期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到279篇文章
< 1 2 … 14 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
贝叶斯正则化优化BP神经网络估算SOH 被引量：1
1
作者 朱聪聪 郭晟 +1 位作者 常海涛 路密 《电池》 北大核心 2025年第1期25-31,共7页
为提高锂离子电池健康状态(SOH)估算的精度,采用基于贝叶斯正则化算法优化的反向传播(BP)神经网络模型。该模型的核心是,引入先验分布约束BP网络权重参数,以减少过拟合风险;并引入后验分布评估参数的不确定性,提升模型对数据噪声的适应... 为提高锂离子电池健康状态(SOH)估算的精度,采用基于贝叶斯正则化算法优化的反向传播(BP)神经网络模型。该模型的核心是,引入先验分布约束BP网络权重参数,以减少过拟合风险;并引入后验分布评估参数的不确定性,提升模型对数据噪声的适应性。以充电全过程提取健康特征验证模型精度;以放电片段数据提取健康特征模拟实际工况。训练后的模型在充电全过程提取特征时的均方根误差(RMSE)和平均绝对误差(MAE)均小于1.65%,采用放电片段提取特征时的RMSE和MAE均小于3.85%,相较于未优化的BP神经网络,两种方式的估算误差分别降低18%和41%以上。 展开更多
关键词 锂离子电池 健康状态(SOH) 贝叶斯正则化算法 反向传播(bp)神经网络 健康特征 先验分布 后验分布
在线阅读 下载PDF
基于粒子群优化BP神经网络的步态相位识别
2
作者 代金隧 何志琴 +3 位作者 马家庆 吴钦木 刘洪举 李永杰 《传感器与微系统》 北大核心 2025年第10期78-81,共4页
为了解决传统的反向传播(BP)神经网络在步态相位识别中易陷入局部最优解的问题,并增强BP神经网络在步态相位识别的准确性和高效性,提出了一种基于粒子群优化(PSO)的BP神经网络识别算法。该算法以经过滤波、特征提取以及基于步态相位划... 为了解决传统的反向传播(BP)神经网络在步态相位识别中易陷入局部最优解的问题,并增强BP神经网络在步态相位识别的准确性和高效性,提出了一种基于粒子群优化(PSO)的BP神经网络识别算法。该算法以经过滤波、特征提取以及基于步态相位划分准则分割后的数据作为输入,通过不断迭代更新粒子的速度和位置,来优化BP神经网络的权重和阈值。基于优化后的BP神经网络对输入数据进行训练,导出训练好的模型参数,并将其嵌入到外骨骼样机中进行实时步态相位识别测试。结果显示,该模型具有良好的实时性和高准确率,能够准确地识别步态相位。 展开更多
关键词 粒子群优化算法 反向传播神经网络 步态相位 外骨骼样机
在线阅读 下载PDF
改进鲸鱼算法构建反向传播神经网络粮食产量预测模型及效果分析
3
作者 赵晶晶 陈岩 《科学技术与工程》 北大核心 2025年第7期2748-2759,共12页
为了给农业及其相关部门制定粮食策略提供理论依据,提出一种基于改进鲸鱼优化算法(improved whale optimization algorithm,IWOA)的反向传播(back propagation,BP)神经网络混合算法(IWOA-BP)。该混合算法先通过引入改进收敛因子、非线... 为了给农业及其相关部门制定粮食策略提供理论依据,提出一种基于改进鲸鱼优化算法(improved whale optimization algorithm,IWOA)的反向传播(back propagation,BP)神经网络混合算法(IWOA-BP)。该混合算法先通过引入改进收敛因子、非线性惯性权重和最优邻域扰动策略改进鲸鱼优化算法,再将其最优解赋值给BP神经网络的权值和阈值,最终提高IWOA-BP的收敛速度和收敛精度。选取全国近45年粮食总产量和7种影响因素(有效灌溉面积、化肥施用量、农村用电量、农业机械总动力、粮食作物播种面积、受灾面积和农村人均消费支出)作为数据集,构建基于改进鲸鱼算法的反向传播神经网络粮食产量预测模型。多次实验表明,IWOA-BP模型在测试集上的表现均优于其他预测模型,包括长短期记忆网络(long short-term memory network,LSTM)预测模型、极限学习机(extreme learning machine,ELM)预测模型、基于鲸鱼优化算法的BP神经网络(WOA-BP)预测模型以及基于粒子群算法的BP神经网络(PSO-BP)预测模型。IWOA-BP模型和ELM模型相比,前者的均方根误差(root mean square error,RMSE)、平均绝对百分比误差(mean absolute percentage error,MAPE)分别降低了77.12%、88.18%;和LSTM模型相比,前者的RMSE、MAPE分别降低了69.11%、47.36%;和WOA-BP模型相比,前者的平均绝对误差(mean absolute error,MAE)、RMSE和MAPE分别降低了43.78%、43.22%、45.96%。和PSO-BP模型相比,前者的MAE、RMSE、MAPE分别降低了89.67%、90.61%、90.82%。因此IWOA-BP预测模型的决定系数更高、预测误差更小且收敛速度更快,可有效地预测粮食产量,对于农业部门和相关政策制定者来说具有重要的技术参考价值。 展开更多
关键词 粮食产量 反向传播神经网络 鲸鱼优化算法 非线性惯性权重 随机扰动策略
在线阅读 下载PDF
结合更新过程与粒子群优化的BP神经网络铁路物资预测模型
4
作者 黄自力 蔡小强 +8 位作者 金荣森 刘承亮 廖志刚 刘立法 孙晶 王芳 刘柏志 王劲 戴梦岚 《铁道科学与工程学报》 北大核心 2025年第7期3011-3024,共14页
非周期性消耗的铁路运营物资(即偶换件),包括导轨、指示器、弹簧片、散热器组件、蓄电池标牌、灯头接头等,是铁路部门生产及经营的重要资源。由于该类物资的易耗性和偶然性,采用高精度的方法预测物资需求能够显著提升铁路部门的日常经... 非周期性消耗的铁路运营物资(即偶换件),包括导轨、指示器、弹簧片、散热器组件、蓄电池标牌、灯头接头等,是铁路部门生产及经营的重要资源。由于该类物资的易耗性和偶然性,采用高精度的方法预测物资需求能够显著提升铁路部门的日常经营效率,也能加强灾害状态下铁路部门的反应能力。本研究聚焦于分析广州铁路集团各地区物资出库数据,由于铁路物资需求具有较大的随机性与偶然性,普通的拟合函数较难刻画其复杂的变动关系。因此,探讨一种基于粒子群优化(particle swarm optimization, PSO)与反向传播神经网络(backpropagation neural network, BPNN)的铁路物资需求预测方法。该方法基于神经网络优化中的频率原则及凝聚现象的理论基础,通过PSO对BPNN进行预训练,赋予其一个较大的初始化权重,使其最终能够学到一个较为复杂的拟合函数,从而刻画物资数据的复杂性与随机性。此外,针对部分具有高频次、高周转物理特性的物资,利用调整后的更新过程(renewal process, RP)对物资数据进行时间序列建模,然后将该时间序列预测值作为一列新的特征,加入先前的神经网络模型中,取得更高的预测精度。与传统机器学习和深度学习方法相比,结合更新过程与粒子群优化的反向传播神经网络(RP-PSO-BPNN)模型表现出色,具有较强的泛化能力,成功克服了传统方法中常见的局部最优问题。PSO算法在优化过程中的高效性得到了验证,相对于传统梯度下降方法,PSO算法显著减少了训练时间。此外,RP-PSO-BPNN模型在不同选定物资的实时序列波动上表现出良好的拟合,证实了其适用性和实用性。本研究通过提出的RP-PSO-BPNN模型为铁路物资,特别是非周期性消耗的铁路物资需求预测领域提供了具有增强预测准确性的方案。未来研究方向包括进一步优化模型结构、探索其他元启发式算法,以及引入更多领域特定因素以提升模型的泛化能力和适应性。 展开更多
关键词 铁路物资数据 物料预测 粒子群优化 反向传播神经网络 PSO-bpNN 泛化性 更新过程
在线阅读 下载PDF
基于PSO-BP神经网络模型的浸胶竹束干燥过程含水率预测
5
作者 王晓曼 吕建雄 +5 位作者 李贤军 吴义强 李新功 郝晓峰 乔建政 徐康 《林业科学》 北大核心 2025年第5期187-198,共12页
【目的】利用人工神经网络模型预测浸胶竹束干燥过程含水率变化,揭示干燥温度、干燥时间、铺装方式和初始含水率对浸胶竹束干燥过程含水率变化的影响规律,为浸胶竹束高质高效干燥提供参考依据。【方法】基于浸胶竹束干燥过程含水率实测... 【目的】利用人工神经网络模型预测浸胶竹束干燥过程含水率变化,揭示干燥温度、干燥时间、铺装方式和初始含水率对浸胶竹束干燥过程含水率变化的影响规律,为浸胶竹束高质高效干燥提供参考依据。【方法】基于浸胶竹束干燥过程含水率实测数据,以干燥温度、干燥时间、铺装方式和初始含水率为输入变量,干燥过程含水率为输出变量,制作数据集。将数据集划分为训练集(308个测试数据,占总数据量的70%)、验证集(66个测试数据,占总数据量的15%)和测试集(66个测试数据,占总数据量的15%),采用粒子群优化算法(PSO)优化反向传播(BP)神经网络初始权重与阈值,构建PSO-BP神经网络预测模型,并进行验证分析。【结果】PSO-BP神经网络模型具有较强的预测能力,在模型测试集中,决定系数(R^(2))、均方误差(MSE)、平均绝对误差(MAE)和剩余预测残差(RPD)分别达0.98、1.27、3.73和7.96。相较BP神经网络,PSO-BP神经网络的R^(2)和RPD分别提高6.53%和110.2%,MSE和MAE分别降低54.0%和71.86%。模型验证表明,干燥温度和铺装方式是影响浸胶竹束干燥过程含水率变化的主要因素,二者对PSO-BP神经网络模型预测结果影响显著。干燥温度为60℃时,在4种不同铺装方式下PSO-BP神经网络模型展现出较好预测效果,其R^(2)均超过0.969且MSE均低于3;铺装层数为3时,在4种不同干燥温度下PSO-BP神经网络模型表现最佳,其R^(2)均超过0.99且MSE均低于2。干燥时间和浸胶竹束初始含水率对PSO-BP神经网络模型预测结果影响不显著。【结论】PSO-BP神经网络模型在浸胶竹束干燥过程含水率预测中表现出准确性,可有效解决传统BP神经网络预测误差大、收敛速度慢等问题,为浸胶竹束高质高效干燥提供技术支撑。 展开更多
关键词 浸胶竹束 干燥 含水率 粒子群优化算法 反向传播 神经网络
在线阅读 下载PDF
不同温湿度贮藏对澳洲坚果鲜果品质的影响及BP神经网络预测模型构建
6
作者 付镓榕 马尚玄 +6 位作者 杨悦雪 徐文婷 兰秀华 魏元苗 黄克昌 贺熙勇 郭刚军 《食品工业科技》 北大核心 2025年第13期314-326,共13页
为分析澳洲坚果鲜果在短期贮藏中的品质变化,本文探究贮藏温湿度(30℃-RH80%、35℃-RH80%、40℃-RH80%、30℃-RH90%、35℃-RH90%、40℃-RH90%)对鲜果果皮含水量、带壳果含水量、果仁含水量、青皮裂果率、霉果率、酸价、过氧化值、碘值... 为分析澳洲坚果鲜果在短期贮藏中的品质变化,本文探究贮藏温湿度(30℃-RH80%、35℃-RH80%、40℃-RH80%、30℃-RH90%、35℃-RH90%、40℃-RH90%)对鲜果果皮含水量、带壳果含水量、果仁含水量、青皮裂果率、霉果率、酸价、过氧化值、碘值、总酚含量、总糖含量的影响,并基于反向传播(Backpropagation,BP)神经网络构建澳洲坚果鲜果短期贮藏的品质预测模型,测试集评估模型的预测性能。结果表明,在短期贮藏中35℃-RH80%条件贮藏的水分损失最快,35℃贮藏的青皮裂果率增速显著高于30、40℃(P<0.05),30℃时果皮霉果率增速显著高于35、40℃(P<0.05)。在贮藏期间酸价、过氧化值均呈上升趋势,贮藏结束时35℃-RH90%条件贮藏的酸价最高,为15.57 mg/100 g,30℃-RH80%条件贮藏的过氧化值最高,为36.44μg/g;碘值、总酚含量呈先上升后下降的趋势,贮藏期间35℃-RH90%条件贮藏的碘值增幅最大为119.26 mg/g,贮藏结束40℃-RH80%条件贮藏的碘值最低为675.72 mg/g,贮藏结束35℃-RH80%、40℃-RH90%总酚含量均为0.88 mg/g,显著低于其他贮藏条件(P<0.05);总糖含量呈下降趋势,贮藏结束35℃-RH80%条件贮藏的总糖含量显著低于其他贮藏条件(P<0.05)。相关性分析表明预测模型的输入层与输出层具有较好的相关性,澳洲坚果鲜果短期贮藏的品质预测模型隐含层节点数为7,酸价、过氧化值、碘值、总酚含量、总糖含量训练集的相关系数分别为0.97952、0.98815、0.94869、0.94882、0.97109,预测精度良好。因此,神经网络预测模型可用于预测澳洲坚果鲜果在采后运输及贮藏过程中的品质变化,并为神经网络预测模型在澳洲坚果品质预测中的应用奠定基础。 展开更多
关键词 澳洲坚果 鲜果 贮藏品质 预测模型 反向传播(bp)神经网络
在线阅读 下载PDF
基于PSO-BP神经网络的角接触球轴承凸出量预测
7
作者 章如意 段玥晨 +1 位作者 张瑞 赵明辉 《传感器与微系统》 北大核心 2025年第9期134-137,143,共5页
针对人工测量角接触球轴承的凸出量,对轴承进行配对效率较低的问题,提出了基于粒子群优化(PSO)—反向传播(BP)神经网络的角接触球轴承凸出量预测方法。根据200组实验数据,通过灰色关联度分析,选取了角接触球轴承内外圈的宽度、沟位、沟... 针对人工测量角接触球轴承的凸出量,对轴承进行配对效率较低的问题,提出了基于粒子群优化(PSO)—反向传播(BP)神经网络的角接触球轴承凸出量预测方法。根据200组实验数据,通过灰色关联度分析,选取了角接触球轴承内外圈的宽度、沟位、沟径和沟道曲率半径作为建模数据集,分别利用BP神经网络、遗传算法(GA)—BP神经网络、PSO-BP神经网络建立角接触球轴承凸出量预测模型。结果表明:PSO-BP神经网络预测模型预测效果最好,决定系数(R^(2))达0.986 3,整体误差≤±0.70%,能够较为准确地预测角接触球轴承的凸出量,提高轴承的配对效率。 展开更多
关键词 角接触球轴承 凸出量 灰色关联度分析 反向传播神经网络 遗传算法 粒子群优化算法
在线阅读 下载PDF
基于改进NNA和BP神经网络模型的深基坑沉降预测
8
作者 王仁志 张伟国 +3 位作者 寇苗苗 刘飞 王金涛 张拥军 《科学技术与工程》 北大核心 2025年第24期10416-10425,共10页
为更精准预测基坑开挖卸荷引起的周边地表沉降,通过改进神经网络算法(neural network algorithm, NNA),提出一种具有信息反馈和反向学习机制的神经网络优化算法(neural network algorithm with feedback mechanism and reverse learning... 为更精准预测基坑开挖卸荷引起的周边地表沉降,通过改进神经网络算法(neural network algorithm, NNA),提出一种具有信息反馈和反向学习机制的神经网络优化算法(neural network algorithm with feedback mechanism and reverse learning, FBRLNNA),并结合反向传播(back propagation, BP)神经网络构建地表沉降预测模型,将提出的沉降预测模型在青岛15号线地铁工程基坑中进行应用与验证。基于18种基准函数比较FBRLNNA与9种竞争优化算法的表现,仿真试验表明,FBRLNNA在80%的基础基准函数上均表现出更优的性能。对比分析FBRLNNA-BP模型及其他4种模型的基坑沉降预测结果,FBRLNNA-BP模型的均方误差(mean squared error, MSE)、平均绝对误差(mean absolute error, MAE)、均方根误差(root mean square error, RMSE)及决定系数(R^(2))均最佳,沉降预测结果误差小于5%,表明该预测模型具有更好的沉降预测精度。研究成果可为基坑开挖引发的地表沉降预测提供了新的方法和参考。 展开更多
关键词 具有信息反馈和反向学习机制的神经网络优化算法(FBRLNNA) 反向传播(bp)神经网络 FBRLNNA-bp模型 基坑开挖 沉降预测
在线阅读 下载PDF
基于KNN-BP神经网络车辆驻留时间预测立体车库RGV待命位策略
9
作者 后国栋 李建国 《科学技术与工程》 北大核心 2025年第24期10478-10486,共9页
平面移动式立体车库待命位策略可以提高车辆出库效率,减少顾客等待时间,通过预测库内车辆出库时间节点,设计分区待命位策略。针对反向传播(back propagation, BP)神经网络存在样本依赖性较强的特点,提出一种K-近邻算法(k-nearest neighb... 平面移动式立体车库待命位策略可以提高车辆出库效率,减少顾客等待时间,通过预测库内车辆出库时间节点,设计分区待命位策略。针对反向传播(back propagation, BP)神经网络存在样本依赖性较强的特点,提出一种K-近邻算法(k-nearest neighbor, KNN)-BP神经网络预测模型,以是否为工作日、工作日特殊时段(如早高峰、晚高峰),气温,降水4个方面作为特征向量,采用二进制集合转换构建各特征向量集,通过KNN对异常数据进行分组,提高BP神经网络预测精度,并基于预测时间建立出库概率分布,设定区域优先级参数以及RGV(rail guided vehicle)待命位策略。编写仿真程序,以西安小寨某商用立体车库运行数据进行验证,仿真结果表明:KNN-BP神经网络预测模型R^(2)较传统BP神经网络提高了20.23%,设计待命位策略下较无待命位策略顾客平均等待时间减小35.82%,RGV平均服务时间降低39.51%,RGV运行能耗降低38.32%;较文献引用策略顾客平均等待时间减小14.18%,RGV平均服务时间降低13.29%,RGV运行能耗降低20.89%。研究成果为提高立体车库车运行效率提供参考。 展开更多
关键词 交通工程 立体车库 待命位 K-近邻算法(KNN)-反向传播(bp)神经网络 RGV
在线阅读 下载PDF
基于改进海鸥优化算法的BP神经网络及其应用 被引量：1
10
作者 闫向彤 张健 +2 位作者 乔煜哲 董鹏辉 熊友锟 《传感器与微系统》 CSCD 北大核心 2024年第7期165-168,共4页
针对传统反向传播(BP)神经网络在预测时随机产生的初始权值、阈值影响准确性的问题,提出一种改进的海鸥优化算法(ISOA)对BP神经网络的初始阈值、权值进行寻优。首先,为提高海鸥优化算法(SOA)的收敛精度和跳出局部最优的能力,使用Sine混... 针对传统反向传播(BP)神经网络在预测时随机产生的初始权值、阈值影响准确性的问题,提出一种改进的海鸥优化算法(ISOA)对BP神经网络的初始阈值、权值进行寻优。首先,为提高海鸥优化算法(SOA)的收敛精度和跳出局部最优的能力,使用Sine混沌映射初始化种群,引入非线性参数A,在海鸥攻击时引入乘除策略进行扰动,同时在攻击阶段后引入反向学习策略。然后,使用ISOA优化BP神经网络初始权值、阈值,解决对初值敏感和易陷入局部最优的问题。最后,在冻结裂隙砂岩动态冲击试验中进行峰值应力预测,结果表明:对比原始BP、粒子群优化(PSO)-BP和SOA-BP,ISOA优化后的BP神经网络对峰值应力预测精度更高。 展开更多
关键词 反向传播神经网络 海鸥优化算法 混沌映射 乘除策略 反向个体
在线阅读 下载PDF
改进BBO优化BP神经网络的短期风电功率预测模型 被引量：2
11
作者 罗丹 章若冰 +1 位作者 余娟 谭芝娴 《绿色科技》 2024年第12期263-269,共7页
为了提高预测模型在处理风电功率时间序列数据中的复杂模式和非线性特征时的识别能力,提出了一种新的预测模型。通过改进完全自适应噪声集合经验模态分解算法进行信号处理,然后根据改进生物地理学优化算法对反向传播神经网络进行初始权... 为了提高预测模型在处理风电功率时间序列数据中的复杂模式和非线性特征时的识别能力,提出了一种新的预测模型。通过改进完全自适应噪声集合经验模态分解算法进行信号处理,然后根据改进生物地理学优化算法对反向传播神经网络进行初始权重优化,进一步提升短期风电功率预测的准确度和稳定性。通过实际应用案例表明,与其他优化算法相比,提出的模型在MAE、RMSE和MAPE上的表现分别平均提高了43.21%、37.98%和36.84%,显示出更高的预测准确度,仿真结果验证了本方法在短期风电功率预测领域的效果及其明显的优势。 展开更多
关键词 短期风电功率预测 完全自适应噪声集合经验模态分解 反向传播神经网络 生物地理学优化算法
在线阅读 下载PDF
基于改进BP神经网络的火车防吊起快速检测方法
12
作者 姜军 宓为建 《中国工程机械学报》 北大核心 2025年第2期361-365,共5页
铁路集装箱堆场对于火车平板装卸作业,由于传统检测方法检测精度或检测速度不能满足要求,鲜有成熟的智能防吊起解决方案。本文提出一种基于改进反向传播(BP)神经网络的火车防吊起快速检测方法,通过获取吊具4个锁头的称重数据,建立基于B... 铁路集装箱堆场对于火车平板装卸作业,由于传统检测方法检测精度或检测速度不能满足要求,鲜有成熟的智能防吊起解决方案。本文提出一种基于改进反向传播(BP)神经网络的火车防吊起快速检测方法,通过获取吊具4个锁头的称重数据,建立基于BP神经网络的平板吊起检测模型,在权值调整时加入动量因子和自适应调节学习率以优化模型性能。在实际作业中测试,本方法具有较高的检出率和快速的检测速度,可为轨道吊自动化火车作业提供智能安全防护。 展开更多
关键词 集装箱火车 平板鹰钩(F-TR)锁防吊起 反向传播(bp)神经网络 动量因子 自适应学习
在线阅读 下载PDF
基于小波包分解和神经网络集成群的滚动轴承故障诊断 被引量：1
13
作者 柴立平 孟壮壮 +1 位作者 石海峡 李强 《合肥工业大学学报(自然科学版)》 北大核心 2025年第4期447-454,共8页
文章提出一种将多个神经网络相结合的神经网络集成群算法进行滚动轴承故障诊断。首先对原始振动信号进行小波包变换,分别采用小波包能量和小波包样本熵作为特征向量;其次采用多个粒子群优化反向传播(particle swarm optimization-back p... 文章提出一种将多个神经网络相结合的神经网络集成群算法进行滚动轴承故障诊断。首先对原始振动信号进行小波包变换,分别采用小波包能量和小波包样本熵作为特征向量;其次采用多个粒子群优化反向传播(particle swarm optimization-back propagation,PSO-BP)神经网络分别对轴承进行故障诊断,比较分析小波包能量和小波包样本熵作为特征向量的适配程度;再以多个神经网络作为神经网络集成群的基础子网络,通过统计耦合、输出耦合和统计输出耦合形成神经网络集成群的二级网络;最后通过最终统计耦合输出神经网络集成群的分类结果。研究结果表明,该方法可获得理想的滚动轴承故障诊断准确率,在负载变化时具有良好的泛化性能。 展开更多
关键词 滚动轴承 故障诊断 小波包变换 粒子群优化反向传播神经网络 神经网络集成群
在线阅读 下载PDF
基于智能优化算法及其优化BP神经网络的室内定位 被引量：5
14
作者 李帅辰 武建锋 《科学技术与工程》 北大核心 2024年第20期8568-8576,共9页
为研究智能优化算法在室内到达时间差(time difference of arrival,TDOA)定位方面的应用效果。首先,分别使用白鲨优化算法(white shark optimizer,WSO)、变色龙优化算法(chameleon swarm algorithm,CSA)、蛇优化算法(snake optimizer,SO... 为研究智能优化算法在室内到达时间差(time difference of arrival,TDOA)定位方面的应用效果。首先,分别使用白鲨优化算法(white shark optimizer,WSO)、变色龙优化算法(chameleon swarm algorithm,CSA)、蛇优化算法(snake optimizer,SO)、鲸鱼优化算法(whale optimization algorithm,WOA)、灰狼优化算法(grey wolf optimizer,GWO)、麻雀优化算法(sparrow search algorithm,SSA)这6种智能优化算法进行室内的二维TDOA定位,对比分析上述算法在室内定位领域的表现,并和传统的Taylor算法的定位误差进行对比;接下来,使用SOA算法对BP神经网络进行优化,使用优化后的SOA-BP进行定位,与基础的BP神经网络的定位误差进行对比。结果表明:所使用的6种智能优化算法在室内定位领域有着不错的表现,各智能优化算法的效果相似,平均定位误差为0.44 m,相较于传统的Taylor算法提升约9.2%;SOA-BP的定位误差相较于基础的BP神经网络降低超过30%。 展开更多
关键词 智能优化算法 5G室内定位 到达时间差(TDOA) Taylor算法 优化反向传播(bp)神经网络
在线阅读 下载PDF
基于MFO优化BP神经网络构建冷鲜肉品质预测模型 被引量：2
15
作者 王丽 闫子康 +1 位作者 杜金 王远亮 《食品工业科技》 CAS 北大核心 2024年第21期310-321,共12页
为能准确预测冷鲜肉在贮藏中品质的变化规律及质量安全,本文探究贮藏温度(0、4和25℃)对冷鲜肉菌落总数、TVB-N、pH、水分含量、色度和生物胺含量的影响,确定冷鲜肉的特征品质指标。基于反向传播(Backpropagation,BP)神经网络和飞蛾火... 为能准确预测冷鲜肉在贮藏中品质的变化规律及质量安全,本文探究贮藏温度(0、4和25℃)对冷鲜肉菌落总数、TVB-N、pH、水分含量、色度和生物胺含量的影响,确定冷鲜肉的特征品质指标。基于反向传播(Backpropagation,BP)神经网络和飞蛾火焰优化(Moth-Flame Optimization,MFO)BP神经网络,利用特征指标作为训练数据,构建不同贮藏温度下冷鲜肉的品质预测模型,快速准确评价和预测食品的质量安全。结果表明,不同贮藏温度下冷鲜肉的菌落总数、pH、TVB-N、色泽和生物胺含量随着贮藏时间的延长均呈上升趋势(P<0.05),且各指标在不同贮藏温度下的变化规律不一致,温度越高,腐败变质的速度越快。通过相关性分析得出菌落总数和TVB-N为冷鲜肉品质特征指标,以特征指标为训练数据构建BP神经网络和MFO优化BP神经网络模型。结果显示,MFO优化BP神经网络优于单一的BP神经网络模型,指标菌落总数和TVB-N通过BP神经网络模型训练后的R值分别为0.95018、0.94283,通过MFO算法优化训练后的R值分别为0.97538、0.98001,更接近于1,且优化后的RMSE、MSE和MAE值相对较小,其模型拟合度更好,在整个贮藏期的预测性能更好,准确率更高。因此,MFO优化BP神经网络可用于预测冷鲜肉在贮藏过程中品质的变化规律。 展开更多
关键词 冷鲜肉 松鼠葡萄球菌 预测模型 反向传播(bp)神经网络 飞蛾火焰优化(MFO)bp神经网络
在线阅读 下载PDF
基于BP-SSA神经网络模型的中框塑件翘曲变形优化 被引量：4
16
作者 杨明 侯健超 +3 位作者 刘巨保 姚建锋 王帅 廉成林 《塑料工业》 CAS CSCD 北大核心 2024年第7期97-104,共8页
为减小挂壁风机中框在注塑成型中的翘曲变形,运用Moldflow软件对中框进行仿真,以模具温度、熔体温度、注射时间、冷却时间、保压时间和保压压力6个工艺参数进行正交试验设计,基于试验结果建立工艺参数与翘曲变形量之间的反向传播(BP)神... 为减小挂壁风机中框在注塑成型中的翘曲变形,运用Moldflow软件对中框进行仿真,以模具温度、熔体温度、注射时间、冷却时间、保压时间和保压压力6个工艺参数进行正交试验设计,基于试验结果建立工艺参数与翘曲变形量之间的反向传播(BP)神经网络模型,利用麻雀搜索算法(SSA)对模型进行全局参数寻优。结果表明,当模具温度为80℃、熔体温度为250℃、保压压力为82 MPa、保压时间为20 s、注射时间为3 s、冷却时间为26.25 s时翘曲变形量最小,预测翘曲变形量为2.483 mm。利用Moldflow软件对寻优得到的工艺参数进行验证,结果显示仿真计算的翘曲变形量为2.449 mm,与优化算法结果误差为1.3%,并将寻优获得的参数进行试模验证,试模翘曲结果与优化算法结果误差为2.6%,证明了优化算法的准确性,且注塑件外观无飞边缩痕等缺陷,装配效果符合预期要求。研究结果表明BP神经网络结合麻雀搜索算法优化工艺参数的技术方法具有可行性。 展开更多
关键词 注塑成型 翘曲变形量 模流分析 参数优化 反向传播神经网络 麻雀搜索算法
在线阅读 下载PDF
基于改进的粒子群算法优化反向传播神经网络的热舒适度预测模型 被引量：18
17
作者 张玲 王玲 吴桐 《计算机应用》 CSCD 北大核心 2014年第3期775-779,共5页
针对热舒适度预测是一个复杂的非线性过程,不便于空调的实时控制应用的问题,提出一种基于改进的粒子群优化(PSO)算法优化反向传播(BP)神经网络的热舒适度预测模型。这一预测模型通过采用PSO算法优化BP神经网络的初始权值和阈值,改善了传... 针对热舒适度预测是一个复杂的非线性过程,不便于空调的实时控制应用的问题,提出一种基于改进的粒子群优化(PSO)算法优化反向传播(BP)神经网络的热舒适度预测模型。这一预测模型通过采用PSO算法优化BP神经网络的初始权值和阈值,改善了传统BP算法收敛速度慢及对网络初始值敏感的问题。同时,针对标准PSO算法易出现早熟收敛、局部寻优能力弱等缺点,提出了相应改进策略,进一步提高了PSO优化BP神经网络的能力。实验结果表明:与传统BP模型和标准PSO-BP模型相比,基于改进的PSO-BP算法的热舒适度预测模型具有更高的预测精度和更快的收敛速度。 展开更多
关键词 热舒适度 预测 反向传播神经网络 粒子群优化算法 模型
在线阅读 下载PDF
基于神经网络的面板堆石坝渗透系数反演与渗流计算
18
作者 贾万波 徐景田 《安全与环境工程》 北大核心 2025年第4期138-145,共8页
面板堆石坝渗流安全监控指标主要为坝基渗流量,通常以设计阶段计算结果作为安全阈值,但受施工和蓄水等因素的影响,导致筑坝材料渗透系数发生改变,渗流监控指标将不准确。为此,以龙背湾面板堆石坝工程为研究对象,选取钢筋混凝土面板、垫... 面板堆石坝渗流安全监控指标主要为坝基渗流量,通常以设计阶段计算结果作为安全阈值,但受施工和蓄水等因素的影响,导致筑坝材料渗透系数发生改变,渗流监控指标将不准确。为此,以龙背湾面板堆石坝工程为研究对象,选取钢筋混凝土面板、垫层料、过渡料、上游主堆石、下游次堆石、反滤过渡料6种主要介质,每种介质选取7个渗透系数水平,采用正交试验进行各参数组合,同时基于反向传播(back propagation,BP)神经网络,利用龙背湾水库水位、渗流量等实测数据,反演出面板堆石坝各填筑材料分区的最优渗透系数;建立了龙背湾面板堆石坝三维有限元渗流模型,并利用反演参数计算了大坝在不同工况下的渗流量,以获取坝基渗流量。结果表明,坝基渗流量误差在2.2%~4.1%之间,渗流量预测精度较高,证明所选用的参数反演方法及渗流计算方法科学合理,计算结果可作为坝基渗流量的安全监控指标。 展开更多
关键词 面板堆石坝 渗透系数反演 渗流计算 正交试验 反向传播(bp)神经网络 有限元模型
在线阅读 下载PDF
基于遗传算法-反向传播神经网络的径向式导叶多级泵水力性能优化 被引量：7
19
作者 王延锋 张连军 段海鹏 《科学技术与工程》 北大核心 2021年第4期1375-1381,共7页
针对径向式导叶多级泵内部流动状态复杂多变而导致其水力性能曲线难以精确测量的技术难题,采用遗传算法(genetic algorithm,GA)迭代优化反向传播(back propagation,BP)神经网络的权值与阈值,构建了基于GA-BP神经网络的径向式导叶多级泵... 针对径向式导叶多级泵内部流动状态复杂多变而导致其水力性能曲线难以精确测量的技术难题,采用遗传算法(genetic algorithm,GA)迭代优化反向传播(back propagation,BP)神经网络的权值与阈值,构建了基于GA-BP神经网络的径向式导叶多级泵水力性能预测模型,以MD500-57型径向式导叶多级泵为研究对象,建立了输入层为13个神经元、隐含层为10个神经元、输出层为2个神经元的GA-BP神经网络,采用正交试验方法设计了试验参数的正交试验方案,运用数值模拟计算方法对正交试验方案进行求解,获得了试验参数的训练样本,并对神经网络进行训练与测试,计算了过流部件关键几何参数的最优组合方案。试验结果表明:优化后该多级泵在设计工况下扬程增加了2.4 m,效率提高了3.34%,且高效区范围变宽。 展开更多
关键词 径向式导叶多级泵 水力性能 遗传算法 反向传播(bp)神经网络 性能预测
在线阅读 下载PDF
基于蚁群算法优化反向传播神经网络的软件质量预测 被引量：7
20
作者 朱嘉豪 郑巍 +2 位作者 杨丰玉 樊鑫 肖鹏 《计算机应用》 CSCD 北大核心 2023年第11期3568-3573,共6页
针对基于反向传播神经网络(BPNN)的软件质量预测模型存在收敛慢、模型精度不高的问题,提出一种基于蚁群算法优化BPNN的软件质量预测(SQP-ACO-BPNN)方法。首先,选择软件质量评价指标,确立软件质量评价体系;其次,采用BPNN构建初始软件质... 针对基于反向传播神经网络(BPNN)的软件质量预测模型存在收敛慢、模型精度不高的问题,提出一种基于蚁群算法优化BPNN的软件质量预测(SQP-ACO-BPNN)方法。首先,选择软件质量评价指标,确立软件质量评价体系;其次,采用BPNN构建初始软件质量预测模型,并利用蚁群优化(ACO)算法确定若干网络结构、网络初始连接权值和阈值;再次,给出网络结构评价函数,选择神经网络模型的最佳结构、网络初始连接权值和阈值;最后,通过BP算法训练该网络,得到最终的软件质量预测模型。在机载嵌入式软件质量预测数据上的实验结果表明,优化后的BPNN模型有效提高了预测的准确率、精确率、召回率和F1值,并且模型能够更快收敛,验证了SQP-ACO-BPNN方法的有效性。 展开更多
关键词 软件质量预测 蚁群优化算法 反向传播神经网络 网络结构评价
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 14 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部