基于凸组合算法优化的前向神经网络观测器设计

本文利用凸组合算法对单隐藏层前向神经网络进行了优化,通过迭代来更新权值以调整隐藏层的信息.同时引入了一个新的误差函数来评价误差性能,该函数通过对权值进行解耦来求解优化参数,提高了参数的计算速度.在此基础上,提出了一种非线性系统的自适应神经网络状态观测器设计方法.最后通过仿真验证了该神经网络观测器能准确并快速地观测出系统的状态值.     

基于非局部均值滤波与神经网络的红外焦平面阵列非均匀性校正算法

深入剖析传统神经网络非均匀性校正方法收敛速度慢以及易产生"鬼影"现象的主要原因,在此基础上,提出一种基于非局部均值滤波和神经网络的红外焦平面阵列非均匀性校正算法。为了加快收敛速度并减少"鬼影"现象,在神经网络隐含层,利用具有全局寻优且能保持边缘的非局部均值滤波器代替传统的均值滤波器以估计具有更高置信度的真值影像;同时设计可变学习率来自适应地调整每个探测元的非均匀性校正参数的迭代更新过程,以进一步消除"鬼影"。采用两组分别受高空间频率和低空间频率非均匀性干扰的真实红外序列图像进行实验。实验结果表明:相较于目前已有的方法,本文方法不仅具有较快的收敛速度,而且较大程度上抑制了"鬼影"现象的发生。     

一种基于异常值检测和群体智能优化神经网络的电价混合预测模型

为了提高短期电价预测精度,本文提出了一种将异常值检测、时间序列分析、神经网络以及群体智能算法相结合的混合算法。作为混合算法的具体实现,文中的异常值检测利用了残差比方法和正态分布方法,群体智能优化算法选取了粒子群(PSO)算法和布谷鸟(CS)算法。作为实例研究,本文将混合模型应用用于澳大利亚新南威尔士州短期电价预测中,结果表明,混合预测方法能在一定程度上提高模型的预测精度。     

基于机器学习的网络异常流量检测方法

研究一种基于机器学习的网络异常流量检测方法。使用改进型ANFIS算法作为建立的网络异常流量检测方法的核心算法。由于传统的神经网络算法使用的梯度下降算法在实际应用时,存在易陷入局部极小值,训练效率低下等问题,因此研究的改进型ANFIS算法使用附加动量算法修正模型参数,使系统能够越过误差曲面的局部最小值。最后使用KDD CUP99数据库以及LBNL实验室测试的数据对改进型ANFIS算法和BP神经网络算法的检测方法进行性能测试。结果表明,使用改进型ANFIS算法检测系统的训练效率以及检测准确率均优于使用BP神经网络算法建立的模型。     

基于等价型模糊神经网络的战场辐射源识别算法

针对多变量、环境干扰复杂的现代战场电子对抗辐射源识别非线性系统,应用早期的识别方法已经无法满足辐射源识别系统的精度要求,采用等价型模糊神经网络,产生模糊规则和隶属函数,再基于这些规则产生模糊逻辑推理来构造模式识别算法.仿真结果表明:该算法与传统模式识别方法相比具有更高的识别能力和较强的抗干扰能力,大大提高了战场辐射源识别的正确率和可靠性.     

手写试卷分数求和器的设计与实现

该设计实现了一种新型的试卷分数求和器,利用摄像头直接获取手写试卷分数栏信息,实现分数求和功能且能够自动适应不同的求分栏数目。求和器首先利用摄像头对试卷实时采样并对其进行二值化、图像定位和图像分割等预处理,然后利用BP神经网络对分割出的字符进行数字识别,最后将识别出的数字加和显示在GUI界面中。实验表明,该求和器能够以较高概率实现对手写试卷分数的自动求和,具有较大的应用前景。     

实时能效分析及智能评级方法

能效分级是能效测评的基础,传统的能效分级方法单一且有局限性。文中提出一种智能化的评级方法,将神经网络应用于电力用户能效分析中,建立了基于神经网络的能效评级模型,从而不用给定某个特定的显式数学表达式。系统以RBF神经网络为核心建立模型,使用正交最小二乘法学习。综合考虑电能能效、电能污染能效和经济能效,可实时有效地进行能效分析及智能评级,并给出量化节能方案。仿真及实例计算表明,电力用户实时能效评级的RBF模型操作简捷、适用性强、实时性高,且具有较强的实用价值。     

认知无线电中基于支持向量机的频谱空闲度预测

研究认知无线系统中的频谱小时空闲度预测问题,针对GSM系统的载频小时空闲度时间序列的非线性特点,提出一种基于支持向量机的预测模型构建方法。为提高模型的预测精度,在GSM系统小时空闲度时间序列特征分析的基础上,利用序列的节假日特性和日周期特性,对数据序列进行了重构。仿真结果表明,与采用基于神经网络的预测模型相比,该预测方法对工作日和周末均具有较高的预测精度,其预测绝对百分比误差在4以内。     

基于智能算法的机械加工参数优化方法研究

将BP神经网络预测模型应用于电火花加工参数优化方法中,从而针对不同的加工工艺要求预测出最佳的脉冲间隔t0和宽度t1以及峰值电流ie组合。由于常规的BP神经网络存在容易陷入极小值以及学习速率低等缺点,而常规GA优化算法存在容易陷入局部最优解、容易早熟等问题,提出一种对GA算法的染色体结构和遗传算子进行改进并引入自适应交叉和变异概率优化BP神经网络结构参数的改进型GA-BP神经网络算法。最后通过实验,对电火花加工参数优化模型性能进行评价,与常规GA-BP神经网络算法建立的参数优化模型相比,提出的参数优化模型的预测结果更加接近真实值,预测的平均准确率达到96.13%,高于常规GA-BP神经网络算法建立预测模型5.2%。     

基于改进遗传神经网络的MR脑组织图像分割方法

为了提高MR脑组织图像分割的准确度,针对传统BP神经网络算法存在的问题,提出了改进的遗传神经网络算法。首先根据医学图像改进遗传算法的编码方式、适应度函数以及遗传操作,利用该算法获取最小适应度函数值,进而确定神经网络最优权值和阈值;然后将该神经网络用于MR脑部图像的分割。试验结果表明,改进的遗传神经网络算法分割效果优于传统BP神经网络算法。