首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到10条相似文献,搜索用时 31 毫秒
1.
针对现有BP神经网络选取权值和阈值不精确问题,采用改进量子粒子群优化算法优化BP神经网络权值和阈值。首先在改进的量子粒子群优化算法中,采用双层多种群优化策略提高整个种群的寻优能力,然后在每个子群中使用混沌反向学习和Levy飞行增强子群寻优能力,最后利用改进的量子粒子群优化BP神经网络权值和阈值。实验结果表明,改进的量子粒子群优化算法能有效提高BP神经网络的全局寻优能力和收敛性,对数控高速铣削加工的铣削力进行准确预测。  相似文献   

2.
用BP神经网络对电站锅炉运行数据进行训练、测试,并在此基础上使用粒子群算法对已建立的锅炉BP神经网络模型做进一步优化。通过对网络预测输出值与实际值之间的比较,明确PSOBP可以更好地提升BP神经网络的泛化能力。  相似文献   

3.
为准确、快速、高效地预测电网短期负荷,提出改进的粒子群算法(DPSO),并与BP算法相结合,形成改进的粒子群—BP(DPSO-BP)神经网络算法,用此算法训练神经网络,实现神经网络参数优化,得到基于DPSO-BP算法的神经网络模型.算例分析表明,与传统BP神经网络法和PSO-BP神经网络方法相比,该方法改善BP神经网络的泛化能力,预测精度高,收敛速度快,对电力系统短期负荷具有良好的预测能力  相似文献   

4.
在分析传统误差反向传播(BP)算法和标准粒子群优化(PSO)算法的特征及其问题基础上,提出一种改进粒子群优化(MPSO)算法和改进BP(MBP)算法,建立基于MPSO-MBP混合算法的高压断路器神经网络故障诊断模型.通过训练样本和测试样本的仿真对比分析,该方法能够实现高压断路器不同故障的有效诊断,提高高压断路器故障模式的识别能力,故障诊断准确率高、速度快.  相似文献   

5.
为降低步态识别特征噪声、提高BP神经网络在步态识别中的准确性和高效性,提出一种基于粒子群优化的BP神经网络识别算法。该算法将形态学细化思想融入人体骨架图特征值提取中,在二维平面上抽取多种特征值,然后建立粒子群优化神经网络模型,将特征值矩阵代入模型中,在反复迭代后产生最优迭代函数作为神经网络优化函数,不断优化网络层之间的权值和阈值。实验结果表明,优化后的模型识别率高达97.125%。  相似文献   

6.
由于灰色神经网络随机初始化网络的参数在使用灰色神经网络预测模型时,经常会出现在进化过程中陷入局部最优值和预测精度较低等问题.因此,提出采用粒子群优化(PSO)算法优化灰色神经网络的初始参数,建立了基于粒子群优化灰色神经网络的预测模型.使得在预测性能的稳定性上,明显优于单纯使用灰色神经网络模型.通过实验,对比分析了BP神经网络、灰色神经网络和PSO优化的灰色神经网络三种预测模型,结果验证了所提模型的有效性,从而进一步提高了灰色神经网络预测模型的精确度.  相似文献   

7.
作者重名消歧是一个重要又复杂的研究课题,在科技文献检索工作中,作者重名问题势必会降低文献检索的效率和准确性,影响工作进度。提出一种改进粒子群算法优化的BP(Back Propagation)神经网络算法,以解决作者重名消歧问题。首先引入Beta分布的动态惯性权重,提高算法全局搜索能力|其次利用改进粒子群算法优化的权值和阈值,作为BP神经网络的初始权值和阈值进行模型训练,以加快模型训练速度|最后通过特征评价函数过滤式选取排序较优的M维特征子集作为输入层特征向量训练模型,得到最终预测结果,从而精确区分重名的作者。实验研究表明,该模型对重名作者身份的预测准确率可达89.01%,证明了该算法的有效性。  相似文献   

8.
针对电梯运行故障的动态诊断难题,提出一种优化的BF神经网络故障诊断模型,实时分析电梯运行数据,准确快速得出电梯故障信息,提高电梯运行的安全性和可靠性。将粒子群算法引入到神经网络算法中,修改误差目标函数的距离公式,建立电梯故障诊断的改进神经网络模型,并通过实验数据的仿真分析,从而验证了电梯故障诊断具有可行性。  相似文献   

9.
康亮  徐杨  尹丽华 《中国科技论文》2023,(11):1244-1249
针对群组机器人搜索时难以得到全部全局信息的问题,提出邻域粒子对粒子群优化(particle swarm optimization, PSO)算法进行改进。对于机器人组群中的粒子,设定了机器人的速度限制,根据任务的解决程度,可以弹性改变机器人粒子的前进速度。为实现在实际环境中使用PSO算法,将粒子的拓扑空间替换为搜索空间,使得群组机器人可以应用改进后的PSO算法完成既定的搜索任务。设计了一套含有8个指标的算法评价体系,通过100次的3种不同类型搜索任务求解,对比不同的算法和指标,实验结果证明了提出的PSO算法在群组机器人搜索任务中的适用性和有效性。  相似文献   

10.
针对标准的BP神经网络对于声音信号识别率不高的问题,提出了一种用粒子群算法(PSO)优化BP神经网络的算法,建立了声音信号识别模型。PSO优化BP神经网络主要是用PSO来优化BP神经网络的初始权值和阈值,然后通过训练BP神经网络得到识别模型的最优解,优化后的神经网络具有误判率小、反应速度快等特点。在实验中把标准的BP神经网络和PSO优化后的BP神经网络用于八种异常声音的MFCC特征量和差分MFCC特征量识别,结果表明:在声音信号的识别系统中采用PSO优化BP神经网络的算法提高了系统的识别性能,达到了系统设计的目的。  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号