共查询到16条相似文献，搜索用时 156 毫秒
1.
本文应用BP神经网络算法对铂电阻温度传感器进行非线性校正,给出了BP神经网络的结构和训练权值的方法,在训练网络时对输入量进行了归一化处理。并应用此训练的网络对一实际的温度采集系统进行校正。此方法实现简单,大大方便了铂电阻温度传感器在温度测量中的应用。 相似文献
2.
《烟台职业学院学报》2014,(3):79-83
BP神经网络能较好处理非线性化数据,但传统BP神经网络存在着局限性,为了提高神经网络运算的精确度,通过权值和学习率共同优化,并采用贝叶斯正则化算法训练神经网络,形成了基于改进型BP神经网络的管理信息系统开发风险评价模型,经测算,该模型输出值与实际值高度吻合,模型可接受度较高,并且与传统BP神经网络相比,改进型BP神经网络的相对误差更小。 相似文献
3.
基于人工神经网络的钻削加工参数优化 总被引：1，自引：0，他引：1
运用神经网络对加工参数和其各种影响因素进行建模,在神经网络的智能化选择中,采用了附加动量项的BP算法,解决了收敛速度慢和易限于局部极小等问题。主要针对钻削加工进行网络结构的确定,以及实际网络训练过程中归一、反归一的问题进行了研究。实验表明,这种方法具有可行性,在生产中具有较高的实用价值。 相似文献
4.
洪国雄 《上海海事大学学报》1994,(4)
在温度测量中，热敏电阻或热电偶与温度的关系是非线性的。在微机化智能仪器中，常用软件来代替硬件进行线性校正。本文给出一种基于神经网络的信号非线性变换的方法，以实现线性校正。这种方法具有通用性。在介绍神经网络算法的基础上，给出了两个实例，其计算机摸拟的结果是个人满意的。 相似文献
5.
针对前馈网络BP算法所存在的收敛速度慢且常遇局部极小值等缺陷 ,提出一种基于U D分解的渐消记忆推广Kalman滤波学习新方法。与EKF相比 ,该方法不仅大大加快了学习收敛速度、数值稳定性好 ,而且比BP算法需较少学习次数和隐节点数 ,学习效果也更好。将这种学习算法应用在船舶操纵的神经网络控制器中 ,仿真结果表明该方法是提高网络学习速度、改善学习效果的一种有效方法 ,可有效解决非线性系统的控制问题。 相似文献
6.
基于多种群遗传神经网络的船舶发电机故障诊断 总被引：3，自引：0，他引：3
为及时发现船舶发电系统的早期故障,通过多种群遗传算法与反向传播（BackPropagation, BP)神经网络算法相结合,提出一种基于多种群遗传神经网络算法的船舶发电机故障诊断方法.利用该算法对实例进行故障诊断,结果证明该算法能有效克服BP神经网络收敛速度慢和易出现局部极小值的缺点.该算法有全局搜索能力强、优化速度快的特点,具有一定的应用前景. 相似文献
7.
针对无线传感器网络（WSN）数据融合算法中传统反向传播（BP）神经网络收敛速度慢、对初值敏感和易陷入局部最优解的问题，提出基于改进粒子群的BP神经网络WSN数据融合算法（BSO-BP）。用天牛须搜索（BAS）算法对粒子群算法进行改进，利用改进后的粒子群算法优化BP神经网络权值和阈值，引入WSN数据融合中，簇首节点通过优化训练后的BP神经网络对采集数据进行特征提取，将融合后的数据发送至汇聚节点。仿真实验表明，BSO-BP算法能有效地提高融合精度和收敛速度，减少冗余数据传输，延长网络生命周期。相较于传统BP数据融合算法和PSO-BP算法，BSO-BP算法减少了至少11%的平均相对误差和13.89%的均方根误差。 相似文献
8.
为了改进BP算法预测性能,提出QPSO-BP模型.该模型采用DELTA势阱改进的量子粒子群(QPSO)算法优化BP网络的权值与阈值,然后利用各年的GDP数据进行训练和预测.结果表明:经过DELTA势阱改进的QPSO优化BP算法模型比PSO-BP模型和BP神经网络更稳定,预测精度更高且泛化能力更强.与文献中所用模型的运算结果相比较,这种改进模型运算结果的相对误差和平均误差更小,在准确性上也有一定的优势. 相似文献
9.
《沈阳大学学报（自然科学版）》2014,(2)
针对典型的不稳定、多变量、非线性、强耦合的三级倒立摆系统,建立了基于GA优化的PID神经网络(GA-PIDNN)辨识结构,完成了GA与BP两种算法的简单对比,并给出了MATLAB仿真结果.结果表明,GA-PIDNN对于非线性三级倒立摆的辨识是有效的,且GA优于BP算法. 相似文献
10.
为降低船舶交通流量的预测误差,提高预测精度,在分析传统的灰色模型和反向传播(BackPropagation,BP)神经网络模型优缺点的基础上,构建灰色神经网络模型预测船舶交通流量.以实际测量值作为初始数据构建不同的灰色模型,各种灰色模型的预测值作为神经网络的输入值,得到最佳预测模型.实例分析表明:灰色神经网络模型可提高预测精度,预测结果比较理想,优于单一预测模型;该模型具有所需初始数据少和非线性拟合能力强的特点,用于船舶交通流量预测是可行和有效的. 相似文献
11.
为提高船舶航迹预测精度,解决准确建模难度大和神经网络易陷入局部最优的问题,考虑实时获取目标船AIS数据较少的特点,提出一种基于支持向量机(support vector machine,SVM)的航迹预测模型。选择AIS数据中的航速、航向和船舶经纬度作为样本特征变量;采用小波阈值去噪的方法处理训练数据;采用差分进化(differential evolution,DE)算法对模型内部参数寻优以提高模型收敛速度和预测精度。选取天津港实船某段航迹的AIS数据,比较基于DE-SVM与基于BP神经网络的航迹预测模型的仿真结果。结果表明,基于DE-SVM的航迹预测模型具有更高的预测精度,简单、可行、高效,且耗时少。 相似文献
12.
在对高维系统的非线性辨识中 ,容易诱发维数灾难 ,而且由于数据分布的不均匀性和稀疏性 ,使得通常正交小波网络在应用时存在许多困难。本文利用非正交小波网络 ,按照文 [6 ]的方法训练和构造小波网络 ,针对其泛化能力不好的缺点 ,结合最小二乘算法提出了一种在线自适应调整网络权值的方法 ,获得了一类具有良好自适应能力的小波网络。 相似文献
13.
张颖 《上海海事大学学报》2011,32(4):76-79
为较好地描述藻类生长受环境中各种理化因子作用和影响的复杂的非线性映射关系,将主成分分析(Principal Component Analysis,PCA)与模糊反向传播(Back Propagation,BP)网络模型算法相结合对藻类生长状态进行预测.该方法可有效降低样本数据的维数,简化模型系统的复杂程度,使模型具有较... 相似文献
14.
应用BP神经网络算法对运动成绩预测的实证研究 总被引：3，自引：0，他引：3
人工神经网络具有很强的自训练学习和容错能力等优点,且BP网络的学习算法简单、学习能力强,其在实际中具有较为广泛的应用。鉴此应用BP神经网络对运动成绩进行预测,并结合实例说明了该方法的实施与应用。数值试验表明模型具有很高的预测精度,为运动成绩的预测提供了一种新的方法。 相似文献
15.
曾连荪 《上海海事大学学报》1999,(3)
探讨了采用广义ＢＰ神经网络理论来进行组合导航定位数据的非线性滤波方法。采用广义ＢＰ人工神经网络进行随机状态估计，其特点是：实时数据处理可并行计算，速度快；对组合导航系统模型结构及其统计特性无要求。 相似文献
16.
针对常规非线性自抗扰控制（nonlinear active disturbance rejection control,NLADRC）技术在船舶航迹控制中存在的参数整定难、抗干扰能力差的问题，搭建船舶三自由度MMG数学模型，设计船舶航迹NLADRC系统。利用径向基函数（radial basis function,RBF）神经网络对系统进行辨识，使网络输出逼近系统输出。根据辨识信息自适应整定对系统整体控制效果影响较大的两个参数，提出基于RBF神经网络的船舶航迹NLADRC系统。仿真结果表明，参数的自适应整定能加快系统收敛速度，大幅减小超调量，对外界环境具有更强的鲁棒性。神经网络对NLADRC的优化，使其控制性能得到提升。 相似文献