共查询到18条相似文献,搜索用时 140 毫秒
1.
2.
3.
《核电子学与探测技术》2015,(5)
提出了采用改进的Elman神经网络拟合图像灰度值与照射量率的关系曲线来标定辐射探测器的方法,探讨了神经网络参数的选取,得到了理论上和实验上的拟合曲线及误差曲线。通过与BP神经网络训练结果比较分析,证明改进Elman算法收敛速度快,误差曲线更加平滑。该算法网络已应用于X射线探测器的标定,与预期目标一致,辐射剂量的测量精度达到10~(-15)。 相似文献
4.
针对传统神经网络在核素识别中训练效果弱,易陷入局部极小、收敛速度慢等问题,提出了基于概率神经网络的核素识别方法,采用样本的先验概率和最优判定原则对新的样本进行分类。该方法利用能谱预处理过程获得的谱峰宽度、特征能量射线强度、峰面积等特征信息建立训练与测试样本,采用训练样本对概率神经网络模型进行训练,并进行了分类识别仿真实验。通过CZD探测器对3种核素不同组合的实测能谱进行测试,并与传统的神经网络算法进行对比表明:此方法具有较高的识别效率及准确率,可应用于安全监控、失控放射物探测等快速核素识别领域。 相似文献
5.
基于神经网络的综合评判在核爆模式识别中的应用 总被引:2,自引:1,他引:1
提出了应用神经网络对由单特征值组成的高阶特征量进行综合评判,以提取了信号的特征值作为神经网络的输入值,构造了地下核爆炸和天然地震的隶属度函数,根据隶属度的大小,确定神经网络的输出结果。并针对在核爆炸模式识别中BP网络收敛速度较慢的缺点,采用改进的delta算法。结果表明,方法是可行的,改进后的网络训练时间比BP 网络明显缩短,识别率比单特征值有很大的提高,达到92%。 相似文献
6.
7.
融合压缩感知—Landweber法图像重建 总被引:1,自引:0,他引:1
为提高Landweber算法的收敛速度,将压缩感知理论引入到Landweber算法中,理论上证明了该算法的可行性并用改进的距离驱动进行系统矩阵的建模。实验结果证明:融合算法进行图像重建时,算法的收敛速度及采样时间均优于Landweber算法。并用GPU对重建算法进行加速,大幅度提高了算法的执行速度。 相似文献
8.
为提高Landweber算法的收敛速度,将压缩感知理论引入Landweber算法中,理论上证明了该算法的可行性并用改进的距离驱动进行系统矩阵的建模。实验结果证明:融合算法进行图像重建时,算法的收敛速度及采样时间均优于Landweber算法。并用GPU对重建算法进行加速,大幅度提高了算法的执行速度。 相似文献
9.
针对标准粒子群算法在处理非线性约束优化问题时存在收敛速度慢和易陷入局部最优的缺点,设计了一种粒子群遗传算法.该算法采用可行性原则处理约束条件,避免罚函数法中惩罚因子选取的困难;随机产生初始可行群体,加快粒子群收敛速度;引入遗传算法的交叉和变异策略,避免粒子群陷入局部最优.通过对典型测试函数的优化计算,表明粒子群遗传算法有较好的优化性能.将该算法应用在核动力装置优化中,优化效果显著. 相似文献
10.
基于奇异值分解和最小二乘支持向量机的气-液两相流流型识别方法 总被引:2,自引:0,他引:2
针对气-液两相流压差波动信号的非平稳特征和BP神经网络学习算法收敛速度慢、易陷入局部极小值等问题,提出了一种基于奇异值分解和最小二乘支持向量机(LS-SVM)的流型识别方法。该方法首先采用经验模态分解将气-液两相流压差波动信号分解为多个平稳的固有模态函数之和,并形成初始特征向量矩阵;对初始特征向量矩阵进行奇异值分解,得到矩阵的奇异值,将其作为流型的特征向量,根据LS—SVM分类器的输出结果来识别流型。对水平管内空气-水两相流4种典型流型进行识别,结果表明,与神经网络相比,该方法具有更高的识别率和识别速度。 相似文献
11.
12.
基于图像小波包信息熵和遗传神经网络的气-液两相流流型识别 总被引:1,自引:0,他引:1
根据小波包变换能够将图像信号按不同尺度进行分解的特性,提出了基于图像小波包信息熵特征和遗传神经网络相结合的气-液两相流流型识别的新方法.该方法采用高速摄影系统获取水平管道内气-液两相流的流动图像,经过处理,对图像进行多分辨率分析,提取小波包变换系数的信息熵特征,用主成分分析法降低特征维数构成特征矢量,作为流型样本对遗传神经网络进行训练,实现了对流动图像的流型智能化识别.结果表明:图像小波包信息熵特征可以很好地反映各流型之间的差异;遗传神经网络结合遗传算法和BP算法各自优点,具有收敛速度快、不易陷入局部极小的特性,网络识别率为100%. 相似文献
13.
14.
15.
16.
摇摆工况下自然循环系统的流动不稳定性现象对船用核动力系统的安全性有着显著影响。结合神经网络和遗传算法,对复杂不稳定性行为的预测进行了优化。采用小数据量法计算了流量时间序列的最大Lyapunov指数,得到了时间序列的最大可预测时间。应用单隐层BP神经网络对流量变化进行了多步滚动预测,在步数较少时预测结果与实验结果符合较好。但由于BP神经网络存在陷入局部最优解的问题,为此采用遗传算法对神经网络的初始阈值和权值进行优化,从而改善了BP神经网络的非线性预测性能。本文结果为流动不稳定性的实时预测提供了一种易于实际应用且准确度较高的途径。 相似文献
17.
运用BP(back propagation)人工神经网络的方法,通过实现堆芯装载方式建模、自适应选择网络节点数、调整学习率和随机梯度下降搜索,快速准确地预测了秦山二期压水堆堆芯燃料换料3个关键参数:有效增殖因数、组件功率峰因子、棒功率峰因子,解决了传统方法需消耗大量算力、时间才能计算的问题。数值实验发现,对于超出训练数据以外的情形,BP神经网络方法的最大相对误差仍不超过2%,表明网络模型的可靠性和鲁棒性能较好,且可毫无困难地推广至其他参数预测,对人工智能算法在核工业领域的进一步应用做出了重要的探索。 相似文献