结果证明了该方法的有效性.     

用RBF神经网络算法设计CR认知引擎

认知无线电是一种智能无线电通信系统,认知引擎的设计是其关键问题之一.认知引擎可通过推理与学习方法来实现认知无线电的感知、自适应与学习能力.为适合变化的无线环境,提出了用RBF神经网络设计认知无线电认知引擎的模型,根据经验知识和环境情况,动态重配置无线环境参数.基于802.11 a仿真平台模拟认知无线电通信模型,经样本值训练神经网络,利用该网络学习信道特征,并建立基于RBF神经网络的认知引擎.在对感知信息学习后,实现根据无线环境和用户需求来配置通信参数的功能.仿真表明,这种认知引擎能有效地实现认知无线电的学习重构功能,其预测精度比BP网络模型高出了10%~30%.     

武器评价加权和法的改进与应用

针对加权和法评价武器时指标权重的选取所造成的计算结果精度的不稳定性提出了改进建议,即用最优权重取代凭经验确定的主观权重.最优权重是在主、客观权重的基础上,通过构造数学规划模型的方式求得.主观权重求法不变,客观权重由灰理论法求得.算例与分析表明:改进后的加权和法能使评价结果精度提高5%以上,并能最大限度地消除单纯使用主观权重造成的评价结果精度的不稳定性.改善精度时,首次提出了用最优权重取代主观权重的思想.描述和分析了最优权重的思想、求解方法,以及对加权和法的改进思路.     

改进的RBF网络在区域需水预测中的应用

利用径向基函数神经网络，建立了区域用水量预测模型，改进了RBF网络学习方法；根据某地区近年来影响用水量主要影响因素的数据对该网络进行训练，并用训练好的网络模型对该区域以往和今后不同年份的用水量进行预测；对以往用水量预测结果表明该模型有较高预测精度、通用性和客观性．     

应用GRNN模型对给水管网水质的综合评价

给水管网水质是多种污染因子的综合作用结果。为克服水质综合评价过程中的随机性与评价专家主观上的不确定性,利用神经网络的非线性和良好的函数逼近特性,建立了给水管网水质评价的广义回归神经网络(GRNN)模型。该模型具有网络结构自适应确定及输出与初始权值无关等优良特性。通过对在水质评价各等级间随机内插足够数量的训练样本的训练,确定合适的光滑因子。通过实例验证了模型评价结果与实际情况的一致性,为给水管网水质的评价提供了一种新方法.     

DE算法改进的炼焦能耗RBF预测模型

针对炼焦能耗计算繁琐、影响因素众多的问题,以目标火道温度、烟道吸力、水分、挥发分和炼焦时间为输入变量,以炼焦能耗为输出变量,提出基于差分进化算法改进的RBF预测模型。由于RBF网络存在学习能力差、收敛速度慢等多个缺点,针对性地改进了差分进化算法优化的能耗预测模型。利用具有强大全局搜索能力的差分进化算法,选择RBF网络中基函数的中心值、宽度和输出权重的计算最优值,以此作为RBF神经网络的中心值、宽度和输出权重。结果表明,改进后的RBF预测模型具有较高的精度、稳定性和训练速度,对降低炼焦能耗、提高焦炭产量和提高企业经济效益具有重要意义。     

基于人工神经网络的驾驶室人机界面匹配度评价权重分配方法

对于任何综合评价系统,确定评价指标的权重分配系数都是非常重要的,它直接影响评价结果的准确性.针对特种车辆人机界面匹配度综合评价,设计了权重分配系数验证修正实验,基于人工神经网络理论,对主观赋权的权重系数进行了修正.实验数据分析结果表明:修正后的权重系数更加符合驾驶员的实际感受.     

基于改进BP神经网络模型的电力工业可持续发展综合评价研究

利用附加动量法和自适应学习速率,对传统的BP神经网络算法进行了改进,建立了基于改进BP神经网络的多指标综合评价模型,并将其应用到北京市电力工业可持续发展综合评价研究中去。改进后的神经网络评价模型,大大减少了学习次数,有效防止了网络陷入局部极小值;摆脱了评价过程中人为因素及模糊随机性的影响,同时能保证评价结果的准确性,是一种智能的评价方法。实例运算得出令人满意的评价结果,证明了这种方法的有效性。     

Method of tracing the photovoltaic maximum power point based on NN with asymmetric basis

To ensure that the photovoltaic power generation system always works at its maximum power point, a method for photovoltaic maximum power point tracking by the neural network based on asymmetric basis is proposed, and its concrete implementation steps are given. Fuzzy factor membership functions are built according to the influences of photovoltaic power generation factors on the power generation efficiency, and the fuzzy weights of the influencing factors are calculated, with these weights infused into the building of the neural network based on fuzzy asymmetric basis. The network is trained by using methods of fixed basis width RBF, traditional RBF and the method proposed in this paper with four kinds of quantities of samples, and the comparison in terms of the network training time and the standard deviation indicates that the accuracy of the network with 180 samples is the highest, at least an order of magnitude higher than other that of methods. By determining the working parameters of the photovoltaic system in real time by using this neural network, the photovoltaic system can make the internal and external resistances completely match at every moment through the slide rheostat, thus ensuring that the system always works at the maximum power point.     

基于径向基函数神经网络的车内噪声品质评价系统

为了高效而准确地对车内噪声品质进行评价,针对B级车稳态工况下的车内噪声,建立了基于径向基函数(RBF)神经网络的声品质评价系统。用等级评分法对30个稳态噪声信号进行了主观评价试验,并通过相关分析得出了对声品质有重要影响的客观参量。采用RBF神经网络构建了车内噪声品质的评价模型,其预测平均相对误差为4.5%。以评价模型为基础,采用模块化设计方法和多线程并行处理技术,设计了基于虚拟仪器的声品质评价系统。测试结果表明:该系统比传统的主观评价试验系统的测试时间缩短了90%,并提高了评价结果的质量。     

基于层次分析法的教学质量模糊综合评价模型及应用

针对高校教学质量评价的模糊特性,提出了基于层次分析法的模糊综合评判方法,构建了评判模型和评判方法,并给出应用实例.通过合理的确定评价指标中的权重,使定性分析与定量分析得到较好的融合,在一定程度上克服了只有定性的教学质量评价工作中的主观随意性,从而提高了教学质量评价的准确性、真实性和可操作性.     

基于层次分析法的教学质量模糊综合评价模型及应用

针对高校教学质量评价的模糊特性,提出了基于层次分析法的模糊综合评判方法,构建了评判模型和评判方法,并给出应用实例.通过合理的确定评价指标中的权重,使定性分析与定量分析得到较好的融合,在一定程度上克服了只有定性的教学质量评价工作中的主观随意性,从而提高了教学质量评价的准确性、真实性和可操作性.     

基于组合权重与云模型的电网规划综合评价方法研究

为提高输电网规划方案评估的准确性,减少不确定性及指标权重主观性强对输电网规划方案评估结果的影响,提出了一种基于云模型的组合权重法实现对电网规划方案的评价。首先,基于电网规划的实际要求,构建了考虑经济性、可靠性、适应性及社会性的输电网规划方案综合评价指标体系,通过层次分析法计算主观权重,通过熵权法计算客观权重,再线性加权最终确定组合权重。其次,运用云模型对各输电网规划方案进行排序。最后,算例分析验证了所提电网规划方案评价方法的有效性。     

改进的RBF网络训练方法在故障诊断中的应用

目前已有的几种RBF网络训练方法对于含有随机噪声的复杂样本训练速度过慢且分类性能不稳定,依据相对熵最小原理,提出了一种改进的RBF网络训练方法--输出-输入聚类法.利用此方法对旋转机械故障样本进行训练,并与其它方法进行了比较,结果表明,此训练方法用时短,网络结构简单,受噪声影响小.将所创建网络应用于故障诊断,实例表明,此方法训练的网络诊断结果准确,在故障诊断中具有良好的应用前景.     

基于双层网络的混合PSO算法的RBF建模

针对RBF网络的建模问题,设计了基于双层网络的建模方法。第一层网络采用随机方法确定了隐层单元数,并利用并行PSO算法对网络进行初步训练,第二层网络采用了主从粒子群的方式,借鉴了遗传交叉的思想,对第一个网络的最优解进行了再训练以提高网络的训练精度。从对非线性系统的仿真结果看,该方法最终确定的隐层单元数比较少,与RBF网络相比有着一定的优越性,而且优于单层并行PSO算法的RBF网络。     

AHP-RBF神经网络在煤矿安全风险评价中的应用

煤矿生产的复杂性导致煤矿事故具有动态、随机、模糊的特性,而且影响煤矿安全风险等级的指标众多,风险等级与风险指标之间呈现出复杂的非线性关系。传统的BP神经网络评价方法的准确率低,本文提出一套新的煤矿安全风险评价方法。首先建立煤矿安全风险指标体系,然后利用AHP确定各风险指标权重,并对其进行重要性排序,最后将RBF神经网络作为评价工具,建立基于AHP-RBF神经网络的煤矿安全风险评价模型。通过案例分析表明该模型能够科学有效的对煤矿安全状况进行评价。     

基于RBF -BP神经网络融合的医学数据分类研究

为改善传统的反向传播(BP)神经网络和径向基函数(RBF)神经网络的学习能力和分类性能的不足,提出一种融合RBF网络与BP网络的混合神经网络算法(HRBF -BP),并将其应用到医学数据分类问题中.在网络结构的实现上,将RBF隐藏层与BP隐藏层进行级联融合,即在连接BP网络输入层与隐藏层之间加入RBF核映射层; 在学习算法的实现上,先采用k-均值聚类算法来实现RBF核参数的估计,然后再使用基于随机梯度下降的BP算法实现级联BP网络的权值优化.将该算法与SGBP、KMRB、PFRBF等算法在不同的医学数据集上进行分类实验对比表明,该方法的网络训练精度以及测试精度均优于SGBP、KMRB、PFRBF算法; 因此,该方法对提高BP网络和RBF网络的学习能力和分类性能具有良好的参考价值.     

基于径向基网络的钢管混凝土拱桥承载力评价

在现有桥梁承载力评价方法的基础之上,针对BP神经网络评价方法的缺陷,引入径向基网络理论,提出了钢管混凝土拱桥承载力径向基网络评价方法.以承载力评价为总体目标,从影响承载力的几个方面进行考虑,建立了RBF神经网络评价模型,通过样本学习训练,获取专家经验知识的直觉思维.通过工程实例验证,评价结果较好地反映了桥梁结构的安全性状况,证明了该评价方法的可行性与实用性.