检索结果-内蒙古大学图书馆

作者：王允霞华南理工大学

学位级别：硕士

人工神经网络是人工智能研究领域的重要分支之一，在控制、预测、优化、系统辨识、信号处理和模式识别等领域有广泛的应用。鉴于神经网络的传统训练方法存在的缺陷，很多研究者开始将诸如遗传算法、粒子群算法等这些智能启发式算法应用... 详细信息

人工神经网络是人工智能研究领域的重要分支之一，在控制、预测、优化、系统辨识、信号处理和模式识别等领域有广泛的应用。鉴于神经网络的传统训练方法存在的缺陷，很多研究者开始将诸如遗传算法、粒子群算法等这些智能启发式算法应用到神经网络的设计和参数优化中，力图解决传统网络训练方法所面临的一些问题。本文将人工蜂群算法与神经网络结合，优化网络的均方误差函数，以获得网络的权值和阈值。人工蜂群算法是一种新型的元启发式搜索算法，是通过模拟自然界中蜂群采蜜的过程所体现的群体智能行为来实现对优化问题的求解。其控制参数少、易于实现、计算简单，而且全局搜索能力强，已被越来越多的学者关注，所以本文用人工蜂群算法去优化神经网络的权值和阈值。本文对蜂群算法进行了一定的研究，并对其进行了改进，主要包括以下三个方面：（1）采蜜蜂搜索行为的改进，包括抑制较差食物源成为邻域蜂的机会和采蜜蜂对优质食物源的加速移动；（2）较差食物源重置，在种群进化过程中，每隔一定周期对较差食物源在缩小的空间内进行重置，期望提高其质量；（3）改进侦查蜂的出现方式，对因滞留次数过多而被丢弃的食物源，在重新搜索时，因其在种群中的地位区分对待，若是全局最优则对其采用反向学习策略，否则将其与较优食物源进行交叉。在分类的实际应用中，当样本类别数较多时，建立的单一神经网络的结构会比较复杂，训练时间会急剧增加，而且网络的输出节点过多，这会导致网络输出的耦合性增大，造成样本错分的情况增多，降低了分类精度。应用模块化的思想，根据样本类别数建立相应个数的子神经网络，每个子神经网络只做二分类问题即输出节点只有一个，从而降低网络的复杂性，各个子神经网络是并行运行的，这也会降低网络的训练时间。最后对各个子神经网络的输出进行综合，确定样本的类别，这将提高最终的分类精度。

关键词：人工神经网络人工蜂群算法模块化神经网络学习算法

来源：评论

学校读者我要写书评

暂无评论

基于改进鱼群算法的BP神经网络优化研究

基于改进鱼群算法的BP神经网络优化研究

引用

作者：张颖华南理工大学

学位级别：硕士

BP（Back-propagation）神经网络是目前应用最广、发展最迅速的人工神经网络，据统计，在人工神经网络的实际应用中，90%的人工神经网络模型是采用BP前向网络或它的变化形式。但是BP算法容易陷入局部极值而无法找到全局最优值。针对这... 详细信息

BP（Back-propagation）神经网络是目前应用最广、发展最迅速的人工神经网络，据统计，在人工神经网络的实际应用中，90%的人工神经网络模型是采用BP前向网络或它的变化形式。但是BP算法容易陷入局部极值而无法找到全局最优值。针对这个问题，本文提出两方面的改进：（1）用人工鱼群算法优化BP神经网络的权值和阈值；（2）模块化神经网络，把原神经网络拆分成多个神经网络模块。人工鱼群算法是李晓磊等人于2002年提出的人工智能优化算法，它能较快地找到全局最优，所以用人工鱼群算法优化BP神经网络的权值和阈值，通常能很好地克服BP神经网络的缺点。针对人工鱼群算法，本文做了以下三方面的改进：（1）提出基于聚类的鱼群初始化方法，使得产生的初始鱼群在寻优空间中均匀分布，从而更快地找到最优值；（2）对于鱼群的三个基本行为，引入了历史最优个体的信息，并且使用了启发式寻优的策略；（3）增加了逃逸行为。逃逸行为中，本文借鉴了遗传算法的交叉因子和变异因子，当人工鱼群陷入局部极值时能很好地跳出来。在实际应用中，当分类的类别数较多时，建立的BP神经网络的结构是非常复杂的，若建立不好就会使误分情况增多，从而导致分类精度下降。本文提出神经网络的模块化方法，把原BP神经网络拆分成多个神经网络模块，使每个神经网络模块将数据集分为两类，从而降低了原神经网络的复杂性。多个神经网络并行地对数据集进行分类，大大减少了网络训练的时间，并且每个神经网络都是处理两分类问题，从而提高了网络的测试精度。

关键词： BP神经网络人工鱼群算法模块化神经网络局部极值

来源：评论

学校读者我要写书评

暂无评论

基于神经网络的信息融合技术与应用

基于神经网络的信息融合技术与应用

引用

作者：邹永祥成都理工大学

学位级别：硕士

信息融合技术是研究如何有效地综合利用多传感器信息,克服信息的不完备性和不确定性,更加准确、全面地认识和描述被测对象,从而做出正确的判断和决策,近年来已成为各国学者研究的热点。多传感器信息融合技术已经广泛用于模式识别、目标... 详细信息

信息融合技术是研究如何有效地综合利用多传感器信息,克服信息的不完备性和不确定性,更加准确、全面地认识和描述被测对象,从而做出正确的判断和决策,近年来已成为各国学者研究的热点。多传感器信息融合技术已经广泛用于模式识别、目标跟踪、图像处理和机器人等领域。神经计算是人们在模仿人脑处理问题的过程中发展起来的一种新型智能信息处理理论,它通过大量称为神经元的简单处理单元构成非线性动力学系统,对人脑的形象思维、联想一记忆等进行模拟和抽象,实现与人脑相似的学习、识别、记忆等信息处理能力。神经网络在经历了几十年的曲折发展后,在信息科学领域等许多应用方面已显示出了巨大潜力和广阔的应用前景。本文旨在研究将神经计算应用于信息融合领域,建立智能化的信息融合算法,并将之应用于核探测器的谱漂移,即提出了智能信息融合技术在谱仪谱峰随温度、电压等漂移的融合模型和算法。本文首先介绍了信息融合技术和神经计算的理论基础、研究现状以及发展方向,讨论了神经计算在信息融合中的应用问题以及相关算法。提出来了可用于信息融合的模块化神经网络与模糊神经网络的模型和算法。定性地论证了神经网络融合识别的基本机理。针对谱峰随不同干扰量漂移的问题,采用模块化神经网络对谱仪峰位漂移进行数据融合,建立了融合的网络模型及其学习方式。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。计算和仿真结果表明建立的数学模型有较好的精度,智能化的融合技术能成功运用在谱仪的谱峰漂移的数据融合中。

关键词：信息融合神经计算模块化神经网络峰位漂移

来源：评论

学校读者我要写书评

暂无评论

一种含两层专家网络的委员会机器模型

引用

计算机科学 2008年第1期35卷 160-163,180页

作者：金健黄国兴梁道雷鲍钰华东师范大学信息科学技术学院上海200062 华东师范大学软件学院上海200062

针对含单层专家网络的委员会机器在处理复杂问题时拟合能力不足的情况,本文提出了一种基于两层专家网络的委员会机器(CM-2LE)模型,并推导了其中的网络权值学习规则。对人造数据的整体检验和对实际的气象数据的逐次预报检验,通过调节隐... 详细信息

针对含单层专家网络的委员会机器在处理复杂问题时拟合能力不足的情况,本文提出了一种基于两层专家网络的委员会机器(CM-2LE)模型,并推导了其中的网络权值学习规则。对人造数据的整体检验和对实际的气象数据的逐次预报检验,通过调节隐含层节点数目,实验误差结果出现了较明显的减小过程,表明通过增加委员会机器中专家网络的层数,可以提高委员会机器的拟合能力。

关键词：委员会机器模糊C均值聚类模块化神经网络短期预报

来源：评论

学校读者我要写书评

暂无评论

数据融合的神经计算方法

数据融合的神经计算方法

引用

作者：蔺杰浙江大学

学位级别：博士

数据融合技术就是研究如何有效地综合利用多传感器信息，克服信息的不完备性和不确定性，更加准确、全面地认识和描述被测对象，从而做出正确的判断和决策，近年来已成为各国学者研究的热点。多传感器数据融合技术已经广泛用于模式识别... 详细信息

数据融合技术就是研究如何有效地综合利用多传感器信息，克服信息的不完备性和不确定性，更加准确、全面地认识和描述被测对象，从而做出正确的判断和决策，近年来已成为各国学者研究的热点。多传感器数据融合技术已经广泛用于模式识别、目标跟踪、图像处理和机器人等领域。尽管数据融合技术发展迅速，但它仍然是一个远未成熟的领域，尚未形成完整的理论，还有许多问题需要解决。神经网络多传感器数据融合便于建立知识库，能实现知识自动获取及联想推理以表达不确定环境的复杂关系，并且具有大规模并行处理能力，同时又有一定的容错性，对先验知识的依赖性小，因此引起了越来越多人的研究兴趣。人工神经网络是以神经元为顶点、顶点间的连接为边的有向图，是一种大规模的非线性动力学系统。神经网络数据融合系统的突出优点是可以实现实时处理，并且通过对网络的训练，自动找到数据融合的方法，因此可以节省大量的运算和对先验信息的需求。但神经网络多传感器数据融合技术还缺乏统一的理论基础，神经网络种类和参数的选择还处在经验层次上，各自为政，阻碍了神经网络数据融合的应用和交流；很多算法还不完善，对新的应用领域的应用上还远远不能符合要求。本文在对神经计算在多传感器数据融合算法的基础上进行了整理、归纳，并进一步深入研究，将其应用与人类思维模型的构造，主要研究内容和取得的成果如下： (1) 实用性地分析、归纳、总结了数据融合、人工神经网络以及人工神经网络数据融合的系统理论和方法。 (2) 在神经网络的基础理论中介绍了神经网络的基本概念、发展过程和应用；分析了网络的基本工作原理以及神经网络与模式识别的关系，定性地论证了神经网络融合识别的基本机理。 (3) 研究可用于数据融合的模块化神经网络与模糊理论相结合。模块化神经刚络具有单一神经网络无法比拟的优势，其不足之处又可以通过模糊理论的引入得以弥补。使用模糊推理系统处理系统输入可以大大减少神经网络模块化带来的系统复杂度。 (4) 模糊神经网络在融合识别中的应用。根据多源数据的特征具有高维数的特点和BP网络在解决此类问题中的缺陷，研究了CPN网络学习算法的几种改进方法，提出了模糊隐层节点动态调整的网络学习方式；模糊网络中传感器的管理也在这里进行了讨论。 (5) 在模块化神经网络和模糊理论的基础上提出了人脑的思维模型。从本文研究的结果看，神经网络在数据融合中的应用具有重要的价值和优势，但也有许多问题需要进一步研究。目前的人工神经网络模型还只是对人类大脑神经网络的很有限的仿真。但是，从目前的研究趋势上来看，基于生命科学的方法将在未来信息处理领域变得越来越重要，必将发挥更大的作用。

关键词：思维模型神经计算模块化神经网络模糊理论

来源：评论

学校读者我要写书评

暂无评论

基于CEEMD-PSO-MNN的船舶航迹预测

引用

电子器件 2021年第1期44卷 119-124页

作者：王文标董贵平汪思源孟松杜大鹏杜佳璐大连海事大学船舶电气工程学院辽宁大连116026

船舶航迹预测对保障海上交通安全具有重要意义,为进一步提高船舶航迹预测精度,提出了一种从认知神经科学和神经生理学继承的模块化设计方法用于开发神经网络,旨在通过大脑强大的功能(分而治之)来解决复杂问题。首先,利用互补集合经验模... 详细信息

船舶航迹预测对保障海上交通安全具有重要意义,为进一步提高船舶航迹预测精度,提出了一种从认知神经科学和神经生理学继承的模块化设计方法用于开发神经网络,旨在通过大脑强大的功能(分而治之)来解决复杂问题。首先,利用互补集合经验模式分解算法(CEEMD)将船舶航迹时间序列分解为多个相对平稳的子序列,使其具有不同的本征模态函数及趋势项,这在一定程度上降低了航迹时间序列的复杂程度;然后,通过模糊熵(FE)量化各子序列的复杂性用于辅助模块化神经网络(MNN)任务分配;最后,将粒子群(PSO)改进的长短期记忆神经网络(LSTM)作为模块化神经网络的子网络用于解决船舶航迹时间序列预测任务。选取相关数据进行测试,验证了所提方法对船舶航迹预测的准确性和实用性。

关键词：航迹预测互补集合经验模态分解模块化神经网络粒子群长短期记忆神经网络

来源：评论

学校读者我要写书评

暂无评论

赤潮藻细胞的识别研究

赤潮藻细胞的识别研究

引用

作者：赵静中国海洋大学

学位级别：硕士

赤潮藻是引发赤潮现象的主要生物,赤潮不仅给海洋环境、海洋渔业和海水养殖业造成严重危害,而且对人类健康甚至生命都有不利影响。因此,正确识别赤潮藻细胞对有效的预防和鉴定赤潮的发生非常重要。赤潮藻细胞的识别系统主要由图像预处... 详细信息

赤潮藻是引发赤潮现象的主要生物,赤潮不仅给海洋环境、海洋渔业和海水养殖业造成严重危害,而且对人类健康甚至生命都有不利影响。因此,正确识别赤潮藻细胞对有效的预防和鉴定赤潮的发生非常重要。赤潮藻细胞的识别系统主要由图像预处理、图像分割、特征提取和分类识别四个部分组成。本文通过应用数字图像处理技术,依据图像识别系统四个部分的图像处理和分析,对赤潮藻细胞图像的识别研究如下: 1.图像预处理:对赤潮藻细胞图像进行灰度修正和噪声滤除,主要采用数学形态学方法对灰度变换后的二值图像进行噪声滤除。 2.图像分割:提出将多尺度数学形态学、连通成分标记与边缘检测算子相结合用于赤潮藻细胞的边缘轮廓提取,实验结果证明此方法简单易行,所提取的边缘轮廓失真较小。 3.特征提取:主要研究了赤潮藻细胞的圆度、矩形度、伸长度以及小波矩特征等形状参数的提取,所提取的参数既描述了赤潮藻细胞图像的整体形状特征,又描述了藻细胞图像形状的局部细节特征。 4.分类识别:采用模块化神经网络的方法进行赤潮藻细胞的分类识别实验,识别正确率达到95%以上,实验结果证明此方法能够比较准确的识别出赤潮藻细胞。

关键词：赤潮藻数学形态学小波矩模块化神经网络

来源：评论

学校读者我要写书评

暂无评论

面向策略模型迁移任务的分层强化学习框架设计与实现

面向策略模型迁移任务的分层强化学习框架设计与实现

引用

作者：张芸枭军事科学院

学位级别：硕士

强化学习是一种用于描述和解决智能体在与环境的交互过程中通过学习策略以达成回报最大化或实现特定目标的机器学习方法。虽然近年来强化学习成功在很多领域得到应用,但交互式的学习方式也带来两个难题:由于采样不充分导致的低效训练和... 详细信息

强化学习是一种用于描述和解决智能体在与环境的交互过程中通过学习策略以达成回报最大化或实现特定目标的机器学习方法。虽然近年来强化学习成功在很多领域得到应用,但交互式的学习方式也带来两个难题:由于采样不充分导致的低效训练和极大的训练资源开销。大量的研究针对上述难题展开,其中具有代表性的方法是迁移强化学习。迁移强化学习通过重用源域知识以引导目标域的智能体训练,有效的知识迁移能大幅提升强化学习的训练效率及性能表现。但当前的迁移强化学习大多依赖于人类专家设计的迁移知识,且迁移所需条件较多,迁移的适用场景较为局限。本课题受分层强化学习能够对任务进行分层抽象化简的特性启发,将分层的思想运用在迁移强化学习领域,在分层强化学习的框架基础上,设计并实现模块化的策略迁移方法,从框架设计与改良的角度优化强化学习策略迁移性能。主要的工作包括以下几个方面:(1)设计并实现面向策略迁移任务的分层强化学习框架:Feature-OptionAction(FOA)。该框架以Option分层强化学习框架为基础,利用模块化神经网络结构同时实现策略的迁移与特征的映射。该框架不需要预先设计或训练复杂的域间映射,映射过程在目标域的迁移训练中自动实现,能够减少迁移的成本。实验结果表明该框架能在学习速度改进和渐进改进两个方面提升学习效率及性能表现,能够减少智能体与环境的交互次数,进而降低训练开销。(2)为进一步优化FOA的迁移性能,拓展研究适用于该框架的参数更新方法。为增加options之间的差异性以提高模型的探索能力进而提升学习效率,参考Option-Critic方法中的设计思路,本课题实现并改进一种结合单步在线更新与经验回放批数据更新的参数更新方法。实验结果表明该方法能够显著提升FOA迁移的效率。为解决迁移强化学习过程中模型性能波动较大的问题,课题在上述方法基础上研究超参数批次大小对稳定模型性能的作用,最后通过实验提出适用于FOA的高效且稳定的模型更新策略。(3)为说明FOA迁移的合理性,课题从环境状态空间与策略的关联进行深入研究。在特定的任务场景中,策略通常和环境状态空间中某些维度紧密相关,文中称之为重要维度。重要维度来源于策略又可用于策略生成,本课题设计实验筛选重要维度,并利用重要维度训练策略,实验结果证明重要维度与策略存在双向关联性。因此当源域与目标域拥有相似的重要维度时,面向策略迁移的FOA框架能够具有良好的迁移性能。

关键词：迁移强化学习分层强化学习模块化神经网络 Option框架策略迁移跨域迁移

来源：评论

学校读者我要写书评

暂无评论

控制与辨识问题中的学习机制研究

控制与辨识问题中的学习机制研究

引用

作者：王佳森浙江大学

学位级别：硕士

在文献综述的基础上,本文研究了在线学习及其在控制中的应用,离线学习及其在辨识中的应用。本文第二章集中于研究一类系统的学习控制,一种周期自适应控制算法被提出来,该方法主要被用来应对周期参数(包括周期和其上界)不确定的一类非线... 详细信息

在文献综述的基础上,本文研究了在线学习及其在控制中的应用,离线学习及其在辨识中的应用。本文第二章集中于研究一类系统的学习控制,一种周期自适应控制算法被提出来,该方法主要被用来应对周期参数(包括周期和其上界)不确定的一类非线性系统。在学习控制算法中,一个限幅自适应控制律被用来估计未知参数向量；一个逻辑切换算法被用来在线整定参数向量未知周期和上界。使用李雅普诺夫能量函数进行分析,可以得到跟踪误差渐进收敛而且所有系统信号均保持有界的特性。一关节机械手模型被用来测试控制算法的有效性。本文第三章主要集中于学习辨识的研究,主要研究对象是模块化神经网络。对基于“一专多能”思想的模块化神经网络的子网训练算法作了系统的实验研究。在研究过程中,主要运用的“一专多能”的思想可以概括为模块化神经网路的子网不仅学习主要指标,而且学习辅助指标。该章还讨论了距离测度和隶属度次数对系统辨识性能的影响。本文第四章主要目的是为“一专多能”模块化神经网络构建一个高效的学习框架使其成为“多专多能”模块化神经网络。首先,构建了一个纯顺序执行的子网学习算法,并且对收敛性作出了分析。然后,在“多专多能”模块化神经网络中为子网找到一个先充分后等价的学习条件,该学习条件符合先前设计的子网学习指标。十个辨识问题被用来测试新学习框架在应对低维数据时的效率和性能。进一步,偏差和方差分析表明“多专多能”模块化神经网络对性能的改进是存在最大能力的,即不是辅助训练目标越多效果就越好。另外受模块化学习的启发,我们设计了超级神经网络,该网络有“记忆”所有训练样本的能力。

关键词：机器学习学习控制学习辨识模块化神经网络

来源：评论

学校读者我要写书评

暂无评论

下视红外目标多谱识别技术研究

下视红外目标多谱识别技术研究

引用

作者：肖阳华中科技大学

学位级别：硕士

红外自动目标识别技术是一项难度较大、国内外军事部门高度重视的高级智能化图像处理技术。虽从20世纪80年代开始,国内外已投入了大量人力、财力进行该项研究工作,取得了较大进展,已有不少新理论、新算法问世,现己有很多实用的自动目标... 详细信息

红外自动目标识别技术是一项难度较大、国内外军事部门高度重视的高级智能化图像处理技术。虽从20世纪80年代开始,国内外已投入了大量人力、财力进行该项研究工作,取得了较大进展,已有不少新理论、新算法问世,现己有很多实用的自动目标识别系统处于研制中,但就满足在多变战术和自然环境中使用的武器系统要求来说,它还存在一定的距离,未达到实用阶段。本文针对红外目标:机场、水体、飞机和舰船提出了单谱红外以及多光谱图像融合的下视自动目标识别算法。经实验验证算法具有良好的实时性、适应性与鲁棒性。本文研究内容可总结如下: (1)分析了红外成像原理及不同材质的物体在红外成像上的差异,为后续研究提供了基础。 (2)提出基于目标与场景关系的单谱红外图像飞机目标识别算法。该算法利用飞机目标与机场背景的依附关系,在复杂背景红外遥感图像中,首先检测机场区域,接着在图像中的机场区域进行飞机目标的识别。通过考虑目标与场景的关系,算法有效提高了目标识别的实时性并降低了目标识别的难度。 (3)提出基于目标与场景关系的单谱红外图像舰船目标识别算法。该算法利用舰船目标与水体的依附关系,在复杂背景红外图像中,首先检测水体区域,接着在图像中的水体区域进行舰船目标的识别。通过考虑目标与场景的关系,该算法有效提高了目标识别的实时性并降低了目标识别的难度。 (4)提出基于模块化神经网络的飞机与舰船目标的特征级中、长波红外图像多谱融合识别算法。该算法以模块化神经网络为目标识别与数据融合的工具,在特征选择的基础上,有效地综合了中、长波红外图像的优点,使多谱识别的效果大大优于单谱识别。 (5)提出飞机目标的决策级红外与可见光图像多谱融合识别算法。该算法充分利用红外与可见光图像的成像特性,对两个谱段图像的目标识别结果进行决策级的融合,使多谱识别效果大大优于单谱识别。

关键词：红外图像目标识别多谱融合特征选择模块化神经网络

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：