检索结果-内蒙古大学图书馆

海军工程大学学报 2025年第1期37卷 43-50页

作者：高明慧唐晓刚张斌权潘协昭彭钧航天工程大学航天信息学院北京101416 32039部队北京102300

针对复杂空间电磁环境下通信调制信号识别率低的难题,提出了一种基于复数长短期记忆(complex long and short-term memory,CLSTM)的自编码器降噪网络(complex noise reduction networks,CNRN)模型,设计了CLSTM的实部核、虚部核及复数交... 详细信息

针对复杂空间电磁环境下通信调制信号识别率低的难题,提出了一种基于复数长短期记忆(complex long and short-term memory,CLSTM)的自编码器降噪网络(complex noise reduction networks,CNRN)模型,设计了CLSTM的实部核、虚部核及复数交叉项,有效提取了带噪通信调制信号的复数域和时域融合特征,并构建了直接、间接和可视化三种评价方法。实验仿真表明:降噪后-20 dB信号信噪比提升15 dB,均方误差降低6.62,误比特率降低0.11;降噪后-20~18 dB信号三种典型调制识别网络的平均识别率分别提高了29.05%、38.76%、21.87%。

关键词：通信调制信号信号降噪复数神经网络

来源：评论

学校读者我要写书评

暂无评论

复数神经网络的一种新型初始权值选择方法

引用

系统工程与电子技术 2006年第6期28卷 929-932页

作者：张代远南京邮电大学计算机学院江苏南京210003

为了改善学习速率,提出了一种确定复数神经网络初始权值的新颖方法。初始权值不是随机给定的,而是通过计算求得。具体方法是选择一类隐层神经元的变换函数(类支集函数),将输入层和隐层之间的复数权值计算出来,保证隐层的输出矩阵是满秩... 详细信息

为了改善学习速率,提出了一种确定复数神经网络初始权值的新颖方法。初始权值不是随机给定的,而是通过计算求得。具体方法是选择一类隐层神经元的变换函数(类支集函数),将输入层和隐层之间的复数权值计算出来,保证隐层的输出矩阵是满秩矩阵,并从理论上证明了这样的满秩矩阵是存在的。利用这个满秩矩阵,通过最小平方算法就可以求得隐层和输出层之间的复数权值。将这些权值作为初始权值,采用最速下降算法来对神经网络进行训练。初始权值的优化,使得该算法可以有效地提高复数神经网络的训练速度和计算精度。一个特例是当隐层神经元的个数与样本个数相等时,就可以求得代价函数值为0的全局最小点。计算机仿真实例验证了该算法的有效性。

关键词：人工智能复数神经网络高训练精度快速学习

来源：评论

学校读者我要写书评

暂无评论

具有泄漏时滞和混合加性时变时滞复数神经网络的状态估计

引用

应用数学和力学 2019年第11期40卷 1246-1258页

作者：刘丽缤潘和平重庆工商大学财政金融学院重庆400067 成都大学高等研究院及商学院成都610106

研究了具有泄漏时滞、加性离散时变时滞、加性分布时变时滞复数神经网络的状态估计问题.在复数神经网络不分解条件下,通过构造合适的Lyapunov-Krasovskii泛函,并应用自由权矩阵、矩阵不等式和倒数凸组合法等方法,通过可观测的输出测量... 详细信息

研究了具有泄漏时滞、加性离散时变时滞、加性分布时变时滞复数神经网络的状态估计问题.在复数神经网络不分解条件下,通过构造合适的Lyapunov-Krasovskii泛函,并应用自由权矩阵、矩阵不等式和倒数凸组合法等方法,通过可观测的输出测量来估计神经元状态,给出了判断误差状态模型全局渐近稳定的与时滞相关的复数线性矩阵不等式.最后,通过一个数值仿真算例验证了理论分析的有效性.

关键词：泄漏时滞加性时变时滞复数神经网络线性矩阵不等式状态估计

来源：评论

学校读者我要写书评

暂无评论

复数神经网络及其在说话人识别中的应用

复数神经网络及其在说话人识别中的应用

引用

作者：郑丽霞东华大学

学位级别：硕士

复数神经网络是针对实数神经网络而提出的。在传统的实数神经网络中,输入、网络参数(如各层权值和阈值)、输出都是实数。而很多实际应用系统要求输入输出数据均为复数,如通信、电磁学、图像处理、语音处理等领域。传统的神经网络处理复... 详细信息

复数神经网络是针对实数神经网络而提出的。在传统的实数神经网络中,输入、网络参数(如各层权值和阈值)、输出都是实数。而很多实际应用系统要求输入输出数据均为复数,如通信、电磁学、图像处理、语音处理等领域。传统的神经网络处理复数数据的做法是将复数的实部和虚部分别提取出来处理,即一个复数数据分解为两个实数数据,然后采用两个实数神经网络加以处理。复数神经网络的输入、参数、输出都是复数,不需要将实部、虚部分开来处理,而是作为一个复数整体来进行处理,因此更加自然、有效。对于处理如语音信号之类有关“波”的问题,复数神经网络有着很大的优势。本文研究复数神经网络及其在说话人识别中的应用。主要工作集中在以下三个方面：首先,本文分析了复数神经网络的基本结构,对常用的复数神经元函数进行了研究。在实数BP神经网络的基础上,研究了复数BP神经网络的学习规则及算法,在分析复数BP神经网络算法的缺陷的基础上,提出了改进的复数BP神经网络算法,并进行了实验仿真,与实数BP神经网络相比,复数BP神经网络有着更佳的性能。其次,在分析复数BP神经网络处理复数数据的优势上,用复数BP神经网络设计了复系数FIR数字滤波器。神经网络有着较强的非线性映射能力,因此可以设计任意幅频响应的复系数FIR数字滤波器。本文给出了基于复数神经网络的FIR低通、带通滤波器优化设计实例,仿真结果表明,用本文提出的复数神经网络算法设计的FIR数字滤波器,具有良好的幅频响应。跟实数神经网络设计的FIR数字滤波器相比,有更平滑的阻带波纹,而且有更好的阻带衰减特性。最后,本文根据说话人的语音特征设计了面向说话人识别的复数神经网络系统及其算法。采用复数BP神经网络作为分类、识别模型。目前最常用的语音特征参数有美尔倒谱系数(MFCC)以及线性预测倒谱系数(LPCC)。但这两种语音特征参数在求取倒谱过程中都已经忽略了语音信号的相位信息部分,考虑到复数神经网络处理复数的优势,本文采用语音信号的复倒谱(保留了原始语音信号的相位信息部分)作为特征参数进行识别验证。

关键词：复数神经网络说话人识别复系数FIR数字滤波器复倒谱

来源：评论

学校读者我要写书评

暂无评论

复数神经网络及其在路牌识别中的应用

复数神经网络及其在路牌识别中的应用

引用

作者：杨杰东华大学

学位级别：硕士

传统的神经网络算法的网络参数都为实数,实数神经网络在对“多状态”模式进行识别时很难兼顾识别时间和正确率这两项重要的指标。复数神经元可以拥有多种状态,对处理“多状态”模式有着其独特的优势。在交通路牌识别算法中,神经网络识... 详细信息

传统的神经网络算法的网络参数都为实数,实数神经网络在对“多状态”模式进行识别时很难兼顾识别时间和正确率这两项重要的指标。复数神经元可以拥有多种状态,对处理“多状态”模式有着其独特的优势。在交通路牌识别算法中,神经网络识别算法是常用的方法之一。由于交通路牌含有两种信息:“图形”信息和“颜色”信息(红、黄、蓝、白、黑),用灰度图表示的交通路牌含有足够的这两方面的信息,而一张灰度图可以看作是一种“多状态”模式,因此适合于利用复数神经网络对其进行识别。本文研究复数神经网络及其在路牌识别中的应用。本文的主要工作集中在以下三个方面: 首先,本文分析了复数神经网络的基本结构,说明了复S函数的缺陷,对常用的复数神经元函数进行了研究,给出了它们的基本特性和适用场合;并对单节点实数感知器和复数感知器进行了分析对比;分别结合三层复数前馈神经网络和复数反馈网络的结构,分析了复数BP算法和复数Hebbian学习规则。其次,本文根据交通路牌的特点设计了面向交通路牌识别的复数神经网络系统及其学习算法。采用复数阶跃函数构建了神经元模型,建立了复数Hopfield神经网络结构,并且确定了网络中神经元的个数;借助复数Hebbian学习规则和复数内积法给出了网络权值的确定方法;借用复数网络能量函数的定义,说明了复数识别网络的收敛性;在前期的图像数据处理部分,分别使用离散二维傅里叶变换和欧拉公式,给出了将灰度图像数据转化为复数网络所需要的相位信息的方法,实现了网络对路牌的记忆存储;在后期的图像还原部分利用相位逆变换的方法,实现了相位图到灰度图转化。最后,本文对设计的系统进行了仿真研究。使用Labview软件实现了复数阶跃函数模块、相位-灰度转换模块、车牌读取模块以及识别算法模块的编写,实现了路牌识别的Labview仿真,并就仿真中出现的“噪声”现象给出了合理的解释,接着在Labview环境下就实数网络和复数网络的识别效果作出了分析和对比。说明了复数神经网络在路牌识别应用中的优势。

关键词：路牌识别复数神经网络多态神经元相位变换

来源：评论

学校读者我要写书评

暂无评论

基于复数神经网络的粘弹性材料动态模量拟合方法

引用

力学季刊 2022年第2期43卷 406-415页

作者：贺云李海滨杜娟内蒙古农业大学水利与土木建筑工程学院内蒙古呼和浩特010018 内蒙古工业大学理学院内蒙古呼和浩特010051 内蒙古财经大学统计与数学学院内蒙古呼和浩特010070

固体火箭发动机药柱粘弹性材料除具有弹塑性特性,还具有粘滞性,这一特性使得材料变形具有明显的时间效应,本构关系复杂,进行动态力学分析时,动态模量难以有效拟合.本文提出了一种基于(LevenbergMarquardt,L-M)算法的复数神经网络拟合粘... 详细信息

固体火箭发动机药柱粘弹性材料除具有弹塑性特性,还具有粘滞性,这一特性使得材料变形具有明显的时间效应,本构关系复杂,进行动态力学分析时,动态模量难以有效拟合.本文提出了一种基于(LevenbergMarquardt,L-M)算法的复数神经网络拟合粘弹性材料动态模量的方法.通过广义Maxwell模型推导得到材料的动态模量表达式,以此构造未定网络参数为复数的神经网络,从而提供了一种输入、输出样本均为复数的神经网络解决方法.将实数L-M训练算法进行改进,衍生到复数领域,提出复数L-M训练算法.通过粘弹性材料实验,将实验数据时温等效转换,获得复数神经网络的训练及测试样本.通过对神经网络进行训练,实现粘弹性材料动态模量的高精度拟合.数值算例表明,与传统神经网络拟合方法相比,所提方法在训练速度和泛化能力方面都有其优越性.

关键词：粘弹性材料动态模量拟合复数神经网络复数L-M训练算法训练速度泛化能力

来源：评论

学校读者我要写书评

暂无评论

基于复数神经网络的智能温室温度预测研究

引用

中国农机化学报 2019年第4期40卷 174-178页

作者：徐宇冀荣华北华大学电气与信息工程学院吉林吉林132021 中国农业大学信息与电气工程学院北京市100083

温度趋势有效预测是实现智能温室环境精准调控的重要基础。作为温室最重要的环境参数,温室内温度与其它环境参数耦合度很高。在智能温室内连续8个月采集其环境数据,利用SPSS对其进行分析,掌握其时间序列特征,温室内温度及其它环境参数... 详细信息

温度趋势有效预测是实现智能温室环境精准调控的重要基础。作为温室最重要的环境参数,温室内温度与其它环境参数耦合度很高。在智能温室内连续8个月采集其环境数据,利用SPSS对其进行分析,掌握其时间序列特征,温室内温度及其它环境参数间相关性,筛选出与温度相关性高的光照度、空气湿度和土壤湿度,建立双隐层的复数神经网络的智能温室温度预测模型。将采集的12 900组样本数据划分为训练组和测试组数据,使得训练组和测试组数据覆盖到整个采集周期,以便能够全面反映数据规律。经过试验结果表明,网络结构为384-16-500-1时预测精度为0.873,相对测试误差最大为0.548。测试数据集预测精度为0.813,利用该模型进行温室温度预测时,阴天均方根误差RMSE较小。基于复数神经网络的温室温度预测模型可以有效预测温度,用于指导智能温室环境控制策略制定。

关键词：智能温室温度复数神经网络预测

来源：评论

学校读者我要写书评

暂无评论

具有不连续激活函数的复数神经网络的全局指数周期性

引用

数学物理学报（A辑） 2019年第5期39卷 1192-1204页

作者：邹瑶曾春娜胡进重庆交通大学数学与统计学院重庆400074 重庆师范大学数学科学学院重庆401331

具有不连续激活函数的神经网络是一类非常重要的神经网络模型.虽然对具有不连续激活函数的实数神经网络已经有了非常深入的研究,但是对相应的复数神经网络研究成果还不太多.该文利用Filippov微分包含理论,Leray-Schauder替换定理以及Lya... 详细信息

具有不连续激活函数的神经网络是一类非常重要的神经网络模型.虽然对具有不连续激活函数的实数神经网络已经有了非常深入的研究,但是对相应的复数神经网络研究成果还不太多.该文利用Filippov微分包含理论,Leray-Schauder替换定理以及Lyapunov函数,对一类具有不连续激活函数的复数神经网络进行了研究,给出了神经网络周期解全局指数稳定的充分条件,最后给出具有仿真的数值例子验证了结果的有效性.

关键词：不连续激活函数复数神经网络周期性

来源：评论

学校读者我要写书评

暂无评论

时延复数神经网络的吸引集与不变集研究

时延复数神经网络的吸引集与不变集研究

引用

作者：杨钊西南大学

学位级别：硕士

人类的大脑是一个十分复杂的系统,它具有组织神经元进行信息处理的能力,并以比数字计算机更快地速度对信息进行并行以及非线性的处理。一直以来,建立具有人类智慧的机器或自主机制都是科学和工程应用各界研究人员的一个梦想。因而,在50... 详细信息

人类的大脑是一个十分复杂的系统,它具有组织神经元进行信息处理的能力,并以比数字计算机更快地速度对信息进行并行以及非线性的处理。一直以来,建立具有人类智慧的机器或自主机制都是科学和工程应用各界研究人员的一个梦想。因而,在50多年前,人工神经网络,通常被称为神经网络,这一概念一经提出便引起了广泛关注。在谷歌的AlphaGo击败世界顶级围棋大师后,神经网络相关的研究再次引起了学者们的关注。神经网络是机器学习算法中最流行和最强大的一类,在现代科学的发展中起着重要的作用。由于神经网络所采用的主要计算方式是分布式计算与并行计算,因而其在深度学习、大数据分析、模式识别以及生物学等领域得到了大量的应用。已经有众多学者就神经网络的各个方面进行了详细的研究,作为神经网络理论的研究基础,关于神经网络的动力学特性分析也是众多学者研究的热点。另外,复数神经网络将复数引入到了状态变量、连接权矩阵以及激活函数,这大大地拓展了神经网络的研究范围。由于复数神经网络可以直接处理复数信号,所以它能够解决许多在实数域中无法处理的问题。再者,从已有的研究中我们可以知道,与实数神经网络相比,复数神经网络处理数据的速度更快,效率更高。这是因为它能够直接对复数信号进行加工处理,这一特点在信号处理领域显得尤其关键。因而,复数神经网络的动力学行为非常值得进一步的探索。目前,关于神经网络的大多数研究工作都讨论了神经网络的动力学特性。它们一般都是通过构造合适的Lyapunov函数,然后,利用不等式技巧对神经网络的动力学特性进行分析。然而,构造与对应系统相匹配的Lyapunov函数非常困难。并且,线性矩阵不等式(LMI)的运算过程也相当繁琐。因此,本论文将不采用Lyapunov函数与线性矩阵不等式的方法,而是通过结合微分不等式与复数共轭性质来讨论复数神经网络的动力学行为。通常情况下,微分系统的动力学行为分析及应用主要依赖于平衡点处的稳定性研究或平衡点存在的区域,即吸引集与不变集。因此,本论文重点研究了带时延的自治复数神经网络平衡点的指数稳定与带时延非自治复数神经网络的全局吸引集与正不变集。结合上述讨论,本论文对以下两点进行了研究并取得了相应的成果:(1)研究了一类时延自治复数神经网络系统,并且分析了该系统平衡点处的指数稳定性。在不将激活函数实数与虚数部分分离为两个独立的部分的条件下,运用复数共轭性质和已有的微分不等式,并结合M矩阵的特性,得到了时延复数神经网络平衡点处指数稳定的充分条件,最后使用了数值仿真对该充分条件的有效正确性进行了验证。(2)针对时延非自治复数神经网络的全局吸引集与正不变集进行了深入地研究。在已有微分不等式上建立了一类微分积分不等式,并结合了复数共轭性质、Hadmard积、M矩阵得到了时延非自治复数神经网络全局吸引集与正不变集的数学表达式。接着,通过将研究范围缩小到实数域,得到了该系统在实数域中的全局吸引集。最后,通过数值仿真对结果的有效及正确性进行了验证。

关键词：复数神经网络微分不等式指数稳定性全局吸引集正不变集

来源：评论

学校读者我要写书评

暂无评论

具有不连续激活函数的时滞复数神经网络的稳定性研究

具有不连续激活函数的时滞复数神经网络的稳定性研究

引用

作者：谭海东重庆交通大学

学位级别：硕士

历经数十年的发展,神经网络理论逐渐发展成熟,并广泛应用于模式识别、信号处理、联想记忆等实际问题中.神经网络在这些问题中的应用都离不开对其动力学性质,特别是稳定性的研究.复数神经网络是实数神经网络的推广,其状态、连接权和激活... 详细信息

历经数十年的发展,神经网络理论逐渐发展成熟,并广泛应用于模式识别、信号处理、联想记忆等实际问题中.神经网络在这些问题中的应用都离不开对其动力学性质,特别是稳定性的研究.复数神经网络是实数神经网络的推广,其状态、连接权和激活函数都是复值的,且能够解决一些不能被实数神经网络解决的问题.同时,根据Liouville定理可知,在实数神经网络中常用的激活函数无法在复数神经网络中使用.由此可见激活函数的选取对复数神经网络的动力学性质至关重要.本文通过Filippov微分包含理论和Lyapunov-Krasovskii泛函研究了具有不连续激活函数的时滞复数神经网络的全局指数稳定性及鲁棒性问题.复数神经网络作为实数神经网络在复数域上的推广,要满足其稳定性则需要更加严格的假设条件.本文将复数神经网络拆分为实部和虚部进而转化为等价的实数神经网络模型,进而研究了其稳定性及鲁棒性条件.首先,我们研究了具有二元不连续激活函数的复数神经网络的全局指数稳定性.利用Lyapunov函数、Filippov微分包含理论和Leray-Schauder择一定理等,得到了确保神经网络全局指数稳定的充分条件.最后给出了一个数值仿真实例来验证所得结论的有效性.其次,我们研究了一类具有二元不连续激活函数的复数神经网络的全局鲁棒指数稳定性.通过对复数神经网络进行类似的处理后,通过构造新的Lyapunov-Krasovskii泛函,结合Kakutani不动点定理和Schur补定理,进而得到神经网络全局鲁棒指数稳定的充分条件.

关键词：复数神经网络全局指数稳定不连续激活函数鲁棒时滞

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：