共查询到18条相似文献,搜索用时 93 毫秒
1.
基于BP神经网络的模塑封材料疲劳寿命预测 总被引:2,自引:2,他引:0
根据模塑封材料(EMC)疲劳实验,针对BP神经网络[反向传播神经网络(BPNN)]拟合误差与预测误差关系不稳定的应用问题,结合主成分分析法,"主动"改善网络结构,建立了基于BP神经网络的EMC材料疲劳寿命预测模型,进行了分析,并与一般的BP神经网络模型作了比较。结果表明,该方法得到的BP神经网络经过训练后能稳定表征EMC材料的各种参数与疲劳寿命间的内在关系。当网络拓扑结构为2-4-1时,预测结果稳定,预测误差平方和(SSE)为0.5623~0.0271,拟合误差(MSE)为0.0906~0.0278,具有实用性。 相似文献
2.
3.
4.
5.
提出了一种基于改进误差反向传播神经网络(IBPNN)的具有记忆效应功率放大器(PA)的行为模型。该模型在传统误差反向传播神经网络(BPNN)的基础上利用Levenberg-Marquardt(LM)学习算法和加入动量因子的训练算法更新BPNN的权值和阈值,与传统的BPNN相比只需要更少的训练次数就达到了更高的精度。20MHz带宽三载波WCDMA信号的时域和频域仿真都表明其具有良好的性能,并且由得到的功率放大器(PA)动态特性AM/AM和AM/PM可知,该模型可以很好地描述PA的记忆效应。最后,用16QAM调制的OFDM 20MHz带宽信号的实验证明了该模型具有普遍的适用性。 相似文献
6.
7.
提出了一种新型的基于遗传算法(GA)优化的误差反向传播(BP)神经网络的寿命预测模型.选取不同公司生产的LED,以LED光源光通量维持率测量方法(LM-80-08)测试报告中的电流、结温、初始光通量和初始色坐标作为神经网络的输入,LED在网络输入的应力条件下的寿命为输出,可以预测LED在任意电流和结温下的寿命.研究结果表明,该GA-BP模型相比于LED光源长期流明维持率的预测方法(TM-21-11)更具灵活性,预测误差较传统BP神经网络降低了65.5%,平均相对误差达到1.47%,优于Adaboost模型的54%和3.16%,训练样本相关系数达到99.4%,GA-BP模型预测LED寿命误差更小,普适性更高,在LED的寿命预测中具有实际意义. 相似文献
8.
建立精确的模型是使用砷化镓异质结双极晶体管器件(GaAs HBT)设计集成电路的必要基础,传统经验模型建立过程复杂,在输出功率、增益、功率附加效率等功率特性方面的模拟精度不太高,给电路设计带来了一定的难度。本文利用径向基函数(RBF)神经网络算法和反向传播(BP)神经网络算法分别建立GaAs异质结双极晶体管器件的大信号模型。这些模型的训练和测试数据分别来自于测试的双端口散射参数,以及测试的直流特性和功率特性数据。然后将模型数据与实测结果进行对比,结果发现,基于神经网络的器件模型能够精确地模拟器件特性,而且RBF神经网络模型相比BP神经网络模型,误差更小,预测更精确。 相似文献
9.
10.
11.
对电子信息装备维修保障能力进行客观、准确的评估是加强装备维修保障系统建设,提高保障能力的重要依据。创新地将BP神经网络应用到装备维修保障领域,首先建立了电子信息装备维修保障能力评估指标体系,确定了关键要素指标,然后详细设计了电子信息装备维修保障能力评估的BP神经网络模型,并对评估模型的算法流程和数据处理等内容进行研究。通过Matlab仿真软件对结果进行了计算分析表明,BP神经网络具有很强的解决非线性问题的能力,同时消除了因专家差异给评价结果带来的不确定性,适用于电子信息装备维修保障能力评估。 相似文献
12.
量子神经网络是一门崭新的学科,是量子理论和人工神经网络结合的产物。它融合了量子计算与神经网络的优点,具有很高的理论价值和应用潜力。本文基于具有量子输入和量子输出的量子神经元模型,利用BP网络用于图像压缩的原理,同时借助复数BP算法提出了QBP算法,构建一种用于图像压缩的3层QBP网络模型,实现了图像压缩与图像重建。仿真结果表明,在与BP网络压缩比相同的情况下,QBP网络不仅获取较好的重建图像质量,而且在最佳学习速率下迭代次数比BP网络少。 相似文献
13.
14.
15.
多偏移遥感图像的BP神经网络亚像元定位 总被引:2,自引:0,他引:2
提出了一种借助多偏移遥感图像来改进基于BP神经网络(BPNN)的亚像元定位新方法.不同于原BPNN方法使用单幅低空间分辨率观测图像,新方法利用多幅带有亚像元偏移的低空间分辨图像来确定亚像元属于各类的概率,然后根据概率值和地物覆盖比例确定亚像元类别,以降低BPNN定位模型中的不确定性和误差.实验表明,提出方法在视觉和定量评价上,均能获得更高精度的亚像元定位结果,验证了提出方法的有效性. 相似文献
16.
17.
18.
针对环境试验温度测量精度不高,测温延时较大的问题,提出了基于BP神经网络的温度预测方法。该方法通过测量瞬时温度变化率,利用BP神经网络的温度预测模型,对温度进行预测。在MATLAB中仿真表明,该方法对温度测量的精度有了明显的提高,对测温延时有了明显的改善。 相似文献