检索结果-内蒙古大学图书馆

系统工程与电子技术 2008年第6期30卷 1143-1147页

作者：王攀李幼凤范衠冯帅武汉理工大学自动化学院湖北武汉430070 浙江大学信息学院浙江杭州310027 丹麦科技大学管理工程系丹麦林拜2800Kgs

提出一个模块化神经网络的广义定义,它包含了几乎所有多神经网络(系统)。简要分析了模块化神经网络子网集成的相关概念和问题。针对一类模块化神经网络,提出了5种基于"分而治之"原理和自适应组合的新型动态集成方法。它们之... 详细信息

提出一个模块化神经网络的广义定义,它包含了几乎所有多神经网络(系统)。简要分析了模块化神经网络子网集成的相关概念和问题。针对一类模块化神经网络,提出了5种基于"分而治之"原理和自适应组合的新型动态集成方法。它们之间的主要区别在于:距离测度(绝对距离测度和相对距离测度);个体数目(有些全部参与集成,有些则是部分参与);集成策略和规则(数据驱动和数据/知识驱动)。仿真实验证实了这些方法的有效性。同时,还提出了一种基于"一专多能"思想的子网训练方法。

关键词：模块化神经网络 “分而治之”原理动态集成距离测度数据与/或知识驱动策略

来源：评论

学校读者我要写书评

暂无评论

模块化神经网络数据融合在谱线核测量中的应用

引用

核电子学与探测技术 2009年第2期29卷 323-327,389页

作者：邹永祥吴建平曾定平四川省宜宾学院宜宾644000 成都理工大学核技术与自动化工程学院成都615009

针对谱峰随不同干扰量漂移的问题,尝试使用模块化神经网络的信息融合对谱仪谱峰随温度、电压等干扰漂移进行数据融合。对谱仪峰位漂移,建立了融合的网络模型、算法及其学习方式。最后在建立的数学模型上对谱漂移试验数据进行计算和仿真... 详细信息

针对谱峰随不同干扰量漂移的问题,尝试使用模块化神经网络的信息融合对谱仪谱峰随温度、电压等干扰漂移进行数据融合。对谱仪峰位漂移,建立了融合的网络模型、算法及其学习方式。最后在建立的数学模型上对谱漂移试验数据进行计算和仿真。实验结果表明建立的数学模型有较好的精度,基于模块化神经网络的融合技术能运用在谱仪的谱峰漂移的数据融合中。

关键词：模块化神经网络信息融合技术谱漂移

来源：评论

学校读者我要写书评

暂无评论

基于自组织模块化神经网络的污水处理过程出水参数预测

引用

化工学报 2024年第9期75卷 3242-3254页

作者：郭鑫李文静乔俊飞河南工业大学电气工程学院河南郑州450001 北京工业大学信息学部北京100124 计算智能与智能系统北京市重点实验室北京100124 智慧环保北京实验室北京100124

针对城市污水处理过程关键出水水质一些参数难以在线测量的问题,提出了一种基于经验模态分解(EMD)的自组织模块化神经网络(MNN)出水参数软测量模型。首先设计一种基于EMD的任务分解方法,将复杂的时间序列分解为若干子序列,并采用样本熵... 详细信息

针对城市污水处理过程关键出水水质一些参数难以在线测量的问题,提出了一种基于经验模态分解(EMD)的自组织模块化神经网络(MNN)出水参数软测量模型。首先设计一种基于EMD的任务分解方法,将复杂的时间序列分解为若干子序列,并采用样本熵和欧氏距离分别计算子序列的复杂性及相似性,自适应调整子网络模块。然后针对子网络模块初始结构难以确定的问题提出一种前馈神经网络的结构自组织算法,实现子网络模型根据分配的子任务动态调整自身网络结构,更有效地对各子序列进行预测。最后通过基准时间序列预测和实际污水处理厂中出水水质参数检测实验验证了所提出的模型具有较好的预测精度和自适应性。

关键词：经验模态分解动态建模模块化神经网络时间序列预测废水

来源：评论

学校读者我要写书评

暂无评论

基于模糊边界模块化神经网络的混沌时间序列预测

引用

物理学报 2009年第3期58卷 1410-1419页

作者：马千里郑启伦彭宏覃姜维华南理工大学计算机科学与工程学院广州510640

提出一种模糊边界模块化神经网络(FBMNN)的混沌时间序列预测方法,该方法先对混沌时间序列观测点重构的相空间进行模块化划分,划分点的选取由遗传算法自动寻优.然后定义一个模糊隶属度函数,在划分边界一侧按照一定的模糊隶属度设定模糊... 详细信息

提出一种模糊边界模块化神经网络(FBMNN)的混沌时间序列预测方法,该方法先对混沌时间序列观测点重构的相空间进行模块化划分,划分点的选取由遗传算法自动寻优.然后定义一个模糊隶属度函数,在划分边界一侧按照一定的模糊隶属度设定模糊边界带,通过模糊化处理,解决了各模块划分点附近预测结果的跳跃问题.最后每一模块,及其模糊边界的样本点都对应一个递归神经网络进行训练,通过预测合成模块输出结果.该方法对三个混沌时间序列基准数据集Mackey-Glass,Lorenz,Henon进行实验,结果表明该方法有效地提高了混沌时间序列预测效果.

关键词：模糊边界模块化神经网络混沌时间序列预测

来源：评论

学校读者我要写书评

暂无评论

一种改进的在线自适应模块化神经网络

引用

控制与决策 2020年第7期35卷 1597-1605页

作者：郭鑫李文静乔俊飞北京工业大学信息学部北京100124 计算智能与智能系统北京市重点实验室北京100124

针对在线模块化神经网络难以实时有效划分样本空间,提出一种改进的在线自适应模块化神经网络.首先,基于距离与密度实时更新样本局部密度及RBF神经元中心,实现样本空间在线划分;然后,将子网络模块数根据划分样本空间的个数进行自适应增减... 详细信息

针对在线模块化神经网络难以实时有效划分样本空间,提出一种改进的在线自适应模块化神经网络.首先,基于距离与密度实时更新样本局部密度及RBF神经元中心,实现样本空间在线划分;然后,将子网络模块数根据划分样本空间的个数进行自适应增减,每个子网络模块对属于对应样本空间的样本进行学习;最后,集成模块对子网络模块的输出结果进行集成,输出最终结果.针对在线梯度下降法要求样本有足够的随机性问题,提出一种具有固定记忆的在线梯度下降法对网络进行在线学习.通过对典型非线性时变系统及污水处理过程中出水氨氮浓度进行预测,验证了该模块化神经网络能够实时有效地更新RBF神经元中心,并减少学习过程中子网络模块不必要的增减,且网络结构更加简洁,能够准确预测不同的时变系统.

关键词：自适应模块化神经网络局部密度固定记忆在线梯度下降时变系统

来源：评论

学校读者我要写书评

暂无评论

基于注意力模块化神经网络的城市固废焚烧过程氮氧化物排放预测

引用

化工学报 2024年第2期75卷 593-603页

作者：蒙西王岩孙子健乔俊飞北京工业大学信息学部北京100124 智慧环保北京实验室北京100124 智能感知与自主控制教育部工程研究中心北京100124

氮氧化物(nitrogen oxides,NO_(x))浓度的实时精准检测是实现脱硝过程闭环控制的前提,对提高城市固废焚烧(municipal solid waste incineration,MSWI)过程脱硝效率具有重要意义。为此,提出了一种基于注意力模块化神经网络(attention mod... 详细信息

氮氧化物(nitrogen oxides,NO_(x))浓度的实时精准检测是实现脱硝过程闭环控制的前提,对提高城市固废焚烧(municipal solid waste incineration,MSWI)过程脱硝效率具有重要意义。为此,提出了一种基于注意力模块化神经网络(attention modular neural network,AMNN)的MSWI过程NO_(x)排放预测方法。首先,模拟脑网络“分而治之”处理复杂任务的特性,利用模糊C均值(fuzzy C-means,FCM)聚类算法将待预测任务划分为多个子任务,从而降低预测任务复杂度;其次,针对各子任务,设计一种自组织模糊神经网络(self-organizing fuzzy neural network,SOFNN)构建子模型,通过神经元增删机制和二阶学习算法提高子模型的学习效率和学习精度;然后,提出了一种基于注意力机制的子模型整合策略,进一步提高预测模型的泛化性能;最后,通过基准实验Mackey-Glass时间序列预测和北京某MSWI厂实际数据验证了AMNN的可行性和有效性。

关键词：城市固废焚烧模块化神经网络注意力机制 NOx排放预测

来源：评论

学校读者我要写书评

暂无评论

模块化神经网络在线自组织设计方法及应用研究

模块化神经网络在线自组织设计方法及应用研究

引用

作者：郭鑫北京工业大学

学位级别：博士

人工神经网络是模拟人脑信息处理过程的智能计算系统,因具有自我学习和良好的非线性逼近能力,在非线性系统建模中得到广泛的应用。但在实际应用中,很多实际过程是复杂的非线性动态过程,具有复杂性、非线性、不确定性、时变性等特征,单... 详细信息

人工神经网络是模拟人脑信息处理过程的智能计算系统,因具有自我学习和良好的非线性逼近能力,在非线性系统建模中得到广泛的应用。但在实际应用中,很多实际过程是复杂的非线性动态过程,具有复杂性、非线性、不确定性、时变性等特征,单一神经网络存在灾难性遗忘问题,无法有效学习所有样本等问题,因此非线性动态系统的建模和预测是神经网络模究的难点和热点之一。模块化神经网络是基于大脑的“模块化”特征设计的,可以有效提高神经网络的计算性能,缓解灾难性遗忘问题,是非线性动态系统建模方法研究的重要方向。目前,如何根据样本间的相关性或任务特征有效在线划分任务以及如何根据子任务动态调整子网络结构,是模块化神经网络的难点问题。因此,针对非线性动态系统建模和时间序列预测,对模块化神经网络在线自组织设计方法进行了系统深入的研究,主要研究工作和创新点如下:一、围绕非线性动态系统建模的模块化神经网络自组织设计方法研究1.针对模块化神经网络的子网络通常是结构固定的前馈神经网络,难以确定其初始结构的问题,提出了一种结构在线自组织的前馈神经网络模型。首先,根据网络误差增加隐含层神经元以保证网络的学习能力;其次,采用局部敏感度分析计算神经元的贡献度,修剪贡献度小的神经元以保证网络结构的紧凑性;最后,为提高网络的收敛速度和精度,采用滑窗机制对在线梯度下降算法进行改进。实验结果表明,与其它神经网络模型相比,所提出的模型能有效动态调整自身结构,具有较好的泛化性能。2.针对基于聚类算法的任务分解算法采用递归迭代方式,只在线更新聚类中心,无法充分考虑样本间的相关性的问题,提出了一种基于距离与密度的在线任务分解算法。该算法根据聚类中心的局部密度较高,且与其他聚类中心距离较大的原则,通过不断更新样本及其领域内样本的局部密度,动态划分样本空间,从而保证模块化神经网络能有效获得样本的局部信息,在线调整网络结构。3.针对非线性动态系统建模,提出了一种结构在线组织的模块化神经网络模型。首先,采用基于距离与密度的聚类算法在线划分样本空间,动态增加或删减子网络模块;其次,利用网络误差和局部敏感度分析动态调整子网络结构;最后,对各子网络的结果进行集成。实验结果表明,所提出的模型不仅可以根据样本局部信息在线调整子网络模块,而且子网络可以根据分配的子任务自适应调整自身结构,具有紧凑的结构和良好的泛化性能。二、围绕时间序列预测的基于EMD技术的模块化神经网络设计1.针对时间序列预测,通常模块化神经网络是基于样本空间划分时间序列,无法充分考虑时间序列的时间特性的问题,提出了一种基于经验模态分解(Empirical Mode Decomposition,EMD)算法的自适应模块化神经网络模型。首先采用EMD算法将时间序列分解为若干个简单、独立的子时间序列;其次,采用样本熵和欧式距离分别计算子时间序列的复杂度相似度,合并简单且相似性较大的子时间序列;最后,对各子网络结果进行加权求和。实验结果表明,所提出的模型能有效提高模块化神经网络的预测精度。2.针对基于EMD算法的模型需要全局样本,无法处理在线时间序列预测问题,提出了一种基于滑窗和EMD算法的在线模块化神经网络模型。该模型通过EMD算法在线分解滑窗的时间序列,采用样本熵和欧式距离将子时间序列动态分配给子网络,同时通过修剪子时间序列重叠部分以缓解不同时刻的子时间序列间的末端效应。实验结果表明,所提出的模型可以有效在线分解时间序列,具有较好的预测精度。3.针对基于EMD算法的模型对时间序列进行分解时,会产生相对较高频率的子时间序列,可能会增加子网络的预测难度的问题,提出了一种基于EMD算法和多视图策略的在线模块化神经网络模型。首先,采用EMD算法将滑窗时间序列分解为若干个就简单、独立子时间序列;其次,采用样本熵和欧式距离动态分配子时间序列;最后将较高频率的子时间序列分配到多视图策略模块进行学习,较低频率的子时间序列分配到结构简单的子网络模块进行学习。实验结果表明,所提出的模型可以进一步提高模块化神经网络的预测精度。三、基于模块化神经网络的出水氨氮在线预测模型针对城市污水处理过程中关键参数出水氨氮浓度难以实时,精确测量和预测问题,提出了一种基于EMD和多视图策略的在线模块化神经网络预测模型。首先,利用滑窗机制和EMD算法对出水氨氮序列进行在线分解;其次,采用样本熵和欧式距离将较高频率的子时间序列分配到多视图策略模块进行学习,同时将较低频率的子时间序列分配到结构简单的子网络模块进行学习,最后对多视图策略模块和子网络模块进行集成。通过对污水处理过程中出水氨氮序列预测,实验结果表明所提模型可以实时,精确地预测污水处理过程中出水水质氨氮浓度。

关键词：模块化神经网络在线自组织算法梯度下降算法经验模态分解算法污水处理过程

来源：评论

学校读者我要写书评

暂无评论

模块化神经网络优化设计及应用研究

模块化神经网络优化设计及应用研究

引用

作者：蒙西北京工业大学

学位级别：博士

人工神经网络是由大量神经元相互连接，通过模拟大脑神经系统处理信息的方式，进行信息并行处理的复杂非线性系统。人脑在信息处理方面有着突出的优点，其学习、感知以及在复杂环境中做出决策的能力都是现有神经网络模型一直试图实现的... 详细信息

人工神经网络是由大量神经元相互连接，通过模拟大脑神经系统处理信息的方式，进行信息并行处理的复杂非线性系统。人脑在信息处理方面有着突出的优点，其学习、感知以及在复杂环境中做出决策的能力都是现有神经网络模型一直试图实现的。大脑的结构连接是其功能连接的基础，对脑网络结构特征的探索和模拟是实现类人信息智能处理模式的前提。模块化是大脑皮层最主要的特征之一，模块化分区的结构特征形成了大脑最基本也是最重要的组织原则——“功能分离”。大脑在处理信息时，不同的区域处理不同的信息，具有“分而治之”的特性，这种局部特性是人脑处理复杂任务和应对突变环境的核心基础。因此，模块化神经网络旨在模拟大脑皮层模块化结构特征，通过实现脑网络“分而治之”的功能特性来提高人工神经网络处理复杂信息的能力。如何构建模块化分区结构，如何设计结构精简、性能稳定以及泛化性能良好的子网络都是模块化神经网络研究领域尚待解决的关键问题和难点问题。　　研究模块化神经网络优化设计方法，是为了获得有效的模块化分区方法和子网络自组织设计算法。文中基于神经生理学和神经心理学研究成果，归纳、概括了人脑结构连接方式与脑式信息处理机理间的关系，将脑网络的空间模态蕴含于模块化神经网络分区结构设计中;深入分析、研究了影响子网络学习能力和泛化能力的主要因素，获得了子网络自组织动态设计方法;在分区方法和子网络设计研究基础上，获得了完备的模块化神经网络优化设计算法，所设计的模块化神经网络具有典型的类脑结构特征和类脑信息处理方式。论文的主要研究工作和创新点如下:　　1.模块化神经网络分区方法　　构建分区结构是实现“分而治之”的前提。借鉴自适应共振理论(Adaptive resonance theory,ART)良好的聚类特性，文中利用任务样本集间的相似性对输入空间进行自适应划分，进而构建模块化分区结构。此外，受启发于脑网络的结构特征，又提出一种基于密度聚类的分区方法，通过寻找每个模块的核心节点来构建分区结构。由于径向基函数(Radial basis function，RBF)神经网络与模块化神经网络在结构和功能上具有一定的相似性，因此将分区问题转换为RBF神经网络的隐含层结构设计问题，进而通过RBF神经网络的性能来验证分区方法的可行性。对非线性函数逼近和非线性动态系统辨识的仿真结果显示:两种分区方法都能根据待解决任务样本集特征自适应确定子模块规模，实现任务自动分解;其中基于密度聚类的方法能通过对脑网络结构特征的模拟有效提高分区效果。　　2.子网络改进型二阶学习算法　　子网络的学习能力是模块化神经网络学习能力的保证。文中采用由二阶梯度类算法训练的RBF神经网络作为模块化神经网络的子网络，分析了影响二阶梯度类算法收敛性能的主要因素，提出了一种RBF神经网络改进型二阶学习算法。该算法通过转化海森矩阵的计算方式和寻求合适的初始参数来提高算法的收敛性能。实验结果表明所提出的改进型二阶学习算法能够在保证学习过程收敛的同时有效提高子网络的收敛速度和学习精度。　　3.基于任务驱动的子网络自组织设计　　人工神经网络的设计目标应是以最精简的结构获取最优的学习能力和泛化性能。文中提出了一种基于任务驱动的RBF神经网络自组织设计算法，针对待处理任务，该算法能基于瞬时残差和神经元显著性自适应构建网络结构;同时，结构构建过程中确定的初始参数又能有效提高网络的收敛速度和学习精度。实验结果表明所设计的RBF神经网络具有精简的结构、较快的收敛速度以及良好的泛化性能。因此，当选用该神经网络作为子网络时，所构建模块化神经网络的结构精简性和泛化能力都能得以保证。　　4.类脑模块化神经网络设计　　模块化神经网络旨在通过模拟脑网络“模块化”结构特征和“功能分离”特性来提高神经网络处理复杂问题的能力。基于人脑结构特征和认知方式，文中提出了一种类脑模块化神经网络。首先，利用类脑模块化分区方法实现予模块规模的自适应确定以及任务的自动分解;其次，结构精简和泛化性能良好的子网络保证了整个类脑模块化神经网络的性能;最后对基准实验的仿真研究结果表明，相较于单一神经网络，类脑模块化神经网络能通过“分而治之”有效提高处理复杂问题的能力。　　5.污水处理过程关键出水参数软测量模型　　城市污水处理过程关键出水参数的检测和控制一直是该领域的难题和挑战，文中提出一种基于模块化神经网络的关键出水参数软测量方法。首先，基于互信息分析和专家知识选取模型的输入变量;然后，模拟人脑并行处理复杂任务的特性，构建不同的子模型对不同水质参数进行实时软测量;利用自组织RBF神经网络构建子模型，实际应用中能根据具体需求侧重建模精度或建模速度。仿真实验结果表明，所建立的软测量模型能快速、精准地实现对出水生化需氧量和出水总磷的同步测量。

关键词：模块化神经网络空间划分自组织设计二阶学习算法

来源：评论

学校读者我要写书评

暂无评论

模块化神经网络体系结构模型及其应用研究

模块化神经网络体系结构模型及其应用研究

引用

作者：凌卫新华南理工大学

学位级别：博士

该文以研究模块化神经网络体系结构模型及其应用研究为目标,研究模块化神经网络体系结构设计过程中相关的技术：任务分解技术和多模块判定和网络模块的学习,并研究了模块化神经网络在函数逼近、系统模拟、模式分类器等方面的应用.该文... 详细信息

该文以研究模块化神经网络体系结构模型及其应用研究为目标,研究模块化神经网络体系结构设计过程中相关的技术：任务分解技术和多模块判定和网络模块的学习,并研究了模块化神经网络在函数逼近、系统模拟、模式分类器等方面的应用.该文提出了并行协作模块化神经网络（PCMNN）结构和算法,它通过用分解判定子模块对输入向量的适当分区域、由合成子网络将各区域的结果合成,实现了复杂任务的自动分解判定和模块化训练策略.该文提出了基于梯度的模块化神经网络体系结构（GPCMNN）和学习算法,其中子样空间是基于梯度技术来进行划分的,这种方法可使样本子空间的划分更合理、更有效,便于实现对新增样本的学习.提出了基于粗糙集的K类模式分类器的体系结构（RSPCMNNC）,基于粗糙集理论提出了三个预处理算法,使分类器的结构简化,同时降低了学习的难度,有效地避免产生的太多的子网;样本空间基于最大均衡的策略来划分,保证BP算法在学习过程中的有效性.

关键词：模块化神经网络体系结构任务分解多模块判定学习算法

来源：评论

学校读者我要写书评

暂无评论

基于梯度的并行协作模块化神经网络体系结构

引用

计算机学报 2004年第9期27卷 1256-1263页

作者：凌卫新郑启伦陈琼华南理工大学应用数学系广州510640 华南理工大学计算机科学与工程学院广州510640

该文提出了一种基于梯度的并行协作模块化神经网络的体系结构 (GPCMNN) .它通过分解模块 ,根据梯度方法对学习样本空间自动分解 ,由子空间识别模块和子任务模块实现各子样本空间的识别和学习 ,集成模块将子样本空间结果集成得系统的输... 详细信息

该文提出了一种基于梯度的并行协作模块化神经网络的体系结构 (GPCMNN) .它通过分解模块 ,根据梯度方法对学习样本空间自动分解 ,由子空间识别模块和子任务模块实现各子样本空间的识别和学习 ,集成模块将子样本空间结果集成得系统的输出 ,实现了复杂任务的自动分解、判定和模块化训练策略 .实验表明 ,该文提出的GPCMNN体系结构是可行的、有效的 ;与非模块化神经网络技术相比 ,提高了训练速度 ,改善了网络性能 .它具有高效并行的运行效率、便于硬件实现等特点 ,同时又保持了PCMNN[7] 算法的优点 ,改进了它的不足 .

关键词：模块化神经网络梯度任务分解多模块判定

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：