共查询到18条相似文献，搜索用时 437 毫秒
1.
空间辐照干扰尤其是单粒子翻转（SEU）效应对神经网络芯片的正常稳定运行造成很大影响,它会导致存储在芯片SRAM存储器的权重参数随机发生比特位翻转,进而神经元的权重参数值发生变化,直接影响神经网络芯片输出的准确度。在分析现有的一些抗辐照干扰方法基础上,针对芯片硬件开销、恢复时间与处理速度的问题,利用软件仿真研究在不同比例权重参数出错的情况下神经网络的测试准确度,就结果准确度下降的情况,采用dropout算法构建新的网络框架,以一定概率屏蔽受到SEU影响的神经元。仿真实验结果表明,该方法可以提升受SEU干扰神经网络的准确度。 相似文献
2.
岩体点云滤波是岩体三维重建的关键环节。针对岩体点云环境，提出一种基于多维度特征和多层神经网络的植被滤波方法。该方法首先计算点云中每一点的多维度特征作为特征输入；然后利用多层神经网络构建分类器实现对岩体点云数据的植被滤波过程。分析多维度特征的可用性，并通过不同的实验过程筛选最优网络模型参数。与其他分类器相比，本算法精度较高，能够更好地应用于岩体点云植被滤波领域。 相似文献
3.
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
4.
针对市场对汽车再制造产品的需求不确定和再制造设施投入成本高的问题,引入多等级设施、市场需求率和回收率,通过对废旧汽车再制造逆向物流网络涉及到的各项成本和收入进行权衡,建立一个以收益最大为目标的混合整数规划模型,并用离散粒子群优化算法对模型进行求解,确定再制造物流网络中各设施的数量、位置和等级,以及各设施间的物流量分配。对市场需求率、回收率、设施能力等参数进行灵敏度分析,研究各参数对网络模型的影响。通过仿真实例验证模型和算法的有效性。 相似文献
5.
本文针对化学研究过程中时常出现的对研究结果表述的粗糙和错误,通过实例指出复核验证研究结果的重要性,并运用科学方法论讨论了对研究结果进行复核验证的步骤和方法. 相似文献
6.
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
7.
《四川工程职业技术学院学报》2016,(4):85-87
网络信息时代,微课以及基于微课的翻转课堂的出现推动了传统教学方式的变革。能否把这种新的教学资源和教学模式应用到迫切需要变革的大学英语教学中去成为各学校关注的焦点。本文通过对比分析传统课堂的缺陷和翻转课堂的优势,调查分析教师以及学生情况,试探讨基于微课的翻转课堂模式在大学英语教学中应用的可行性。 相似文献
8.
人工神经网络在经济预测中的应用 总被引：2，自引：0，他引：2
王悦 《北京广播电视大学学报》2002,(1):33-37
研究人工神经网络在经济预测中的应用问题,探讨人工神经网络的时间序列预测方法.该方法采用多层前馈神经网络及BP算法,其仿真实现是以MATLAB下神经网络工具箱作为开发工具,提出一种基于BP网络时序预测通用方法,并通过实例验证了该方法的预测精度明显高于灰色系统预测方法.为了消除单一神经网络预测模型的系统偏差,探讨组合神经网络时序预测方法,用实例验证了组合神经网络比单一神经网络的预测精度高. 相似文献
9.
《沈阳大学学报（自然科学版）》2015,(3)
以数字识别为应用背景构建RBF神经网络结构,首先把最近邻聚类算法与k-均值聚类算法应用于RBF神经网络隐层中心个数及中心值的确定中,实现了隐层中心个数与中心值的自适应获取;然后将遗传算法与伪逆法相结合来确定隐层中心宽度及输出权值;最后对混合优化的神经网络与传统的基于中心自组织学习算法优化的网络进行仿真实验.实验中使用未加噪声和添加噪声的数字样本对网络进行测试,与传统优化方法对比结果表明,应用该混合学习算法构建的神经网络具有识别能力强、计算量小的优点. 相似文献
10.
首先建立一个多维参数优化模型,即2个目标函数,多个工艺参数.在不能得到其理论解的时候,采用神经网络与遗传算法相结合的方法,求解该复杂优化模型的近似解.即先利用铸造充型过程数值仿真软件,通过数值计算获得一些有关工艺参数的仿真结果 ;然后将数值实验结果作为样本数据,运用L M算法训练神经网络,建立起目标函数值 (充型时间和充型结束时型腔内最高温度与最低温度之差)和输入参数 (多个工艺参数)之间的函数关系,进而使用遗传算法寻优,从而得到最合适的浇铸参数组合. 相似文献
11.
针对锂离子电池荷电状态(state of charge, SOC)预测问题，利用长短期记忆（long short term memory, LSTM）循环神经网络建立电池SOC预测模型。在恒阻放电情况下，将电池输出电流、输出电压和电池表面温度作为模型的主要输入，使用训练样本对神经网络进行训练，使用验证样本进行验证。结果表明，用该方法进行电池SOC预测时可使最大绝对误差仅为1.96%，均方根误差为0.986%，可行性被验证。分析神经网络隐含层中不同的神经元个数对预测结果的影响，对比不同批大小情况下训练出的神经网络的预测误差。将隐含层分别设置为1至3个LSTM细胞核，得到不同条件下神经网络的预测误差。结果为电池SOC预测的神经网络模型的隐含层神经元个数、批大小和LSTM细胞核个数的设定提供参考。 相似文献
12.
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
13.
针对在采用massive MIMO（multiple-input multiple-output）系统的5G网络规划中,使用传统的系统级仿真方法获得信道幅值的计算量和时间开销非常大的问题,提出一种基于BP（back propagation）神经网络的自适应神经网络来预测massive MIMO系统的信道幅值。自适应神经网络由基本BP子神经网络和特征降维BP子神经网络组成,可实现对给定训练集和预测集的自适应,基于用户射线追踪数据快速准确地预测用户的信道幅值。仿真结果表明,所提出的自适应神经网络在得到与系统级仿真方法精度接近的信道幅值的同时,可大幅降低获得信道幅值的时间开销;并且与采用传统BP神经网络相比,可以明显降低训练时间、预测误差大的用户数和平均预测误差。 相似文献
14.
陈华 《济宁师范专科学校学报》2006,27(6):20-22
神经网络图像识别技术是一种新型图像识别技术，是在传统的图像识别方法和基础上融合神经网络算法的一种图像识别方法。神经网络用于图像识别一般都要提取图像特征，然后把提取好的图像特征送入神经网络识别器进行识别。BP神经网络图像识别方法不对图像作特征提取，直接把图像数据作为神经网络识别器的输入。通过用MATLAB完成的网络的训练与测试表明，不作特征提取的神经网络图像识别系统具有很强的抗干扰能力。 相似文献
15.
缺失数据填充是数据分析处理领域的一个重要研究课题。特别是在采集数据量较少的情况下,缺失数据填充的难度极大。针对这个问题,提出一种基于改进神经过程模型的缺失数据填充算法,该算法可有效提升小数据集背景下的缺失数据填充性能。首先,将观测到的时间序列进行单一表示,由神经网络得到各自的表征向量;其次,通过神经过程模型获得数据的分布函数,并在训练阶段引入修正系数α,从而根据数据缺失率更加精确地确定训练数据的采样率;最后,加入填充过程,通过训练好的模型估计数据缺失值。为检验算法性能,在海洋表面温度数据集以及北京PM2.5含量数据集上进行仿真实验,结果表明该算法在小数据集背景下具有良好的填充效果。与其他算法相比,所提算法在高缺失率的情况下具有更低的均方根误差。 相似文献
16.
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
17.
为提高船舶交通事故的预测精度,提出将自回归综合移动平均(autoregressive integrated moving average, ARIMA)模型与BP神经网络组合的船舶交通事故预测方法。该方法考虑船舶交通事故的复杂性和非线性因素,充分结合ARIMA模型与BP神经网络的优势,分别从简单加权和残差优化角度对ARIMA模型与BP神经网络的不同组合方法进行比较研究,并将其应用于2000—2018年英国籍船舶交通事故预测中。结果表明:与ARIMA模型、BP神经网络和ARIMA-BP的简单加权组合预测方法进行对比,ARIMA-BP的残差优化组合预测方法的预测精度最高,其均方根误差、平均绝对误差和平均绝对百分比误差分别为7.16、6.0和4.9%。本文提出的船舶交通事故预测方法可以为相关人员的决策提供指导。 相似文献
18.
链球运动员身体素质与专项成绩相关关系的神经网络模型 总被引：1，自引：0，他引：1
利用人工神经网络强大的函数映射能力，提出了反映链球运动员身体素质与专项成绩相关关系的神经网络模型。该模型克服了多元回归模型和灰色模型的缺点，在不需要事先确定模型数学表达形式的条件下，更为准确地映射出运动员素质训练水平与专项成绩之间的函数关系、并且运用建立起的神经网络模型，绘制了素质训练水平与专项成绩之间的关系曲线。从而为运动员进行科学训练提供了理论依据。 相似文献