检索结果-内蒙古大学图书馆

本发明提供一种基于误差逆传播算法的集疏港公路安全评价方法，通过误差逆传播算法(PB算法)，基于集疏港公路特殊交通状况的综合指标体系，构建基于误差逆传播算法的集疏港公路安全评价模型。本发明方法针对集疏港公路交通的特殊现状及存在问题，从驾驶员、交通流状态、交通环境、交通管理四方面建立了适合集疏港公路特殊交通状况的综合指标体系，构建了基于一种基于误差逆传播算法的集疏港公路安全评价模型，对于提高交通管理部门的管理和决策水平具有指导作用。

关键词：误差逆传播算法公路安全综合指标交通状况评价模型现状及存在问题交通管理部门管理和决策交通流状态公路交通交通环境评价方法算法交通管理公路驾驶员

来源：评论

学校读者我要写书评

暂无评论

基于模糊聚类神经网络的煤炭资源分类研究

引用

自然资源学报 2001年第3期16卷 275-282页

作者：王新华毕建涛王西琴山东科技大学经济管理学院山东泰安271019 北京师范大学环境科学研究所，北京100875

采用模糊聚类神经网络方法建立了煤炭资源分类模型 ,通过自适应算法与误差逆传播算法相结合 ,解决了以往神经网络不能处理模糊问题的缺陷 ,从而更适应现实评价条件的需要。

关键词：资源评价煤炭资源模糊聚类神经网络资源分类自适应算法误差逆传播算法

来源：评论

学校读者我要写书评

暂无评论

基于BP神经网络的水泥抗压强度预测研究

引用

硅酸盐学报 1999年第4期27卷 408-414页

作者：王继宗倪宏光河北建筑科技学院

探讨应用ＢＰ（ｂａｃｋ－ｐｒｏｐａｇａｔｉｏｎ）神经网络进行水泥２８ｄ抗压强度预测的方法．利用ＢＰ网络很强的非线性映射功能，建立抗压强度相关因素与抗压强度之间的关系．通过对样本的学习，ＢＰ网络将这种非线性映射关系以分... 详细信息

探讨应用ＢＰ（ｂａｃｋ－ｐｒｏｐａｇａｔｉｏｎ）神经网络进行水泥２８ｄ抗压强度预测的方法．利用ＢＰ网络很强的非线性映射功能，建立抗压强度相关因素与抗压强度之间的关系．通过对样本的学习，ＢＰ网络将这种非线性映射关系以分布并行的方式存储在网络的联结权矩阵中，从而达到对样本集的非逻辑归纳．本文提出的强度预测模型能够以较高的精度预测水泥２８ｄ抗压强度．作为对比，同时应用回归分析方法预测水泥２８ｄ抗压强度，两种结果的对比分析表明。

关键词：神经网络误差逆传播算法抗压强度水泥

来源：评论

学校读者我要写书评

暂无评论

基于BP算法的CFG桩复合地基承载力的神经网络预测

引用

工业建筑 2005年第z1期35卷 525-528页

作者：齐宏伟李文华华北科技学院建工系北京101601 河北工程学院建工系邯郸056038

将BP神经网络模型应用于CFG桩复合地基承载力的设计计算中,通过对影响CFG桩复合地基承载力因素间的非线性关系分析,指出影响CFG桩复合地基承载力的主要因素有:桩的参数、置换率、土的物理力学特性、褥垫层厚度和施工工艺。为成功预测CF... 详细信息

将BP神经网络模型应用于CFG桩复合地基承载力的设计计算中,通过对影响CFG桩复合地基承载力因素间的非线性关系分析,指出影响CFG桩复合地基承载力的主要因素有:桩的参数、置换率、土的物理力学特性、褥垫层厚度和施工工艺。为成功预测CFG桩复合地基承载力,收集了大量工程实测资料(包括地质资料、工程设计资料、静载荷试验资料),并按照神经网络的训练要求对工程资料进行了分析整理,建立了基于人工神经网络的CFG桩复合地基承载力预测模型。通过对网络的学习训练,得到的复合地基承载力预测值达到了预期精度。

关键词： CFG桩复合地基复合地基承载力人工神经元网络误差逆传播算法

来源：评论

学校读者我要写书评

暂无评论

基于新型二层误差逆传播网络的图像压缩

引用

计算机应用与软件 2004年第5期21卷 14-15,71页

作者：刘向阳王如云李未河海大学理学院南京210098 河海大学交通与海洋工程学院南京210098

基于误差逆传播算法对图像进行压缩的工作已有很多 ,但存在着人工神经网络训练时间较长 ,精度偏低等问题。考虑到利用三层及三层以上BP网络对图像压缩 ,其有效信息是中间层单元上的输出值和中间层与输出层之间的连接权 ,而输入层与中间... 详细信息

基于误差逆传播算法对图像进行压缩的工作已有很多 ,但存在着人工神经网络训练时间较长 ,精度偏低等问题。考虑到利用三层及三层以上BP网络对图像压缩 ,其有效信息是中间层单元上的输出值和中间层与输出层之间的连接权 ,而输入层与中间层的连接权是冗余的 ,以至于对学习速度和压缩质量有负面影响。基于此我们提出了新型二层误差逆传播网络拓扑结构和算法。经过上机压缩测试 ,相对于三层BP网络、三层以上BP网络以及嵌套BP网络图像压缩的压缩比、学习速度和压缩质量都有很大提高。

关键词：图像压缩误差逆传播算法人工神经网络图像重建图像处理

来源：评论

学校读者我要写书评

暂无评论

基于人工神经网络的数字信号调制识别研究

基于人工神经网络的数字信号调制识别研究

引用

作者：王雪霞哈尔滨工业大学

学位级别：硕士

数字信号调制方式的识别是一类典型的模式识别问题.随着通信技术的发展,数字信号的体制及调制样式变得更加复杂多样,常规的识别方法和理论很难满足实际的需要,这就给数字信号的识别研究提出了更高的要求.该文在研究了各种调制识别方法... 详细信息

数字信号调制方式的识别是一类典型的模式识别问题.随着通信技术的发展,数字信号的体制及调制样式变得更加复杂多样,常规的识别方法和理论很难满足实际的需要,这就给数字信号的识别研究提出了更高的要求.该文在研究了各种调制识别方法的基础上,主要研究了基于人工神经网络的数字信号调制识别.由于人工神经网络作为模式识别的工具具有很强的自适应和自学习能力,该文采用了BP神经网络作为模式识别分类器完成调制方式的识别及分类过程,并引入了动量校正法对BP神经网络的收敛性进行了改进,从而改善了BP神经网络的性能.BP神经网络的输入向量是数字调制信号时域的典型特征值构成的向量.该文还提出采用基于多相滤波结构的正交处理器来提取这些特征值的方法,该方法不仅不需要正交本振,而且也降低了后续数字滤波器的阶数.另外,通过对各种数字调制信号进行小波分解,可以得到不同分解水平下的细节信息,而这些信息对不同的调制类别来说具有一定的差别.该文分析了小波变换的抗噪性,并从信号的小波系数中提取出细节特征作为数字调制信号的分类特征,采用辅助式小波神经网络的调制识别方法,将小波细节特征与神经网络相结合对数字调制信号进行识别及分类.这种辅助式小波神经网络调制识别方法对信号的识别能力强,能够克服一般的调制识别方法在待识别信号的信噪比变化较大时带来的识别率明显降低的问题.该文在MATLAB环境下对BP网络识别方法和辅助式小波神经网络识别方法进行了分析,分别用计算机仿真产生的信号和实际采集的数字调制信号对这两种识别方法进行了仿真比较,并利用WT6701PA EVM板构建了一个基于BP神经网络的数字信号调制识别实验系统,仿真和测试结果表明该系统识别率高,实时性好,能够满足实际工程的需要.

关键词：调制识别误差逆传播算法小波细节特征小波神经网络

来源：评论

学校读者我要写书评

暂无评论

MATLAB语言在人工神经元网络中的应用研究

MATLAB语言在人工神经元网络中的应用研究

引用

作者：龙德东北大学

学位级别：硕士

该文主要讨论了人工神经网络的一种软件实现方法,即如何使用MATLAB语言在矩阵运算方面具有天然的优势,因此使用MATLAB语言实现人工神经网络非常方便,特别是使用MATLAB6.1人工神经网络工具箱提供的函数纺写实现人工神经网络各种应用问题... 详细信息

该文主要讨论了人工神经网络的一种软件实现方法,即如何使用MATLAB语言在矩阵运算方面具有天然的优势,因此使用MATLAB语言实现人工神经网络非常方便,特别是使用MATLAB6.1人工神经网络工具箱提供的函数纺写实现人工神经网络各种应用问题的程序,程序主要有四个步骤:建立网络、准备训练数据、训练网络和仿真;程序简洁,易读,调试容易,并且程序运行速度很快.现在应用最为广泛的人工神经网络是采用误差逆传播算法的多层前馈网络(BP网),该文重点讨论了应用MATLAB人工神经网络工具箱实现BP网在函数逼近、分类、图像处理及分析决策等领域的初步应用,并且针对BP网的各种改进算法及网络结构进行了细致的分析和实现.应用MATLAB人工神经.网络工具箱成功解决了BP网的两大难题:局部极小点总是和算法收敛慢问题.该文还对第一种实用型人工神经网络--感知机模型网络和对人工神经网络的发展产生重大影响的Hopfield网络进行了分析和实现.

关键词： MATLAB 人工神经网络误差逆传播算法 BP网

来源：评论

学校读者我要写书评

暂无评论

基于Hadoop的深度学习并行计算研究

基于Hadoop的深度学习并行计算研究

引用

作者：张任其上海交通大学

学位级别：硕士

随着机器学习技术的不断发展,以深度神经网络为代表的深度学习模型开始广泛地应用在图像识别,语音识别和自然语言处理等各个领域之中,并为它们提供较优的解决方案。与浅层网络不同,随着神经网络层数以及其中神经元数目的增加,深层模型... 详细信息

随着机器学习技术的不断发展,以深度神经网络为代表的深度学习模型开始广泛地应用在图像识别,语音识别和自然语言处理等各个领域之中,并为它们提供较优的解决方案。与浅层网络不同,随着神经网络层数以及其中神经元数目的增加,深层模型往往能够描述更加复杂的函数变换,具有更强的学习能力和表达能力。尤其是它能通过观察数据进行自主学习,而不需要知道具体的解决问题的方法。但是,深层神经网络也往往比浅层神经网络更难训练。为了解决深层网络面临的计算资源和计算效率上的挑战,可采用并行计算的方式对其进行优化。本文分析了现有的一些在分布式环境下的神经网络并行计算模型,并针对其在实现策略上的不足,提出另一种基于卷积神经网络的深度学习并行算法。卷积神经网络采用“局部感受域”,“共享权重”,“池化”的思想对传统全连接的神经网络进行优化和改进,尤其在图像分类和图像识别这一类二维拓扑的学习问题中表现出色。传统意义上的卷积神经网络通常使用标准误差逆传播算法进行串行训练,随着数据规模的飞速增长,单机串行训练同样存在耗时长且占有较多的系统资源的问题。本文以手写数字的图像识别为应用场景,对卷积神经网络中的并行训练进行研究与实验分析。为有效实现海量数据的卷积神经网络并行训练,本文针对卷积神经网络提出一种基于MapReduce框架的误差逆传播并行化训练模型。该模型结合了标准误差逆传播算法和累积误差逆传播算法,采用数据并行的方式,将大数据集分割成若干个子集,在损失少量准确率的条件下进行并行化处理。同时,本文采用高斯弹性变形对MNIST数据集进行扩展,形成新的大数据集进行图像识别的测试。实验表明,该算法对数据规模有较好的适应性,在采用Hadoop分布式计算平台,并且选取了合适数目的分片的情况下,能够大大提高卷积神经网络的训练效率。

关键词：深度学习卷积神经网络误差逆传播算法 Hadoop数据并行

来源：评论

学校读者我要写书评

暂无评论

BP算法中样本特性及参数α，β两阶段动态调整

引用

吉林大学自然科学学报 1995年第1期 33-36页

作者：董哲郭东伟周春光吉林大学计算机科学系

从样本特性和参数调整出发，提出了三种改进的ＢＰ算法，并在ＸＯＲ等问题上进行了检验。

关键词：样本特性动态调整误差逆传播算法算法理论

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：