基于BP网络的打印机色彩控制技术

报道了一种基于ＢＰ网络的打印机色彩控制技术。作为控制器模型的ＢＰ网络通过学习打印机的输入／输出特性,实现颜色数据从ＣＩＥＬＡＢ到打印机色空间的转换。实验结果表明,利用ＢＰ网络可以控制打印机实际输出与希望输出颜色之间的平均色差为４－２３ΔＥ＊ａｂ 。     

基于GA-WPA优化的BP神经网络目标威胁估计

在防空作战中,目标威胁估计是指挥控制过程的重要一环,是决策和指挥的重要依据。BP神经网络能够解决目标威胁估计问题,但存在收敛速度慢、易陷入局部最优等缺点。提出将遗传算法(Genetic Algorithm,GA)的选择、交叉和变异操作融入到狼群算法(Wolf Pack Algorithm,WPA)中,提出了GA-WPA算法,以提高狼群算法的收敛速度。在此基础上,利用所提出的GA-WPA算法对BP神经网络进行优化,确定最优初始权值和阈值。最后,将优化后的BP神经网络解决地面防空系统目标威胁估计问题。仿真实验表明,所提算法能够有效克服BP神经网络收敛速度慢、易陷入局部最优等缺点,能够提高目标威胁估计的准确性和适应性。     

基于改进BP网络的电火花加工工艺选择模型

电火花加工是基于工具与工件间脉冲性火花放电产生的电腐蚀现象来加工工件的，特别适用于复杂形状、特殊要求零件和难加工材料的加工。但是电火花加工r机理极其复杂，加工参数的选择在很大程度上取决于机床操作者的熟练程度，由于操作者的经验和知识所限，往往使电加工机床的性能和功能得不到充分发挥，甚至达不到加工要求。电火花加工所选取的工艺参数直接决定工艺效果，而工艺参数和工艺效果之间的关系异常复杂，解决工艺参数选择难的关键是建立一个合理有效的电火花加工选择模型，进而实现工艺参数的自动优化选取。     

基于BP神经网络的传感器网络动态采样模型研究

能耗控制对于农业环境监测无线传感器网络系统具有重要意义。基于误差反向传播的多层前馈神经网络预测和阈值分析建立了一种土壤温度传感器网络动态采样模型,实现了基于土壤温度周期变化特征的采样频率实时调整方法,达到减少网络冗余数据,降低网络功耗的目的。以环境温度和空气相对湿度为BP神经网络实测输入,土壤温度为预测输出,通过判断输出是否进入阈值区间动态调整采样周期。仿真实验结果表明,对于具有周期性特点的土壤温度,BP网络模型对其预测值和实测值之间的均方根误差RMSE及绝对误差AE分别为0.83℃和0.54℃。相比于连续采样,阈值分析动态采样次数减少30%。     

基于灰关联和灵敏度的BP网络隐含层结构优化

在优化BP神经网络隐含层结构时,采用灰关联剪枝法是每次删除灰关联度小于灰关联阈值的隐节点,该方法学习时间短,但由于灰关联阈值的选取具有一定的主观性,可能会导致误删节点或不能完全删除冗余节点;而采用灵敏度剪枝法是每次只删除灵敏度最小的一个隐节点,故学习时间较长;因此,提出一种基于灰关联-灵敏度的BP神经网络隐含层结构调整算法;首先在网络前期学习过程中,采用灰关联法对隐含层节点进行“粗删”,直到剩余隐节点的灰关联度都大于动态灰关联阈值,然后在网络后期学习过程中,采用灵敏度剪枝法对隐含层节点进行“细删”,直到删除后的学习误差增大,则保留该节点,并结束学习;文章将结构优化后的神经网络应用于风电功率预测,仿真结果表明,该方法在满足学习误差要求的同时,不仅精简了神经网络结构,而且避免了灰关联剪枝法中灰关联阈值精确选取困难所带来的问题。     

基于神经网络的结构光系统标定

提出一种基于神经网络的系统标定方法.通过射影变换及误差补偿方法,建立摄像机图像平面与投影仪图像平面的映射关系,利用该映射关系和标定点的摄像机图像坐标,计算得到相应的投影仪图像坐标;建立三层结构的神经网络,该网络以两个图像坐标为输入,对应的世界坐标为输出,训练样本由得到的标定点的两个图像坐标及其世界坐标组成,采用BP算法训练该网络;训练过程即为神经网络逼近系统模型的过程,训练完成时,系统完成标定.实验表明,与传统的结构光标定方法对比,本文提出的方法简化了建模复杂度和标定过程,提高了标定精度,并具有普遍适应性.     

耦合平均影响值-连续投影算法优化种子活力近红外检测模型

目前,近红外光谱(NIRS)可以实现种子活力的快速、无损检测,但区分的活力等级一般少于3级且精度不高。建立种子活力多等级、高精度的NIRS检测模型,解决活力等级增加与预测模型精度之间的矛盾是现阶段近红外种子活力检测的主要任务。以玉米种子为研究对象,采用人工老化的方法获得5种活力等级的种子样本并采集对应的光谱数据建立反向神经网络(BP)预测模型。为了提高模型的精度和稳健性,提出一种耦合平均影响值-连续投影特征波长提取算法(MIVopt-SPAsa)。该算法针对连续投影算法(SPA)耗时过长的问题,采用平均影响值算法(MIV)对其预降维。MIV方法实现了对波长影响值的排序,但缺乏选取波长影响阈值的指标,因此引入相对距离比对MIV算法进行优化(MIV_opt),实现特征波长范围的有效分割。针对SPA提取特征变量数目确定的问题,设定了特征波长数目范围并在此范围内优中选优,实现了自适应的SPA(SPA_sa)特征提取。使用耦合MIV_opt-SPA_sa算法对具有1 845个波长的玉米种子近红外全谱数据进行特征提取,...     

垂直非结构模型应用于换热网络优化

节点非结构模型优化换热网络时会出现换热器交叉排列的情况,分析发现在相同传热负荷下交叉结构比垂直结构换热单元总传热面积增大,同时明显降低算法的计算效率.基于此,建立垂直非结构模型.与节点非结构模型相比,垂直非结构模型降低了优化过程中的计算复杂度,并且能够消除交叉结构带来的不利影响,有效提升了优化的效率及求解精度.应用两个算例对基于垂直非结构模型的强制进化随机游走算法（RWCE）进行优化性能分析,取得了优于文献的结果.     

基于超图结构的科研合作网络演化模型

基于科研论文作者的合作方式, 用超图理论构建了一个科研合作超网络演化模型. 利用平均场理论分析了作者发表论文的演化规律, 发现作者的超度 (即发表论文数) 分布符合幂律分布. 进一步理论分析得到分布的幂指数γ与合作领域作者增长速度相关. γ越大, 新作者增长速度越快, 且存在关系: γ=1+L/M (L/M为作者增长率). 并通过对《物理学报》与《中国科学》2003–2012年期间作者发表论文进行了数据分析, 实证结果与理论分析及模拟结果能很好地符合. 本文对科研合作网络的理论和实证研究有一定的借鉴意义. 关键词： 复杂网络 超图 科研合作网络 演化模型     

基于平均模型和误差削减网络的语音转换系统*

现阶段用于语音转换的深度学习方法多是通过使用大量的训练数据来生成高质量的语音。本文提出了一种基于平均模型和误差削减网络的语音转换框架,可用于有限数量的训练数据。首先,基于CBHG网络的平均模型使用排除源说话人和目标说话人的多说话人语音数据进行训练;然后,在有限数量的目标语音数据下对平均模型执行自适应训练;最后,提出一种误差削减网络,可以进一步改善转换后语音的质量。实验表明,所提出的语音转换框架可以灵活地处理有限的训练数据,并且在客观和主观评估方面均优于传统框架。     

加权网络权重自相似评判函数及其社团结构检测

提出了权重自相似性加权网络社团结构评判函数,并基于该函数提出一种谱分析算法检测社团结构,结果表明算法能将加权网络划分为同一社团内边权值分布均匀,而社团间边权值分布随机的社团结构.通过建立具有社团结构的加权随机网络分析了该算法的准确性,与WEO和WGN算法相比,在评判权重自相似的阈值系数取较小时,该算法具有较高的准确性.对于一个具有n个节点和c个社团的加权网络,社团结构检测的复杂度为O(cn2/2).通过设置评判权重自相似的阈值系数,可检测出能反映节点联系稳定性的层化性社团结构.这与传统意义上只将加权网络划分为社团中边权值较大而社团间边权值较小的标准不同,从另一个角度更好地提取了加权网络的结构信息.     

相依网络上基于相连边的择优恢复算法

如何有效地应对和控制故障在相依网络上的级联扩散避免系统发生结构性破碎,对于相依网络抗毁性研究具有十分重要的理论价值和现实意义.最新的研究提出一种基于相依网络的恢复模型,该模型的基本思想是通过定义共同边界节点,在每轮恢复阶段找出符合条件的共同边界节点并以一定比例实施恢复.当前的做法是按照随机概率进行选择.这种方法虽然简单直观,却没有考虑现实世界中资源成本的有限性和择优恢复的必然性.为此,针对相依网络的恢复模型,本文利用共同边界节点在极大连通网络内外的连接边数计算边界节点的重要性,提出一种基于相连边的择优恢复算法(preferential recovery based on connectivity link,PRCL)算法.利用渗流理论的随机故障模型,通过ER随机网络和无标度网络构建的不同结构相依网络上的级联仿真结果表明,相比随机方法和度数优先以及局域影响力优先的恢复算法,PRCL算法具备恢复能力强、起效时间早且迭代步数少的优势,能够更有效、更及时地遏制故障在网络间的级联扩散,极大地提高了相依网络遭受随机故障时的恢复能力.     

基于复杂网络的电网结构健壮性及Braess悖论现象研究

应用复杂网络理论,建立电力系统的改进导纳模型,结合电网拓扑特性和电气特性对电网的级联故障进行研究.通过随机移除传输线引发电网级联故障,研究网络的节点数、平均度、发电站数量以及发电站的分布状况对系统健壮性的影响,并对小世界电网级联故障过程中的布雷斯(Braess)悖论现象进行分析.研究表明:网络的健壮性与其拓扑结构密切相...     

大口径望远镜结构的有限元分析

望远镜是动态光电跟踪探测系统中的关键部件之一,特别是大口径光学系统,不仅要求主望远镜的稳定性高,还要尽可能地减少结构质量。根据1.3m大口径望远镜的结构设计方案,利用大型有限元结构分析软件I DEAS,采用板壳和质量单元描述结构主体,建立了较为精确的结构分析模型,求得了望远镜在不同俯仰角位置时的主、次镜位置变化,为整个望远镜的结构设计提供了可靠的依据。     

基于三线结构光的相机平面标定方法研究

相机标定技术是结构光三维视觉测量的关键技术之一,结构光系统的相机标定的精度对三维测量的精度有很大影响。首先对三线结构光系统图的相机标定方法进行了分析,简单介绍了工业相机成像的几何模型及标定的原理;其次利用Harris角点检测方法提取特征点坐标,并选用了BP神经网络来校正工业相机的畸变模型,以提高标定算法的优化速度和标定精度;最后采用张正友的平面标定法对校正后的摄像机模型进行标定实验,由实验结果知,该方法具有一定的准确性和有效性,在一定误差范围内,基于神经网络畸变校正的张正友相机标定能够有效提高视觉检测的精度。     

基于簇相似度的网络社团结构探测算法

社团结构对复杂系统的结构特性和动力学特性有重要影响.提出了一个度量社团相似度的模型,称为簇相似度.该模型能够度量两个社团的相似度大小,为研究社团间的作用机制提供帮助.而且基于该模型,设计了一个社团划分算法.算法采用层次聚类的思想,每次合并两个相似度最大的社团,并通过一个评价函数选择最优社团划分.数值实验以及与CNM,GN,EigenMod等主流算法做比较,表明本算法的精度和效率都比较高,尤其对于边密度较高的网络,性能非常理想.     

基于主成分分析和BP神经网络的柑橘黄龙病诊断技术

柑橘黄龙病的传统诊断方法主要依赖于人眼经验及生化技术,前者凭经验,诊断快,但准确性低;后者准确性高,但效率低和成本高.本文采用高光谱成像技术,获取5种症状柑橘叶片的高光谱图像,采用基于主成分分析和BP神经网络相结合的方法,对370~988nm波段范围内的柑橘叶片高光谱图像进行了病状的无损检测.研究结果表明,柑橘叶片的高光谱图像存在很大冗余,前四个主成分累积方差贡献率达到97.42%.数据建模分类得表明:BP神经网络的分类准确率达85%以上,经主成分后再利用BP神经网络的分类准确率绝大部分达到90%以上.因此,利用高光谱成像技术进行柑橘黄龙病的早期诊断具有较高的可行性.     

液态结构与性质关系Ⅱ——Mg-9Al熔体的运动黏度及与熔体微观结构的关系

采用坩埚扭摆振动法测量Mg-9Al熔体的运动黏度,得到890—1190 K温区内高精度的黏度-温度关系曲线ν(T),发现升温过程中黏度随温度升高发生异常变化,当温度升高至1000—1075 K时,黏度由快速增大转变为逐渐减小,即发生转折变化;在随后的降温和第二次升温过程中,黏度随温度变化呈指数规律单调递增(减),符合Arrhenius方程式.在实验研究基础上,采用剩余键结构模型和"平均原子集团"演变行为的计算模型讨论Mg-9Al熔体的黏度与微观结构之间的相关性,结果表明:类关键词： 合金熔体 结构与黏度相关性 剩余键结构 平均原子集团模型     

基于灰色关联分析的BP神经网络对混流闭式冷却塔出水温度的预测

通过控制变量法对混流闭式冷却塔进行测试, 采用灰色关联分析法对影响出水温度的因素进行筛选, 将关联度较大的5个因子作为输入参数, 进而建立灰色_BP神经网络预测模型, 对混流闭式冷却塔的出水温度进行预测。操作参数包括进水温度、湿球温度、补水温度、循环水流量和风量, 输出值为出水温度。网络采用三层结构, 隐含层神经元数为4个, 迭代次数为30 000次, 使用不涉及训练阶段的实验数据来验证所建立的模型。结果表明, 灰色_BP神经网络模型比传统BP神经网络模型的预测结果更加准确, 其预测值与实际值的相关系数、平均相对误差、均方根误差, 分别为0.998 9、0.293 4%和0.152 9, 因而可认为灰色_BP神经网络是预测混流闭式冷却塔出水温度的有效工具。