检索结果-内蒙古大学图书馆

华东理工大学学报（自然科学版） 2009年第2期35卷 197-201页

作者：吴诗勇张晓顾菁吴幼青高晋生华东理工大学能源化工系教育部煤气化重点实验室上海200237

以煤焦气化反应模型为基础,结合BP神经网络参数估计器,建立了用于模拟煤焦气化过程的混合神经网络模型。结果表明该混合神经网络模型能很好地描述煤焦的气化过程,可以得到在实验过程中无法测得的2个参数,即:在煤焦中具有活性的碳与总碳... 详细信息

以煤焦气化反应模型为基础,结合BP神经网络参数估计器,建立了用于模拟煤焦气化过程的混合神经网络模型。结果表明该混合神经网络模型能很好地描述煤焦的气化过程,可以得到在实验过程中无法测得的2个参数,即:在煤焦中具有活性的碳与总碳的比值A和具有活性碳的单位质量反应速率Rr。

关键词：混合神经网络模型煤焦气化过程模拟

来源：评论

学校读者我要写书评

暂无评论

基于混合神经网络模型的污水COD值预估法

引用

中国给水排水 2003年第12期19卷 6-10页

作者：方骏戴连奎浙江大学智能系统与决策研究所浙江杭州310027

　提出了一种基于物理测量的COD值快速预估方法,它采用混合神经网络模型直接由UV分光光度计测得的吸光度数据预估出水样的COD值。实例分析表明,采用该混合模型具有比常规的BP网络和传统回归模型更好的预估精度,同时混合模型的预估值与... 详细信息

　提出了一种基于物理测量的COD值快速预估方法,它采用混合神经网络模型直接由UV分光光度计测得的吸光度数据预估出水样的COD值。实例分析表明,采用该混合模型具有比常规的BP网络和传统回归模型更好的预估精度,同时混合模型的预估值与标准分析值之间也有着良好的相关性。

关键词：水质分析 COD 混合神经网络模型 UV分光光度计预估精度预估方法

来源：评论

学校读者我要写书评

暂无评论

混合神经网络模型的训练方法、应用方法及训练装置

混合神经网络模型的训练方法、应用方法及训练装置

引用

作者：欧俊宏 200135 上海市浦东新区中国(上海)自由贸易试验区盛夏路61弄1号8层(房产登记楼层7层)01室

提供了一种混合神经网络模型的训练方法、应用方法及训练装置。该训练方法包括：在Transformer的下采样后和/或前馈网络后设置多个压缩核，形成第一剪枝卷积层；根据第一剪枝矩阵和第二剪枝矩阵设置卷积核的权重，对权重的第一目标梯度... 详细信息

标准号: CN116362293A

提供了一种混合神经网络模型的训练方法、应用方法及训练装置。该训练方法包括：在Transformer的下采样后和/或前馈网络后设置多个压缩核，形成第一剪枝卷积层；根据第一剪枝矩阵和第二剪枝矩阵设置卷积核的权重，对权重的第一目标梯度进行计算，第一目标梯度包括第一梯度项和第二梯度项，其中第一梯度项与原始梯度相关，第二梯度项与惩罚梯度相关，第一剪枝矩阵和所述第二剪枝矩阵分别对应权重的第一权重分项和第二权重分项；如果第一权重分项和第二权重分项的组合对小于第一预设阈值，则将第一梯度项设置为零；对第一目标梯度进行更新，以对Transformer进行训练。本申请实施例有助于减少计算量和参数量。

关键词：权重剪枝矩阵混合神经网络模型矩阵设置前馈网络训练装置原始梯度计算量卷积核下采样卷积预设惩罚压缩更新申请应用

来源：评论

学校读者我要写书评

暂无评论

合成受阻胺中间体的混合神经网络模型

合成受阻胺中间体的混合神经网络模型

引用

作者：牛军峰郑州工业大学

学位级别：硕士

该课题从有机合成反应机理研究入手,通过均匀设计法,确定了影响该复杂反应的关键因素,建立了定量相关方程.在此基础上,根据人工神经网络的最新发展,建立了改进的混合神经网络(MH-BP-ANN)模型,预测出合成反应的最佳工艺条件,按此反应条... 详细信息

该课题从有机合成反应机理研究入手,通过均匀设计法,确定了影响该复杂反应的关键因素,建立了定量相关方程.在此基础上,根据人工神经网络的最新发展,建立了改进的混合神经网络(MH-BP-ANN)模型,预测出合成反应的最佳工艺条件,按此反应条件的放大试验得率与所建模型的模拟结果相吻合.从有机分子结构研究入手,根据分子拓扑学,建立了有机物溶解度参数与一阶价连通性指数间的定量相关模型,提出有机化合物结晶分离精制用溶剂的选择性因子.据此,确定了C合成反应产物结晶分离精制用最佳溶剂及操作技术.采用Glew-Hildebrand饱和技术,试验测得C在N,N′-二甲基甲酰胺、丙酮中的溶解度,研究了溶解度的温度规律,确定了C合成产物结晶分离精制的最佳工艺参数.

关键词：有机合成高分子材料受阻胺光稳定剂中间体混合神经网络模型均匀设计预测模型

来源：评论

学校读者我要写书评

暂无评论

基于LSTM混合神经网络模型的ETF期权定价研究

基于LSTM混合神经网络模型的ETF期权定价研究

引用

作者：龚武胜西安理工大学

学位级别：硕士

随着我国金融市场制度的日益完善,金融市场已然成为价格发现、风险管理的重要场所,尤其是金融衍生品提供了灵活多变的风险管理方式,为金融市场的稳健有序发展提供了重要保障。作为金融衍生品的重要组成部分,ETF期权极大地促进了我国金... 详细信息

随着我国金融市场制度的日益完善,金融市场已然成为价格发现、风险管理的重要场所,尤其是金融衍生品提供了灵活多变的风险管理方式,为金融市场的稳健有序发展提供了重要保障。作为金融衍生品的重要组成部分,ETF期权极大地促进了我国金融市场的发展。一方面,ETF期权可以丰富市场投资策略、提高标的资产流动性、对冲资产价格波动。另一方面,ETF期权具有杠杆属性,若使用不当则会放大损失程度、加剧市场波动。因此,作为一把双刃剑,在ETF期权交易过程中,精准的定价是发挥ETF期权套期保值、风险对冲等功能的前提与基础,如何建立精准高效且兼顾市场规律与经济学意义的ETF期权定价模型对金融市场的稳健发展具有重要意义。期权定价模型主要分为参数化模型与非参数化模型两大部分,这两类模型各有优劣。其中,传统的参数化期权定价模型具有严密的经济学逻辑,但其假设条件往往过于理想,当假设条件与实际市场情况表现不符时模型定价效果不佳。而非参数化的神经网络模型虽具有强大的非线性拟合能力与计算能力,但模型自身没有严谨的经济学推导过程,导致模型缺乏经济学含义。将传统参数化期权定价模型与非参数化的神经网络模型相结合,不仅具有了严谨的经济学含义,又兼容了强大的非线性拟合能力,可以最大程度发挥各模型的优点。因此,本文应用混合建模思想,将参数化模型中的Heston模型与非参数化模型中的LSTM神经网络模型有机结合,并引入改进粒子群算法对LSTM神经网络模型参数进行优化,提出一种全新的IPSO-LSTM-Heston混合神经网络期权定价模型。为验证IPSO-LSTM-Heston混合神经网络模型的定价效果,检验其定价稳定性与适用性,本文设置了多个对照模型,并且基于华夏上证50ETF期权、嘉实沪深300ETF期权与华泰柏瑞沪深300ETF期权日频数据进行实证分析。本文对期权数据进行样本内与样本外定价误差分析,得到主要结论如下:(1)单一的神经网络模型在样本内与样本外的定价效果缺乏稳定性。(2)改进粒子群算法对LSTM神经网络模型参数的优化效果明显,引入改进粒子群算法后,LSTM混合神经网络模型的定价准确性得到了较大提升。(3)本文提出的IPSO-LSTM-Heston混合神经网络模型定价效果整体上优于其余模型,该模型不仅能够捕捉ETF期权数据的动态特征,而且融合了传统模型定价过程的严密性与神经网络模型的非线性拟合能力等优点,在降低定价误差的同时还具有良好的稳定性与适用性。

关键词：期权定价改进粒子群算法 LSTM神经网络混合神经网络模型

来源：评论

学校读者我要写书评

暂无评论

基于混合神经网络模型优化的物联网入侵检测系统及方法

基于混合神经网络模型优化的物联网入侵检测系统及方法

引用

作者：曾国强杨耀伟耿光刚翁健黄家承张宇 510630 广东省广州市天河区黄埔大道西601号

本发明公开了一种基于混合神经网络模型优化的物联网入侵检测系统及方法。从物联网系统历史数据库中采集生成过程的历史监控数据，经过数据解析和归一化后作为物联网入侵检测离线优化模块的输入数据集，设计基于离散粒子群优化技术的混... 详细信息

标准号: CN115412332B

本发明公开了一种基于混合神经网络模型优化的物联网入侵检测系统及方法。从物联网系统历史数据库中采集生成过程的历史监控数据，经过数据解析和归一化后作为物联网入侵检测离线优化模块的输入数据集，设计基于离散粒子群优化技术的混合神经网络模型优化平台，获得物联网入侵检测特征库和混合神经网络最优模型，针对物联网系统实时数据库中的实时监控数据，从而实现物联网入侵检测的在线检测。本发明不仅可实现用于物联网入侵检测系统的混合神经网络模型的自动生成和优化设计，提高了物联网入侵检测系统的智能化设计水平和设计效率，还提升了物联网系统入侵检测的精准率、召回率和F₁评分等性能指标。

关键词：物联网入侵检测混合神经网络模型入侵检测系统物联网系统混合神经网络历史监控数据实时监控数据历史数据库实时数据库输入数据集智能化设计离散粒子设计效率数据解析优化模块优化设计在线检测自动生成最优模型归一化群优化特征库离线优化采集

来源：评论

学校读者我要写书评

暂无评论

基于混合神经网络模型的低通气和呼吸暂停检测识别系统

基于混合神经网络模型的低通气和呼吸暂停检测识别系统

引用

作者：刘昊李文钧岳克强孙洁程思一潘成铭 310018 浙江省杭州市下沙高教园区2号大街

本发明公开了一种基于混合神经网络模型的低通气和呼吸暂停检测识别系统，属于睡眠鼾声检测技术领域；包括：通过多个麦克风采集整晚鼾声数据；对采集到的鼾声数据使用波束形成进行降噪；截取整晚鼾声数据中有效的鼾声数据片段；提取鼾... 详细信息

标准号: CN111696575B

本发明公开了一种基于混合神经网络模型的低通气和呼吸暂停检测识别系统，属于睡眠鼾声检测技术领域；包括：通过多个麦克风采集整晚鼾声数据；对采集到的鼾声数据使用波束形成进行降噪；截取整晚鼾声数据中有效的鼾声数据片段；提取鼾声数据片段的声学特征；通过混合神经网络模型对鼾声特征进行正常鼾声、低通气鼾声和呼吸暂停鼾声的分类；根据分类结果，统计整晚低通气鼾声和呼吸暂停鼾声的数量，计算被测者整晚的睡眠呼吸暂停低通气指数AHI，进一步的，通过AHI指数完成对阻塞性睡眠呼吸暂停低通气综合征OSAHS患者的识别和检测。

关键词：鼾声呼吸暂停低通气混合神经网络模型数据片段阻塞性睡眠呼吸暂停低通气综合征睡眠呼吸暂停低通气指数采集麦克风波束形成分类结果声学特征识别系统数据使用鼾声检测检测降噪截取睡眠分类统计

来源：评论

学校读者我要写书评

暂无评论

一种船舶三自由度的混合神经网络模型预测方法及系统

一种船舶三自由度的混合神经网络模型预测方法及系统

引用

作者：陈泽宗魏鋆宇赵晨涂远辉 430072 湖北省武汉市武昌区珞珈山武汉大学

本发明提供一种船舶三自由度的混合神经网络模型预测方法及系统，包括由船舶上安装的姿态传感器获取原始船舶摇晃姿态数据，将原始船舶摇晃姿态数据通过重采样进行解码得到船舶摇晃姿态时间序列；将船舶摇晃姿态时间序列通过自适应经验... 详细信息

标准号: CN113837454B

本发明提供一种船舶三自由度的混合神经网络模型预测方法及系统，包括由船舶上安装的姿态传感器获取原始船舶摇晃姿态数据，将原始船舶摇晃姿态数据通过重采样进行解码得到船舶摇晃姿态时间序列；将船舶摇晃姿态时间序列通过自适应经验小波变换方法进行自适应分解得到分解后多个子序列，形成子序列矩阵，以降低船舶三自由度运动非线性非平稳性，划分为训练集、验证集和测试集；引入双向长短期记忆网络以从过去和未来两个方向学习船舶三自由度的时间特征，使用引力搜索算法与粒子群算法结合的混合优化算法对隐含层节点数和学习率进行寻优，基于优化后的双向长短期记忆网络预测并输出结果。本发明提高了船舶三自由度预测的稳定性与准确性。

关键词：船舶摇晃三自由度记忆网络时间序列姿态数据自适应预测混合神经网络模型混合优化算法三自由度运动矩阵粒子群算法姿态传感器分解解码非平稳性时间特征输出结果搜索算法小波变换测试集节点数训练集验证集隐含层重采样子序列寻优引力学习引入优化

来源：评论

学校读者我要写书评

暂无评论

一种基于混合神经网络模型的图像识别方法、装置及设备

一种基于混合神经网络模型的图像识别方法、装置及设备

引用

作者：左亚尧洪嘉伟马铎 510060 广东省广州市越秀区东风东路729号大院

本发明公开了一种基于混合神经网络模型的图像识别方法、装置、设备以及计算机可读存储介质，包括：将待识别图像输入至卷积自编码器中进行预处理；利用基于迁移学习构建的特性提取器提取预处理后的待识别图像的图像特征；利用长短期记... 详细信息

标准号: CN110363290B

本发明公开了一种基于混合神经网络模型的图像识别方法、装置、设备以及计算机可读存储介质，包括：将待识别图像输入至卷积自编码器中进行预处理；利用基于迁移学习构建的特性提取器提取预处理后的待识别图像的图像特征；利用长短期记忆网络模型提取所述预处理后的待识别图像的内部时序特征；利用特征融合门及特征筛选门，对所述图像特征与所述内部时序特征融合筛选，得到所述识别图像的目标特征；利用softmax分类器对所述目标特征进行分类，得到所述待识别图像的分类结果。本发明所提供的方法、装置、设备以及计算机可读存储介质，可以大大减少训练神经网络模型需要的图像数量，同时提高了图像识别的精确度。

关键词：图像计算机可读存储介质预处理目标特征时序特征图像识别图像特征混合神经网络模型训练神经网络提取预处理分类结果记忆网络模型提取特性提取特征融合特征筛选图像输入编码器分类器构建卷积迁移筛选分类融合学习

来源：评论

学校读者我要写书评

暂无评论

一种基于混合神经网络模型的机电设备健康状态预测方法

一种基于混合神经网络模型的机电设备健康状态预测方法

引用

作者：莫毓昌 362000 福建省泉州市丰泽区城华北路269号

本发明公开了一种基于混合神经网络模型的机电设备健康状态预测方法，包括收集机电设备工况参数时间序列历史数据样本和健康状态标志的时间序列历史数据样本；针对每种类型的工况参数的时间序列历史数据样本，分别建立相应的LSTM网络模... 详细信息

标准号: CN112381316B

本发明公开了一种基于混合神经网络模型的机电设备健康状态预测方法，包括收集机电设备工况参数时间序列历史数据样本和健康状态标志的时间序列历史数据样本；针对每种类型的工况参数的时间序列历史数据样本，分别建立相应的LSTM网络模型，并通过各自相应的LSTM网络模型自动提取各种类型的工况参数的特征；为LSTM网络模型的输出层向量中每个特征输出赋予不同的权值，获取各个LSTM网络模型的输出层向量的加权输出等步骤。优点是：针对每个工况参数，设置一个LSTM网络模型，可以充分挖掘工况参数和机电设备健康状态之间的时序依赖关系，并充分考虑不同工况参数对机电设备健康状态之间的不同影响，设置不同的参数值，从而使得机电设备的健康状态预测更为准确。

关键词：工况参数机电设备网络模型历史数据样本健康状态时间序列健康状态预测输出层向量混合神经网络模型时序依赖自动提取输出加权挖掘赋予

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：