共查询到19条相似文献,搜索用时 421 毫秒
1.
2.
采用粗BP神经网络和D-S证据理论的目标识别 总被引:2,自引:2,他引:0
为克服传统的目标识别方法的不足,提高目标识别的实时性和准确性,提出将粗BP神经网络与D-S证据理论相结合的识别模型.在多传感器数据融合中利用粗集理论对大量的传感器数据进行处理,对输入信息进行约简,剔除冗余信息,简化了生成规则和BP神经网络模型结构,提高了网络训练速度和运行速度.以BP神经网络输出作为证据,后端对不同传感器的证据用D-S证据理论进行融合,得到待识别目标的识别概率.实验表明该模型减少了识别的主观因素,简化了BP神经网络结构,提高了运算速度和识别效果.该混合模型有比较好的应用前景. 相似文献
3.
矢量神经网络在训练阶段既不能处理语义信息,也没有考虑训练样本本身的可靠性,因而造成辐射源不能正确识别的问题,为此提出了一种基于云模型和矢量神经网络的识别算法.该算法利用云模型来实现定性概念到定量区间值的转换,并利用改进后的矢量神经网络实现区间类型的矢量输入到区间类型型号输出的非线性映射.仿真实验表明,本文方法不仅能处理语义类型的输入矢量,而且能够处理数字类型的输入矢量,并且在测量误差环境中具有较高的识别率. 相似文献
4.
针对RBF神经网络在处理大规模多维数据时,网络结构不易设计、收敛时间较长、训练次数较多等不足,在原有的RBF神经网络模型的基础上,结合因子分析算法可以对大规模数据进行降维处理的优点,提出一种FA-RBF神经网络算法.利用该算法首先可以先对输入的数据进行降维处理,将处理后的数据作为神经网络的输入进行网络的训练和仿真.FA-RBF算法可以有效地简化网络结构、提高收敛速度、节省训练时间.将该算法用于私家车保有量的预测中,预测结果显示FA-RBF算法较之于PCA-RBF和RBF神经网络算法,其预测精度有所提高,训练时间及误差平方和都明显降低. 相似文献
5.
6.
7.
正则化训练的神经网络与粗集理论相结合的股票时间序列数据挖掘技术 总被引:1,自引:0,他引:1
论文提出将正则化神经网络与粗集理论相结合应用于股票时间序列数据库的数据挖掘.首先对时间序列数据库进行预处理,除去高频干扰信号,然后将股票时间序列数据按照收盘价的变化趋势分割成一系列静态模式,每种模式代表股票价格的一种行为趋势(上涨或下跌),把决定各种模式的相关属性组成一系列信息,形成一个适用于粗集方法的信息表.然后使用正则神经网络对信息表进行学习,用粗集理论从正则神经网络所存储的知识中抽取规则,得到的规则可以用于预测时间序列在未来的行为。该方法融合了正则神经网络优良的泛化性能和粗集理论的规则生成能力,实验表明,该方法预测效果比较准确。 相似文献
8.
数字电路的最优神经网络模型及建立方法 总被引:7,自引:0,他引:7
本文研究电路的最优神经网络模型,获得了对任意结构的多输入多输出逻辑电路,都存在一种最优神经网络能表征电路的逻辑功能,通过求解一个线性方程组可以得到这种神经网络的结构.文中也给出了多输入基本门电路的最优神经网络结构及其能量函数的一般表达式. 相似文献
9.
10.
介绍了时间序列预测常用的遗传算法和神经网络算法相关理论.在此基础上,提出了改进的基于遗传算法结合LM优化算法的神经网络训练方法.该方法分两阶段使用遗传算法改善网络训练质量,首先通过遗传算法进行粗调得到一个全局的近似解.以此为初值,再采用遗传算法和LM优化算法交替训练神经网络.最后,阐述了将该方法实际应用于春节当天六忙时短信息发送量峰值的预测. 相似文献
11.
12.
13.
粗糙集-遗传神经网络在挖掘机故障诊断中的应用研究 总被引:1,自引:1,他引:0
针对当前单一的故障诊断方法不能满足实际需求的问题,提出了一种粗糙集-遗传神经网络分类器模型,实现对挖掘机故障分类.该模型首先利用粗糙集理论对神经网络的输入进行属性约简,以减少神经网络的工作量;利用遗传算法优化BP神经网络,解决神经网络易陷入局部极小和收敛速度慢的问题;最后利用约简结果和优化的BP网络进行网络训练.实验结果验证了该方法用于故障诊断的有效性. 相似文献
14.
基于神经网络的某型飞机发动机故障诊断研究 总被引:3,自引:0,他引:3
航空发动机故障诊断技术对避免飞行事故和降低飞行器运行成本是十分重要的。提出一种BP网络对某型飞机发动机进行故障诊断,但是由于BP网络收敛速度较慢而且容易陷入局部极小值,特别是BP网络通常只能给出一个解,受训练样本病态影响大。因此通过对BP网络的改进,建立了L-M算法神经网络的飞机发动机故障诊断模型。实验表明,该网络在一定程度上克服了BP网络存在的的问题,在逼近能力、分类能力和学习速度等方面均优于BP网络。为机务人员提供了有效的、科学的发动机故障诊断方法,该种评估手段较好地解决了发动机故障诊断问题,在飞行安全中发挥着越来越大的作用。 相似文献
15.
基于GA与L-M优化算法的变压器故障诊断研究 总被引:1,自引:0,他引:1
利用MATLAB环境建立一个用于变压器故障诊断的BP网络模型。首先利用具有全局寻优功能的遗传算法对BP神经网络的初始权值和阈值进行优化,然后采用L-M(Levenberg-Marquardt)优化算法对BP神经网络进行训练,从而达到加快网络训练速度,避免训练过程陷入局部极小点的目的。最后,详细记录网络的实际输出,并与期望输出做对比研究,最终证实了此网络达到了设计要求,可用于变压器的故障诊断。 相似文献
16.
17.
18.
Neural networks for vector quantization of speech and images 总被引:6,自引:0,他引:6
Krishnamurthy A.K. Ahalt S.C. Melton D.E. Chen P. 《Selected Areas in Communications, IEEE Journal on》1990,8(8):1449-1457
Using neural networks for vector quantization (VQ) is described. The authors show how a collection of neural units can be used efficiently for VQ encoding, with the units performing the bulk of the computation in parallel, and describe two unsupervised neural network learning algorithms for training the vector quantizer. A powerful feature of the new training algorithms is that the VQ codewords are determined in an adaptive manner, compared to the popular LBG training algorithm, which requires that all the training data be processed in a batch mode. The neural network approach allows for the possibility of training the vector quantizer online, thus adapting to the changing statistics of the input data. The authors compare the neural network VQ algorithms to the LBG algorithm for encoding a large database of speech signals and for encoding images 相似文献