检索结果-内蒙古大学图书馆

作者：孟祥武中国科学院软件研究所

学位级别：博士

该论文综述了神经网络学习和进化学习.讨论了构造优化神经网络结构的一些方法,并对这些方法进行了分类,分析了这些方法的优缺点.评述了联接机制与符号机制相结合的机器学习研究工作.该论文就神经网络学习和进化学习中存在的几个重要问题... 详细信息

该论文综述了神经网络学习和进化学习.讨论了构造优化神经网络结构的一些方法,并对这些方法进行了分类,分析了这些方法的优缺点.评述了联接机制与符号机制相结合的机器学习研究工作.该论文就神经网络学习和进化学习中存在的几个重要问题,进行了较为深入的研究.

关键词：神经网络 Hopfield网神经网络学习进化神经网络遗传算法进化规划进化学习机器学习

来源：评论

学校读者我要写书评

暂无评论

基于神经网络学习方法的放疗计划三维剂量分布预测

引用

南方医科大学学报 2018年第6期38卷 683-690页

作者：孔繁图麦燕华亓孟科吴艾茜郭芙彤贾启源李永宝宋婷周凌宏南方医科大学生物医学工程学院广东广州510515 中山大学肿瘤防治中心广东广州510060

目的研究利用神经网络建立患者几何解剖结构特性与对应放疗计划三维剂量分布的关联模型,用以新患者的计划剂量学特性预测。方法收集并应用25例固定13野临床前列腺癌IMRT/SBRT计划,处方剂量为50 Gy,以体素为研究对象,提取器官体积、射线... 详细信息

目的研究利用神经网络建立患者几何解剖结构特性与对应放疗计划三维剂量分布的关联模型,用以新患者的计划剂量学特性预测。方法收集并应用25例固定13野临床前列腺癌IMRT/SBRT计划,处方剂量为50 Gy,以体素为研究对象,提取器官体积、射线角度、器官位置关系等信息,采用神经网络构建剂量预测模型。随机选取20例用于训练,5例用于验证,以验证预测方法的可行性与有效性。结果实验表明,模型训练误差较小,验证样本剂量差异小,预测结果准确。模型训练误差较小,点对点平均剂量差异不高于0.0919±3.6726 Gy,DVH差异不超过1.7%。5例验证样本,剂量差异为0.1634±10.5246 Gy,百分剂量差异在2.5%以内,DVH差异在3%以内。三维剂量分布显示剂量差异较小,预测剂量分布合理。模型对膀胱和直肠预测性能表现较好,股骨头次之。结论本文使用神经网络学习方法成功建立了同肿瘤类型患者几何解剖结构特性和对应计划三维剂量分布之间的关联,不仅可以为计划提供质量标准,还为实现自动计划控制和计划设计奠定基础。

关键词：调强放射治疗三维剂量分布预测神经网络学习

来源：评论

学校读者我要写书评

暂无评论

基于神经网络学习及残余压痕形貌获取金属塑性力学参数

引用

固体力学学报 2024年第5期45卷 622-637页

作者：何艳骄田永喜贾昊霖树学峰肖革胜太原理工大学机械与运载工程学院应用力学研究所太原030024

压入法相比于其他传统力学测试方法具有试样加工简单及可实现原位测试等优势,区别于已有的基于压入载荷-深度曲线获取材料力学性能参数的方法,本文提出了一种基于残余压痕形貌及神经网络学习反演金属塑性力学参数的新方法;采用Instron... 详细信息

压入法相比于其他传统力学测试方法具有试样加工简单及可实现原位测试等优势,区别于已有的基于压入载荷-深度曲线获取材料力学性能参数的方法,本文提出了一种基于残余压痕形貌及神经网络学习反演金属塑性力学参数的新方法;采用Instron万能材料试验机开展了紫铜、镁合金及低碳钢的球形压入测试,并通过轮廓形态系统对压入测试后的残余压痕形貌进行特征扫描以作为后续研究的数据基础,分析所提取数据的特点并进行放大、取整、二进制化及高位补充等处理;基于Abaqus二次开发自动提取不同材料参数模拟下的残余压痕深度数据并用于神经网络学习,比较并选取激活函数、初始化神经网络参数的方法、神经网络参数更新方式、损失函数、寻找最优参数策略及神经网络结构,使神经网络学习达到较好的效果;结合实验所得残余压痕形貌特征数据与学习后的神经网络得到紫铜、镁合金及低碳钢的相关塑性参数,将通过Instron万能材料试验机拉伸测试表征所得紫铜、镁合金及低碳钢的相关塑性参数值作为对照标准,得到了神经网络学习结果的相对误差,验证了所提出基于神经网络学习及残余压痕形貌获取金属塑性力学参数方法的有效性;该方法可推广到其他金属/合金材料的力学性能表征及塑性参数获取研究中.

关键词：神经网络学习残余压痕形貌塑性参数金属数值模拟

来源：评论

学校读者我要写书评

暂无评论

基于协同PSO算法的模糊辨识与神经网络学习

基于协同PSO算法的模糊辨识与神经网络学习

引用

作者：赵亮上海交通大学

学位级别：博士

粒子群优化(Particle swarm optimization,PSO)算法是一种基于群体智能的算法,它模拟鸟群、鱼群和蜂群等动物群体的觅食行为,通过个体之间的相互协作使群体达到最优化目的。同遗传算法类似,PSO算法也是一种基于种群的优化技术,它初始化... 详细信息

粒子群优化(Particle swarm optimization,PSO)算法是一种基于群体智能的算法,它模拟鸟群、鱼群和蜂群等动物群体的觅食行为,通过个体之间的相互协作使群体达到最优化目的。同遗传算法类似,PSO算法也是一种基于种群的优化技术,它初始化为一组随机解,粒子群在搜索空间中追随种群中的最优粒子进行协同搜索。PSO算法具有操作简单、需要调节的参数少、收敛速度快等特点,因而引起越来越多的关注,成为计算智能及经济、社会、生物等交叉学科的研究热点和前沿。协同搜索的主要思想是使用多个模块同时搜索问题空间,这些模块之间相互交换信息,以提高算法的效率,它在研究大规模复杂优化问题中得到了广泛的应用。本文主要研究了结合协同搜索和PSO算法的协同PSO算法,以及其在模糊辨识和神经网络学习中的应用。本文首先介绍了PSO算法的产生背景、研究的主要内容和开放问题等;接着给出了协同PSO算法的基本框架和参数分析;然后提出了协同随机PSO算法来改进标准PSO算法的性能;最后将提出的改进算法和协同进化PSO算法应用在模糊辨识和神经网络学习等领域。本文研究的主要内容和创新点可概括如下: (1)提出了一种协同随机PSO算法,使用多个子种群同时搜索问题空间,在迭代的过程中,不同的子种群间以随机方式相互交换信息。粒子通过学习不同子种群的最优历史信息来更新自己的速度和位置,保持了种群的多样性;同时,使用多个子种群的有用信息也保证了算法的收敛速度。从而算法的全局和局部搜索能力达到了很好的平衡。 (2)提出了一种基于减法聚类和协同随机PSO算法的二阶段模糊辨识方法:减法聚类用来辨识模糊模型的结构,协同随机PSO算法用来优化模型的参数,同时使用减法聚类的结果来初始化算法的种群。该辨识方法能有效地获得紧凑而精确的模糊模型。 (3)针对一类用于时间序列预测的单乘法神经元模型,引入协同随机PSO算法来加强其学习能力。单乘法神经元模型可以看作是结构简单,参数较少的神经网络,代替多层神经网络来完成函数逼近等任务。协同随机PSO算法作为该模型的训练算法,提高了模型的学习效率和鲁棒性。 (4)针对模糊模型辨识中模型结构难以确定的问题,提出了一种基于协同进化PSO算法的自动模糊模型辨识方法。首先预定义一个最大的模糊规则数,每条规则都有一个标签来决定其是否属于模糊模型;然后将标签、模糊模型的前件参数和后件参数编码成不同的粒子,使用三个PSO算法协同地搜索;通过标签的进化可以得到模糊模型的结构,在模型性能达到最优时,也得到了最优的模型参数。该方法能直接从输入输出数据抽取精确的模糊模型。 (5)针对全连接神经网络的结构冗余问题,提出了一种基于协同进化PSO算法的同时调节神经网络结构和权值的方法。首先定义了一种带开关权值的神经网络模型,开关权值由离散值0和1表示,用来决定神经网络的结构;然后使用协同进化的二进制PSO算法和实值PSO算法来优化网络结构和模型参数。该方法能有效地获得精度高而结构精简的神经网络。

关键词：群体智能粒子群优化算法协同粒子群优化算法协同随机学习协同进化粒子群优化算法模糊辨识 T-S模糊模型神经网络学习单乘法神经元模型时间序列预测

来源：评论

学校读者我要写书评

暂无评论

基于粒子滤波的神经网络学习算法

引用

武汉大学学报（工学版） 2006年第6期39卷 86-88页

作者：陈养平王来雄黄士坦西安微电子技术研究所陕西西安710075

为了克服一般神经网络学习方法易陷入局部极小值的缺陷,提出一种新的基于粒子滤波的神经网络学习算法.采用无迹卡尔曼滤波(Unscented Kalman Filter,UKF)产生粒子,以较少的粒子逼近状态的后验概率分布,搜索到经验风险函数的最小值.此方... 详细信息

为了克服一般神经网络学习方法易陷入局部极小值的缺陷,提出一种新的基于粒子滤波的神经网络学习算法.采用无迹卡尔曼滤波(Unscented Kalman Filter,UKF)产生粒子,以较少的粒子逼近状态的后验概率分布,搜索到经验风险函数的最小值.此方法适用于在线的、非线性的、非高斯的神经网络学习.仿真结果表明,该学习方法与同类方法相比,性能明显提高.

关键词：粒子滤波神经网络学习 UKF

来源：评论

学校读者我要写书评

暂无评论

神经网络学习样本点的选取方法比较

引用

郑州大学学报（工学版） 2003年第1期24卷 63-65,69页

作者：王少波柴艳丽梁醒培郑州机械研究所河南郑州450052

为了比较训练人工神经网络的所需样本点的选取,分别采用随机遍历法、正交设计法和均匀设计方法产生样本点,用于训练神经网络.分析结果表明,在样本点个数相同情况下,均匀设计法的代表性最好,正交设计法次之,而随机遍历法较差.随机遍历法... 详细信息

为了比较训练人工神经网络的所需样本点的选取,分别采用随机遍历法、正交设计法和均匀设计方法产生样本点,用于训练神经网络.分析结果表明,在样本点个数相同情况下,均匀设计法的代表性最好,正交设计法次之,而随机遍历法较差.随机遍历法随着样本点个数的增多,同样可以提高其代表性.当函数随变量在区间内变化较小(因素水平可以取的较少)时,正交设计法也不失为一个好的选择.均匀设计法在多变量,且每个变量需要选取较多水平数的情况下,更能体现它的优越性.

关键词：神经网络学习样本点选取方法正交设计均匀设计人工神经网络

来源：评论

学校读者我要写书评

暂无评论

NASA:一种利用神经网络学习三维模型动作的新方法

引用

机器人产业 2020年第1期 22-26页

作者：编辑部不详

随着深度学习在计算机视觉和图形学领域中的广泛应用,越来越多的方法开始利用神经网络来学习三维几何模型的表征。最近,谷歌提出使用神经关节形状近似(NASA),来对有关节的三维模型进行估计。相较于以往的传统方法,它复杂度低、模型水密... 详细信息

随着深度学习在计算机视觉和图形学领域中的广泛应用,越来越多的方法开始利用神经网络来学习三维几何模型的表征。最近,谷歌提出使用神经关节形状近似(NASA),来对有关节的三维模型进行估计。相较于以往的传统方法,它复杂度低、模型水密性好、模型估计效果好,具有良好的性能表现。

关键词：计算机视觉神经网络学习三维模型三维几何模型图形学深度学习谷歌模型估计

来源：评论

学校读者我要写书评

暂无评论

基于神经网络学习的公共汽车驾驶安全识别

引用

汽车实用技术 2023年第3期48卷 39-43页

作者：王文斌刘征柏月鸿孟宇佳沈阳理工大学汽车与交通学院辽宁沈阳110159

文章针对目前公交车驾驶员身体突发疾病、乘客抢夺方向盘以及现阶段L2级别的智能驾驶中驾驶权转移的空白等行车安全问题,设计了表情识别和危险动作识别两款程序。其中表情识别程序是利用基于Python语言的Opencv计算机视觉库,以Qt5作上... 详细信息

文章针对目前公交车驾驶员身体突发疾病、乘客抢夺方向盘以及现阶段L2级别的智能驾驶中驾驶权转移的空白等行车安全问题,设计了表情识别和危险动作识别两款程序。其中表情识别程序是利用基于Python语言的Opencv计算机视觉库,以Qt5作上位机设计的一款在视频中实时采集的人脸表情识别程序。首先通过输入图像的处理提高有关信息的可监测性,进而提高监测质量,其次进行表情模型训练和数据采集等,最终实现识别功能。同时还介绍了基于LabVIEW的危险动作识别程序。通过摄像头传入的视频信息,采用帧间差分法以及背景学习等算法监测出运动物体,实现监测范围内可能对驾驶安全构成威胁的外来物体的实时捕捉。实验数据表明,两款程序能够准确、快速地捕捉相应表情和危险动作,在解决上述问题的同时还大大提高了公共汽车的行车安全性。

关键词：驾驶安全识别神经网络学习智能驾驶安全公共汽车

来源：评论

学校读者我要写书评

暂无评论

基于粒子滤波的神经网络学习算法

基于粒子滤波的神经网络学习算法

引用

中国宇航学会计算机应用专业委员会2004年学术交流会

作者：王来雄黄士坦西安微电子技术研究所西安710075

为了克服一般神经网络学习方法易陷入局部极小值的缺陷,本文提出一种新的基于粒子滤波的神经网络学习算法.粒子滤波是一种能够对高度非线性系统进行全局寻优的策略,将其用于神经网络的学习,可以搜索到经验风险函数的最小值.同时,采用UKF... 详细信息

为了克服一般神经网络学习方法易陷入局部极小值的缺陷,本文提出一种新的基于粒子滤波的神经网络学习算法.粒子滤波是一种能够对高度非线性系统进行全局寻优的策略,将其用于神经网络的学习,可以搜索到经验风险函数的最小值.同时,采用UKF(Unseented Kalman Filter)产生粒子,以较少的粒子逼近状态的后验概率分布.此方法适用于在线的、非线性的、非高斯的信号处理仿真结果表明,该学习方法与同类方法相比,性能明显提高。

关键词：粒子滤波神经网络学习 UKF 局部极小值全局寻优后验概率

来源：评论

学校读者我要写书评

暂无评论

一种改进的遗传算法及其在神经网络学习中的应用

一种改进的遗传算法及其在神经网络学习中的应用

引用

1995年中国智能自动化学术会议暨智能自动化专业委员会成立大会

作者：王直杰方建安邵世煌中国纺织大学自动化系中国纺织大学自动化系中国纺织大学自动化系

遗传算法是一种模拟进化算法,本文吸取了生物学中的显性基因与隐性基因的原理,提出了一种遗传算法的冗余编码方法;借鉴了生物育种原理, 设计出一种有指导的繁殖策略。改进后的遗传算法(MGA)被用于神经网络控制器拓扑结构和权的学习。仿... 详细信息

遗传算法是一种模拟进化算法,本文吸取了生物学中的显性基因与隐性基因的原理,提出了一种遗传算法的冗余编码方法;借鉴了生物育种原理, 设计出一种有指导的繁殖策略。改进后的遗传算法(MGA)被用于神经网络控制器拓扑结构和权的学习。仿真结果表明了MGA的优良性能及其在神经网络学习中的有效性。

关键词：神经网络学习变异率隐性基因显性基因改进的遗传算法 MGA 冗余编码神经网络控制器交叉率

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：