基于检测数据更新的混凝土碳化深度预测

混凝土碳化深度预测模型及模型参数的选择均存在不可忽略的主观不确定性和随机性,应用于实际工程时存在显著的误差,而实际检测数据往往样本数量少、缺乏足够的完备性而不能用于实际工程中混凝土碳化深度的预测。以几个碳化深度预测模型计算结果的加权平均值来预测混凝土碳化深度,用贝叶斯方法结合检测信息和先验预测模型,更新预测模型权重的概率分布和相应模型分布参数的概率分布,采用更新后的模型权重和参数后验分布,可以更加准确地对结构的碳化规律进行评估和预测。以一个10 a期自然碳化试验结果为例,验证了本方法的有效性。     

基于贝叶斯方法的混凝土结构碳化深度预测研究

考虑到混凝土结构本身的特性及其所处环境条件的随机性蕴含着极大的主观不确定性,提出贝叶斯动态信息更新思路。首先根据主观经验信息选定一个已有的混凝土碳化深度预测公式作为贝叶斯先验模型,然后结合工程实际检测信息,运用贝叶斯方法综合这两类信息进行推断,从而对先验模型进行更新。该方法继承了先验模型的完备性和检测信息的准确性,能更加准确地对结构的碳化规律进行评估和预测。最后以计算实例验证了贝叶斯动态信息更新的实用性和优越性。     

遗传优化神经网络的一种改进算法

提出一种搜索算子．结合自适应交叉和变异算子,构成了遗传优化神经网络的一种改进算法。将这种算法用于一个算例的计算。与遗传优化BP算法相比较,发现遗传优化BP算法出现了网络瘫痪问题,改进算法则取得了较好的运算结果。     

应力状态下混凝土受硫酸盐侵蚀深度的神经网络预测分析

基于BP神经网络算法,以硫酸盐侵蚀混凝土试验数据为训练样本,建立了考虑硫酸盐侵蚀溶液浓度、混凝土拉压应力水平和侵蚀时间等影响因素的硫酸盐侵蚀混凝土深度的内推与外推预测模型.经验证,该模型具有良好的预测效果,为混凝土受硫酸盐侵蚀的耐久性研究提供了一种有效方法.     

基于改进粒子群算法的BP神经网络模型研究

为解决BP神经网络局部性收敛度慢的问题,提出了基于改进粒子群算法的BP神经网络模型．该方法通过粒子群进化速率动态调整惯性权重因子,提高了算法的收敛速度和全局搜索最优值的能力．提出的模型和改进的算法模拟仿真表明：该方法对收敛速度和精度有更好的拟合性．     

Prediction Model for Fatigue Stiffness Decay of Concrete Beam Based on Neural Network

With the method of neural network, the processes of fatigue stiffness decreasing and deflection increasing of reinforced concrete beams under cyclic loading were simulated. The simulating system was built with the given experimental data. The prediction model of neural network structure and the corresponding parameters were obtained. The precision and results were satisfied and could be used to investigate the fatigue properties of reinforced concrete beams in complex environment and under repeating loads.     

改进型RBF神经网络在线的学习算法

为了更好的满足嵌入式应用领域和实时性环境的要求,在资源分配网络(RAN)的基础上提出了一种改进型径向基函数(RBF)神经网络在线学习算法.在网络参数调整过程中引入了分级学习率因子,根据理论输出和网络输出误差绝对值的大小选择不同的学习率因子参与学习过程.在VC++6.0编程环境中进行的软件仿真试验表明:相对于传统的RBF神经网络在线学习算法,改进型RBF神经网络在线学习算法在不增加网络规模的情况下可以进一步减小输出误差.     

Object Recognition Algorithm Based on an Improved Convolutional Neural Network

In order to accomplish the task of object recognition in natural scenes, a new object recognition algorithm based on an improved convolutional neural network(CNN) is proposed. First,candidate object windows are extracted from the original image. Then, candidate object windows are input into the improved CNN model to obtain deep features. Finally, the deep features are input into the Softmax and the confidence scores of classes are obtained. The candidate object window with the highest confidence...     

碳化深度对混凝土强度影响的研究

影响混凝土强度的因素有很多,混凝土的碳化就是其中的一个。介绍混凝土碳化过程的基础上,通过实际工程和实验分析混凝土碳化对强度的影响,最终论证混凝土强度随碳化深度的加深逐渐降低。在实际工程和实验中分别采取回弹法来测定混凝土强度,用酒精酚酞指示剂的方法检测混凝土的碳化深度。然后整理、分析混凝土强度和碳化深度数据,实验室理论数据和实测数据结合分析验证结论。     

一种基于粒子群优化的粒子滤波改进算法

粒子群优化粒子滤波算法能有效改善粒子退化问题,但其适应度函数受量测噪声方差影响较大,限制了滤波精度的提高.为此,提出了一种基于粒子群优化的粒子滤波改进算法.该算法给出一种新的适应度函数,用当前状态估计值与各粒子状态的差值大小作为评价标准,使得最终优化粒子受噪声方差影响减小,在量测模型精度高的场合中提高了滤波精度.理论分析及仿真结果表明,本文所提算法的滤波性能优于标准粒子滤波与粒子群优化粒子滤波算法.     

基于改进PSO算法的自适应均衡算法

传统的自适应均衡算法存在收敛速度慢,稳定性差、均衡效果不理想等缺点,从而使自适应均衡器在高速光纤通信系统中的应用受到限制.具有梯度搜索因子的Grads-PSO算法,结合了传统数值优化方法在计算速度和计算精度上的优势,将梯度法引入粒子群算法中.在梯度搜索因子的指导下,PSO算法的运算过程显得更加有规则,从而提高了算法的收敛速度和运算精度.因此,本文提出将改进PSO算法用作自适应均衡器均衡算法.通过仿真实验表明,改进PSO算法具有收敛速度快,计算精度高的优点,将其作为自适应均衡器的控制算法可收到很好的均衡效果,优于传统的控制算法.     

基于改进的LSTM癫痫预测算法研究

癫痫作为一种脑神经系统疾病,因其反复性强和治愈性低的特点,成为了 目前医学界的难题.癫痫的患病率在世界上仅次于急性脑卒中的慢性疾病,达0.4％-1.4％.针对疾病发作的实时预测困难的问题,提出一种基于长短期记忆网络(LSTM)改进的癫痫发作预测算法研究.对经过预处理的电脑信号采用小波变换提取信号中的不同能量特征作为LSTM的输入参数,将电子搜索算法(ESA)和随时间反向传播算法(BPTT)相结合更快更准确地调整网络参数,以实现癫痫病发作的短时预测.与现有的网络预测分类模型LSTM、SVM进行对比试验,本文算法较传统分类算法提高了分类精度,达93.7％.     

基于改进Fisher准则的深度卷积神经网络识别算法

为了有效利用深度学习技术自动提取特征的能力,并解决当训练样本量减少或者迭代次数降低时识别性能急速下降的问题,提出了基于Fisher准则的深度学习算法.该方法在前馈传播时,采用卷积神经网络自动提取图像的结构信息等特征,同时利用卷积网络共享权值和池化、下采样等方法减少了权值个数,降低了模型复杂度;在反向传播权值调整时,采用了基于Fisher的约束准则.在权值的迭代调整时既考虑误差的最小化,又同时让样本保持类内距离小,类间距离大,从而使权值能更加快速地逼近有利于分类的最优值,当样本量不足或训练迭代次数不多时可有效地提高系统的识别率.大量的实验结果证明:该基于Fisher准则的混合深度学习算法在标签样本不足或者较少训练次数的情况下依然能达到较好的识别效果.     

一种基于人工神经网络的出租车目标自动预测算法

阐述了ECML/PKDD大会对出租车目的地预测提出质疑的解决方案,使用一种基于神经网络的完全自动化的方法,尝试构建多层感知、双向递归神经网络和记忆网络的模型。提出的方法可以较容易地适用于其他应用程序,目标是预测一个可变长度序列的固定长度输出。     

基于改进PSO算法的割刀驱动机构的优化设计

为提高立式割台的传动效率,减小振动,以半喂入式联合收割机的割刀驱动机构传动性能最佳和机构整体质量最小为目标建立数学模型,采用改进PSO算法进行割刀驱动机构的多目标优化设计。利用MATLAB-PSO工具箱验证了算法及所建数学模型的准确性和可行性; 利用VC++软件开发平台编制人机交互界面让操作者使用方便,数据显示直观。计算结果表明,在满足传动要求的情况下,最小传动角增加5.49%,机构尺寸减小23.07%。改进PSO算法多目标优化法能改善机构传动性能,减小机构尺寸,实现机构的性能优化和局部小型化。       

基于神经网络的混凝土梁斜裂缝宽度预测

对16根高强箍筋混凝土简支梁进行了受剪试验研究,分析了加载方式,混凝土强度、配箍率对斜裂缝宽度的影响,在试验基础上建立了混凝土梁斜裂缝宽度的BP网络模型.研究结果表明,该网络模型的模拟结果与试验结果符合较好,建立了高强钢筋混凝土梁受剪斜裂缝宽度和其影响因素之间的一种函数关系.因此,可以将人工神经网络运用到高强钢筋混凝土梁受剪斜裂缝宽度的研究中,实现斜裂缝宽度的预测.     

基于改进的PSO神经网络的手写体汉字识别

为了克服手写体汉字识别中传统神经网络训练算法存在网络易于过早收敛的缺陷,本文提出采用自适应惯性权值的粒子群优化算法训练神经网络,即利用粒子更新迭代训练神经网络最优的权值和阈值,其中对粒子更新的惯性权值进行了自适应性的改进.试验中提取了大量汉字样本的笔画数量信息和分布信息作为特征向量,利用改进的粒子群神经网络对汉字进行分类,并与BP神经网络的识别效果做了比较.结果表明:自适应惯性权值的粒子群优化算法能有效避免网络"早熟",大大提高了网络训练精度,网络对汉字的识别正确率明显提高.     

基于改进的粒子群和遗传算法的混合优化算法

分析粒子群算法在求解组合优化问题中的运行原理,对警车分布的优化问题建立了粒子群优化的数学模型,对基本粒子群优化算法中的速度范围、惯性权重等参数进行了改进,并通过仿真与基本粒子群算法比较,显示改进的粒子群算法,提高了优化结果.在改进的粒子群算法中引入遗传算法,将形成的新混合算法应用到求解警车最优执勤地点的分布问题,并与遗传算法和改进的粒子群算法仿真比较.结果表明,混合优化算法在收敛速度和精度上均有明显的提高.