共查询到20条相似文献，搜索用时 562 毫秒
1.
陈伟青 《河南职业技术师范学院学报》2004,32(4):62-63
本文针对传统神经网络算法的不足之处给出了一种改进算法，且将该算法应用于销售预测中，获得了良好的预测结果，可作为预测商品销售的一种手段。 相似文献
2.
介绍了一种基于神经网络级联算法的软件可靠性增长预测方法，阐述了该算法的具体步骤．对预测系统进行了定义，提出了预测手段，并对预测进行了度量．测试结果与传统方法比较，该方法的较优越性能． 相似文献
3.
陈伟青 《河南科技学院学报》2004,32(4):62-63
本文针对传统神经网络算法的不足之处给出了一种改进算法,且将该算法应用于销售预测中,获得了良好的预测结果,可作为预测商品销售的一种手段. 相似文献
4.
李伟 《石家庄铁路职业技术学院学报》2012,(2)
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
5.
针对大多数复杂热工控制对象非线性特性与运行工况密切相关的实际特点,提出了一种基于模糊加权的多模型预测控制算法。该算法采用多模型自适应控制（MMAC）中模型集选取的方法,权重计算则通过多模型优化模糊加权算法,将各子模型输出概率加权平均值作为对实际对象的预测输出值,通过一个动态矩阵预测控制器计算最终控制。并对一个超临界600MW直流锅炉过热汽温对象进行仿真,验证了该算法的有效性。 相似文献
6.
传统PID控制难以在非线性、迟延、时变和具有扰动特质的超临界主汽温度控制系统中达到满意的控制效果.因此,提出了一种采用多步预测、滚动优化和反馈校正的神经网络预测控制系统.以某超临界电厂主汽温度为研究对象,MATLAB仿真结果表明：不同的工况建立的主汽温度神经网络动态模型,能够很好地预测对象的动态特性,取得了优于传统PID的控制效果. 相似文献
7.
8.
文章提出了一种模糊控制与RBF神经网络相结合的电力系统短期负荷预测算法,用以解决传统RBF神经网络在电力系统短期负荷预测中存在误差的问题。通过实例验证,该方法与传统的RBF负荷预测方法相比,提高了预测精度,并且具有较好的应用前景。 相似文献
9.
在传统推荐系统中,通常基于协同过滤推荐算法挖掘评分中的隐含特征,但在实际应用中,评分矩阵往往十分稀疏,很难充分地表示用户偏好特征与物品描述特征。为了充分挖掘评论文本中的隐含特征,并在一定程度上缓解数据稀疏性问题,提出一种深度协同过滤模型(CFiCNN)：融合卷积神经网络的协同过滤模型。该模型利用卷积神经网络抽取用户-物品评论数据中的隐含特征,基于协同过滤的矩阵分解方法,进行评分预测。在4个真实数据集上对该模型进行了评估实验,并与3个常用模型进行对比。实验结果表明,该模型能够很好地抽取到用户与物品的隐含特征,并且进行更准确的评分预测。 相似文献
10.
11.
从建立稳定、精确的非线性预测模型出发,以Broyden,Fletcher,Goldfarb和Sharmo(BFGS)的拟牛顿优化算法为基础,在神经网络的训练过程中引入两个含有不同参数的拟牛顿校正公式并行的确定搜索方向,通过不精确搜索法求取最优步长,最后根据性能指标取最优的一个搜索方向和相应的步长对网络各层之间的权值进行修正。控制器采用神经网络递推多步预测、自补偿式在线闭环反馈校正以及迭代学习求解进行优化的方法。Matlab仿真结果验证了该方法的有效性。 相似文献
12.
The fuzzy NN predictive control algorithm introduced in this paper uses fuzzy neural network to model the nonlinear MIMO process.
Its training method that integrates LS and BP algorithm brings quick convergence. GPC algorithm is used as the predictive
component. The fuzzy neural network has six layers, including input layer, output layer and four hidden layers. An application
to a MIMO nonlinear process (green liquor system of the recovery system in a pulp factory shows that this algorithm has better
performance than normal PID algrithm.
Project (No. 20010539) supported by Education Office of Zhejiang Province. 相似文献
13.
14.
针对DMC75VLinear五轴高速加工中心和Heidenhain iTNC530数控系统,提出一种后置处理算法,结合M128指令研究了刀具摆角B和工作台转角C的计算公式。利用编写的后置处理软件得到了不同零件的数控程序,已在该五轴加工中心上使用,从而验证了本研究的后置处理算法的正确性和可靠性。 相似文献
15.
本文首先研究了粗糙需求的生产储存模型.其次,用粗糙模拟、神经元网络、模拟退火算法组成了新的混合智能算法.最后用此算法优化了生产储存问题的粗糙机会约束规划模型. 相似文献
16.
针对机械臂位置跟踪问题,基于RBF神经网络控制理论,提出了一种自适应反演控制方法．该方法利用反演控制技术解决了系统的非线性问题,通过神经网络对系统中不确定函数进行逼近,实现神经网络自适应反演控制,最后通过Lyapunov稳定性理论证明所得闭环系统的最终一致有界．仿真结果证明该算法的有效性． 相似文献
17.
BP算法是人工神经网络研究的一个常用方法，但从本质上说是属于局部寻优法，容易陷入局部极小点，且存在着学习速度与精度之间的矛盾；遗传算法是一种全局优化算法，具有并行计算能力．本文采用遗传算法来训练前向神经网络，建立一个基于遗传算法和BP算法的神经网络预测模型．试验结果表明它是一个成功较高的预测模型． 相似文献
18.
WU Xiao-juan ZHU Xin-jian CAO Guang-yi TU Heng-yong 《浙江大学学报(A卷英文版)》2007,8(9):1505-1509
The solid oxide fuel cell (SOFC) is a nonlinear system that is hard to model by conventional methods. So far,most existing models are based on conversion laws,which are too complicated to be applied to design a control system. To facilitate a valid control strategy design,this paper tries to avoid the internal complexities and presents a modelling study of SOFC per-formance by using a radial basis function (RBF) neural network based on a genetic algorithm (GA). During the process of mod-elling,the GA aims to optimize the parameters of RBF neural networks and the optimum values are regarded as the initial values of the RBF neural network parameters. The validity and accuracy of modelling are tested by simulations,whose results reveal that it is feasible to establish the model of SOFC stack by using RBF neural networks identification based on the GA. Furthermore,it is possible to design an online controller of a SOFC stack based on this GA-RBF neural network identification model. 相似文献
19.
Designing reliable flight control for an autonomous helicopter requires a high performance dynamics model.In this paper,a nonlinear autoregressive with exogenous inputs （NLARX） model is selected as the mathematical structure for identifying and controlling the flight of a small-scale helicopter.A neural network learning algorithm is combined with the NLARX model to identify the dynamic component of the rotorcraft unmanned aerial vehicle （RUAV）.This identification process is based on the well-known gradient descent learning algorithm.As a case study,the multiple-input multiple-output （MIMO） model predictive control （MPC） is applied to control the pitch motion of the helicopter.Results of the neural network output model are closely match with the real flight data.The MPC also shows good performance under various conditions. 相似文献
20.
INTRODUCTIONOneoftheoldestresearchesofchaosincon trolfieldscanbeseeninthepaperbyKalman(1956) ,whofirstfoundnon synchronousoscil lationsinatwo dimensionalsampled datacontrolsystem .IntheOGYmethoddevelopedbyOttetal.(1990 ) ,chaoticphenomenawaseliminatedbyadjustingparametersofthesystemswhenthechaoticorbitcomesnearaperiodicalorbit.ButtheOGY’smethodrequiresmonitoringthesys temlongenoughtodeterminealinearizationmodeintheneighborhoodofthedesiredunstableperiodicorbitbeforeitcanbeapplied .Besi… 相似文献