分类问题的在线顺序双并联快速学习机

双并联前馈神经网络模型是单层感知机和单隐层前馈神经网络的混合结构,本文构造了一种双并联快速学习机算法,与其他类似算法比较,提出的算法能利用较少的隐层单元及更少的待定参数,获得近似的学习性能.数值实验表明,对很多实际分类问题,提出的算法具备更佳的泛化能力,因而可以作为快速学习机算法的有益补充.     

前向正则模糊神经网络依K-积分模的泛逼近能力

针对前向正则模糊神经网络引进K-拟可加积分和K-积分模概念,应用积分转换定理研究了该网络在K-积分模意义下对模糊值简单函数类的泛逼近能力,进而在有限K-拟可加测度空间上,借助模糊值简单函数为桥梁获得了前向正则模糊神经网络依K-积分模对(u)-可积有界模糊值函数类仍具有泛逼近性.该结果表明前向正则模糊神经网络对连续模糊系统的逼近能力可以推广为对一般可积系统的逼近能力.     

唐家山堰塞湖泄洪问题的研究

研究的是唐家山地震次生灾害引发的堰塞湖问题.首先对数字高程地图进行等高图像分析求解了堰塞湖不同高程水位对应的湖区面积,建立了蓄水量体积与堰塞湖水位高程的离散化模型,然后建立了神经网络模型和多元线性回归模型研究了北川降雨量与堰塞湖入库流量的关系,继而求解得到不同降雨量下每日堰塞湖水位高程.在研究泄洪过程时,首先通过对泄洪过程和溃坝过程内在机理的研究分别建立了正交多项式逼近模型和仿真模型得到溃坝时的溃口流量随时间变化的关系,继而分析求解得到溃坝时其他参数随时间变化的关系.针对淹没区的问题,综合数字高程地图和行政区域地图,利用数字地图计算了洪水到达各被淹没区域的时间,淹没范围,以便于确定撤离方案.     

基于小波神经网络的中国能源需求预测模型

通过分析影响我国能源需求的主要因素,建立了基于小波神经网络的需求预测模型.采用定性与定量相结合的方式,分析了影响我国能源需求的主要因素,通过将人口总数、GDP、产业结构变化以及能源消费量的一阶滞后作为输入变量,建立基于小波神经网络的我国能源需求非线性预测模型.实验结果表明,该非线性预测模型与多元回归模型相比更加合理,具有更高的预测精度.     

几种声学参数在艺术嗓音客观评价中的应用

在艺术嗓音客观评价中,评价声学参数的选取至关重要。尝试利用语音分析技术提取歌声平均能量、平均频率误差、平均音域误差作为客观评价声学参数,使用神经网络方法客观评价艺术嗓音歌声质量,并与资深专业教师的主观评价进行比较。结果表明,综合使用三个声学参数能正确客观评价歌声质量,评价误差在4%之内,有助于科学地指导选拔、培养和训练艺术嗓音人才。     

航天光学遥感器在轨调制传递函数神经网络评价方法

通过对航天光学遥感器在轨调制传递函数模型和遥感图像的分析,找出遥感图像中与调制传递函数有关的特征信息,采用神经网络为工具,完成利用遥感器传输下来的任意一幅地面景物图像进行调制传递函数的评价。首先模拟出包含不同调制传递函数等级的遥感图像,组成训练样本集,再从图像中分别提取出直接与调制传递函数有关的特征参量和与景物结构有关的特征参量,作为神经网络的输入,网络通过对训练样本集中模拟出的大量调制传递函数已知的遥感图像训练后,当再次输入一幅调制传递函数未知的遥感图像时,便能够正确估计出其调制传递函数值。这种方法不需要在地面铺设靶标或预先获得调制传递函数已知的同一地面景物的航空图像作为参考,只需获得任意一幅地面景物图像即可完成对遥感器调制传递函数的评价。实验结果表明,当不考虑噪声对调制传递函数的影响时,对调制传递函数的评价误差约为6%,而在考虑噪声时,评价误差约为9%。     

基于改进粒子群算法优化BP神经网络的甜菜产量预测方法

通过分析影响甜菜产量的自然因素,选取6个主要影响因子应用于一种改进粒子群算法优化BP神经网络的预测模型.首先,在标准粒子群算法(Particle Swarm Optimization,PSO)中引入自适应惯性权重的方法增强搜索能力并且提高收敛速度,使用反向逃逸策略避免早熟现象的发生;将改进的粒子群算法引入到BP中形成N...     

基于逆卷积神经网络的等离子体辐射分布断层重建方法

发展了一种基于逆卷积神经网络的图像级重建方法用于聚变等离子体辐射分布的断层反演.通过引入结构相似度(SSIM)作为损失函数,该方法在模拟数据实验中表现出了较好的重建效果.模拟实验结果表明,在弦积分信号噪声强度为10％、15％及20％时,该方法的重建结果依然具有良好的精确度和鲁棒性.     

基于神经网络的托卡马克能量约束时间预测

使用机器学习理论中的神经网络方法,根据通用逼近原理对能量约束时间的复杂函数进行逼近,采用托卡马克装置的典型实验数据,设计一种组合结构的神经网络.通过大量的调参试验,给出一套性能最好的参数组合,并与传统幂指数形式的多元线性回归方法进行准确性和数据集迁移能力的比较.结果表明:神经网络模型对于能量约束时间的预测准确率更高,回...     

基于深度学习的太赫兹时域光谱识别研究

太赫兹时域光谱技术,由于其具有物质"指纹谱"特性,是一种可以快速无损地鉴别物质的重要手段,在毒品和爆炸物的无损检测等方面有广阔的应用前景.其中,光谱识别是太赫兹时域光谱技术应用研究的重要方向之一.现有的光谱识别方法多是依靠手工选取特征后进行机器学习分类,或是通过设置吸收峰阈值门限进行判断.由于一些物质在太赫兹波段内并没...