期刊文献+
共找到857篇文章
< 1 2 43 >
每页显示 20 50 100
基于贝叶斯图卷积神经网络的风电场内多风机风速概率预测
1
作者 郭美仑 寇鹏 +2 位作者 田润泽 张远航 梁得亮 《电工技术学报》 北大核心 2025年第17期5539-5552,共14页
在风机呈不规则排布的风电场中,对多风机各自风速的概率预测,有利于量化风速的不确定性与波动性,进而为风电场精细化控制提供更为丰富的信息。对此,该文提出了一种基于贝叶斯图卷积神经网络(BGCNN)的多风机风速超短期概率预测模型。为... 在风机呈不规则排布的风电场中,对多风机各自风速的概率预测,有利于量化风速的不确定性与波动性,进而为风电场精细化控制提供更为丰富的信息。对此,该文提出了一种基于贝叶斯图卷积神经网络(BGCNN)的多风机风速超短期概率预测模型。为提取风机排布的空间特征信息,该模型首先以风机历史数据为依据构建了风电场的初始图结构;其次,针对固定图结构难以考虑建模误差的问题,采用BGCNN将风电场图模型参数化,并通过训练其参数改变图信息,从而提取风机间空间特征,同时,在BGCNN的图卷积神经网络模块后接入长短时记忆网络,实现时间特征提取,由此,综合空间和时间相关性特征信息,得到考虑时-空二维相关性的多风机风速预测结果;最后,利用蒙特卡洛法抽样多组模型输出值,进一步得到对应概率预测结果。在呈不规则分布的多台风机上的仿真结果验证了所提概率预测方法的有效性。 展开更多
关键词 概率预测 风速预测 图卷积神经网络 空间相关性 超短期预测
在线阅读 下载PDF
融合图神经网络与概率编码的加工特征识别
2
作者 赵显文 莫轩东 +1 位作者 夏铭远 胡小锋 《哈尔滨工业大学学报》 北大核心 2025年第4期116-130,共15页
为解决多加工特征交叉下的特征定位问题,提高复杂零件加工特征识别性能,提出实例分割框架下的加工特征识别方法Brep3pNet。首先,基于三维模型的边界表示,提取面点云、面邻接图等几何与拓扑数据,构建三维模型的图表示,利用点云学习网络... 为解决多加工特征交叉下的特征定位问题,提高复杂零件加工特征识别性能,提出实例分割框架下的加工特征识别方法Brep3pNet。首先,基于三维模型的边界表示,提取面点云、面邻接图等几何与拓扑数据,构建三维模型的图表示,利用点云学习网络以及图神经网络学习三维模型面级嵌入表示。其次,提出概率位置编码方法,引入位置先验信息将三维模型各面编码为与空间位置相关的三元高斯分布,基于Bhattacharyya核度量面间相似性,以实现加工特征的面级定位,生成候选实例。最后,设计得分网络用于预测实例生成质量,以此指导实例间的非极大抑制,去除冗余特征实例,获得最终加工特征识别结果。本研究在MFCAD、MFCAD++、MFInstSeg和合成的回转类零件数据集等4个多特征数据集上对所提方法进行评估。研究结果表明:Brep3pNet相较于其他先进方法具有更好的特征定位能力,可以通过轻量的模型参数实现最优的特征识别准确率,展现了所提方法在相交特征识别上的应用潜力。 展开更多
关键词 加工特征识别 实例分割 点云 神经网络 概率编码
在线阅读 下载PDF
基于深度神经网络的概率积分法沉陷预计模型参数反演
3
作者 胡秋萍 马智 +1 位作者 王建敏 蒋建民 《中国安全科学学报》 北大核心 2025年第S1期99-106,共8页
为解决矿区地表形变监测中传统参数反演方法收敛速度慢、预测精度不足的问题,构建具有物理机制约束的深度学习框架,实现矿区工作面走向和倾向地表移动参数的精准估计。方法上,基于概率积分法沉陷预计模型的理论基础,分别构建面向工作面... 为解决矿区地表形变监测中传统参数反演方法收敛速度慢、预测精度不足的问题,构建具有物理机制约束的深度学习框架,实现矿区工作面走向和倾向地表移动参数的精准估计。方法上,基于概率积分法沉陷预计模型的理论基础,分别构建面向工作面走向4参数反演的Trend-Net网络和倾向6参数反演的Tendency-Net网络。以地表移动预测值与实测值的均方根误差构建损失函数,进行梯度优化,动态修正沉陷预计参数。结果表明:相较于最小二乘法、粒子群优化算法及贝叶斯算法,在走向参数反演中收敛迭代次数大幅降低,倾向参数反演的均方根误差降低;该方法将深度学习网络的非线性拟合能力与概率积分法的物理约束相结合,既保障反演过程的理论合理性,又提升参数寻优的全局性。 展开更多
关键词 概率积分法 沉陷预计 深度神经网络 参数反演 矿区工作面
在线阅读 下载PDF
基于优化概率神经网络的化工过程故障诊断
4
作者 庞智敏 王亚君 富斯源 《化学工程》 北大核心 2025年第3期89-94,共6页
为了保证化工生产过程安全稳定运行,对生产过程进行实时故障检测变得尤为重要。传统的PNN(概率神经网络)故障诊断方法,由于需要根据经验选取平滑因子使得模型分类准确率降低。为提高PNN模型的分类正确率和诊断速度,提出一种基于MSIDBO(... 为了保证化工生产过程安全稳定运行,对生产过程进行实时故障检测变得尤为重要。传统的PNN(概率神经网络)故障诊断方法,由于需要根据经验选取平滑因子使得模型分类准确率降低。为提高PNN模型的分类正确率和诊断速度,提出一种基于MSIDBO(多策略改进蜣螂优化)算法的PNN化工过程故障诊断方法。将提出的方法在田纳西-伊斯曼上进行仿真实验,并与PNN、DBO-PNN(蜣螂优化的概率神经网络)和SSA-PNN(麻雀搜索算法优化的概率神经网络)进行比较,结果表明文中提出的方法在准确率和运行速度上均有显著优势。 展开更多
关键词 故障诊断 多策略改进蜣螂算法 概率神经网络 田纳西-伊斯曼过程
在线阅读 下载PDF
基于改进卷积神经网络的机场跑道封锁效能评估
5
作者 操龙平 陈谋 周同乐 《航空兵器》 北大核心 2025年第2期128-136,共9页
针对传统机场跑道封锁效能评估方法因需要遍历所有跑道造成效率慢且难以采用图像数据的问题,本文提出一种基于改进卷积神经网络算法的机场跑道封锁效能评估计算模型。建立了机场跑道毁伤数据与是否封锁成功之间的非线性关系模型,避免直... 针对传统机场跑道封锁效能评估方法因需要遍历所有跑道造成效率慢且难以采用图像数据的问题,本文提出一种基于改进卷积神经网络算法的机场跑道封锁效能评估计算模型。建立了机场跑道毁伤数据与是否封锁成功之间的非线性关系模型,避免直接采用循环求解所带来时间过长的问题。根据跑道毁伤图像特点,对卷积核的大小及数量进行相应的改进,同时引入批量归一化处理层和Mish激活函数,解决训练过程中梯度消失的问题。仿真结果表明,该算法不仅能够有效判别跑道是否成功封锁以及计算某一组瞄准点下的封锁概率,而且识别速度相比于传统算法更具有优势。 展开更多
关键词 机场跑道 封锁效能评估 封锁概率 跑道毁伤 卷积神经网络
在线阅读 下载PDF
基于条件变分自编码器和贝叶斯神经网络的短期电力负荷概率预测 被引量:2
6
作者 李丹 罗娇娇 +2 位作者 孙光帆 唐建 黄烽云 《三峡大学学报(自然科学版)》 CAS 北大核心 2024年第5期68-75,共8页
考虑到输入信息和预测模型的不确定性对负荷预测结果的影响,本文提出一种基于条件变分自编码器和贝叶斯神经网络的短期电力负荷概率预测方法.通过条件变分自编码器生成指定天气因素预测值和日历特征条件下实际天气因素可能的多个随机样... 考虑到输入信息和预测模型的不确定性对负荷预测结果的影响,本文提出一种基于条件变分自编码器和贝叶斯神经网络的短期电力负荷概率预测方法.通过条件变分自编码器生成指定天气因素预测值和日历特征条件下实际天气因素可能的多个随机样本,以模拟天气预测信息的不确定性;构建GRU-S2S贝叶斯神经网络学习模型参数的分布特征,以反映预测模型的不确定性,并结合MC dropout技术获得多个可能的负荷预测值;遍历天气因素全部模拟样本,将预测模型输出的负荷预测值构成集合,并通过核密度估计获得预测时段内各时刻预测负荷服从的概率分布.实际算例结果表明,该方法在短期负荷概率预测中具有更高的分位数预测精度和更可靠稳定的区间预测结果. 展开更多
关键词 负荷概率预测 门控循环单元 贝叶斯神经网络 条件变分自编码器
在线阅读 下载PDF
面向边缘智能应用的多出口深度神经网络随机优化方法
7
作者 李洲诚 张毅 孙晋 《计算机科学》 北大核心 2025年第4期85-93,共9页
边缘智能作为一种新型的智能计算范式,能够有效提升智能推理任务在嵌入式边缘设备中的响应速度。而信息年龄(AoI)作为衡量数据时效性的重要指标,对于边缘智能应用的计算资源开销和实时响应至关重要。针对多出口深度神经网络(DNN)的资源... 边缘智能作为一种新型的智能计算范式,能够有效提升智能推理任务在嵌入式边缘设备中的响应速度。而信息年龄(AoI)作为衡量数据时效性的重要指标,对于边缘智能应用的计算资源开销和实时响应至关重要。针对多出口深度神经网络(DNN)的资源配置优化问题,考虑出口退出概率造成的AoI随机不确定性,引入系统AoI的概率约束,基于随机优化理论对出口设置进行决策,以最小化多出口DNN的资源开销。文中提出了一种基于布谷鸟搜索的元启发式算法对所构建的具有概率约束的随机优化问题进行求解,基于各出口的退出概率预测系统AoI的统计分布,根据给定的AoI阈值计算相应的资源消耗量并将其作为布谷鸟个体的适应度值,迭代更新布谷鸟种群并搜索得到最小计算资源开销的出口设置方案。针对多种DNN模型的实验结果表明,与确定性的优化方法相比,随机优化方法能够获得更佳的出口设置决策,在满足AoI概率约束的前提下显著降低了DNN的计算开销。 展开更多
关键词 边缘智能 信息年龄 多出口神经网络 随机优化 概率约束 元启发式算法
在线阅读 下载PDF
基于概率神经网络的潜舰武器系统故障诊断 被引量:1
8
作者 冯林平 王佳玉 《舰船科学技术》 北大核心 2024年第16期182-185,共4页
针对传统故障诊断方法检测某型潜舰导弹武器系统故障准确率不高、耗时长的问题,提出基于概率神经网络的智能诊断方法。介绍该网络的典型结构及优势所在,以某型潜舰导弹武器系统为验证对象,选取合适特征向量、归纳合理故障类型、建立相... 针对传统故障诊断方法检测某型潜舰导弹武器系统故障准确率不高、耗时长的问题,提出基于概率神经网络的智能诊断方法。介绍该网络的典型结构及优势所在,以某型潜舰导弹武器系统为验证对象,选取合适特征向量、归纳合理故障类型、建立相应神经网络,并运用Matlab仿真验证。结果表明在现有数据库中,概率神经网络对该系统的故障诊断正确率为77.8%。这表明基于概率神经网络的故障诊断基本能够区分该系统故障类型,大大减少了部队故障诊断时间和人力投入。 展开更多
关键词 智能检测 概率神经网络 潜舰导弹武器系统 故障诊断
在线阅读 下载PDF
基于神经网络的多随机参数非线性悬架系统响应分析
9
作者 陈强强 周继磊 +1 位作者 于孟娜 韩道远 《机电工程》 北大核心 2025年第7期1403-1412,共10页
车辆悬架系统的生产制造误差会使得该悬架系统各个结构参数具有不确定性,同时作用于非线性悬架系统的路面激励也具有明显的随机性和时变性。针对这一问题,研究了不确定因素对多随机参数非线性悬架系统响应的影响。首先,采用了七自由度... 车辆悬架系统的生产制造误差会使得该悬架系统各个结构参数具有不确定性,同时作用于非线性悬架系统的路面激励也具有明显的随机性和时变性。针对这一问题,研究了不确定因素对多随机参数非线性悬架系统响应的影响。首先,采用了七自由度非线性车辆悬架系统动力学模型,构建了白噪声路面激励时域模型;然后,建立了一种基于粒子群优化的反向传播神经网络(BPNN-PSO)预测模型,基于神经网络的直接积分法(DPIM),展开了针对非线性悬架系统的随机动力方程及其相应求解策略的研究;最后,针对非线性悬架系统随机振动直接概率积分法,提出了一种基于MATLAB的分析程序,对不同等级路面激励和参数随机条件下,非线性悬架系统振动响应的均值和标准差进行了研究。研究结果表明:直接概率积分法与蒙特卡洛模拟相比,系统的时变概率密度处理时间成本降低,效率更高;车体质量对车体位移的影响显著,其标准差为0.2×10^(-3)m~0.5×10^(-3)m,轮胎刚度对车体位移的影响最小,其标准差约为0.1×10^(-3)m~0.25×10^(-3)m;悬架的弹簧刚度对车体加速度的影响最小,其标准差约为0.5×10^(-2)m/s^(2)~2×10^(-2)m/s^(2),车辆质量和轮胎刚度的随机性对车辆动态行为影响较大。 展开更多
关键词 直接概率积分法 白噪声路面 反向传播神经网络 非线性车辆悬架系统 粒子群算法 路面不平度
在线阅读 下载PDF
蜣螂算法优化概率神经网络的变压器故障诊断 被引量:12
10
作者 宗琳 周晓华 +3 位作者 罗文广 刘胜永 张银 吴雪颖 《智慧电力》 北大核心 2024年第5期98-104,共7页
针对仅靠人工经验选取平滑因子的概率神经网络(PNN)变压器故障诊断模型存在诊断正确率偏低的问题,提出1种采用蜣螂算法(DBO)优化PNN平滑因子的变压器故障诊断模型。选取测试函数对DBO算法进行寻优测试,并与粒子群算法(PSO)、人工蜂群算... 针对仅靠人工经验选取平滑因子的概率神经网络(PNN)变压器故障诊断模型存在诊断正确率偏低的问题,提出1种采用蜣螂算法(DBO)优化PNN平滑因子的变压器故障诊断模型。选取测试函数对DBO算法进行寻优测试,并与粒子群算法(PSO)、人工蜂群算法(ABC)、灰狼优化算法(GWO)对比,DBO在寻优精度、收敛速度和避免局部最优方面更具优势;采用DBO对PNN平滑因子寻优以建立DBO-PNN诊断模型,并与PSO-PNN、ABC-PNN和GWO-PNN模型进行诊断对比,结果表明DBO-PNN模型的诊断效果更好,正确率达96%。 展开更多
关键词 变压器故障诊断 蜣螂算法 概率神经网络 油中溶解气体分析
在线阅读 下载PDF
基于改进GA-BP神经网络的FDM式3D打印机故障诊断
11
作者 殷冬年 解乃军 纪有旺 《印刷与数字媒体技术研究》 北大核心 2025年第4期169-181,共13页
针对当前FDM(Fused Deposition Modeling)式3D打印机故障诊断方式存在精确度低、灵活性不足等缺陷,本研究提出了一种基于改进GA-BP神经网络的FDM式3D打印机故障诊断模型。通过分析影响打印故障的因素,得出故障诊断模型的输入变量,以此构... 针对当前FDM(Fused Deposition Modeling)式3D打印机故障诊断方式存在精确度低、灵活性不足等缺陷,本研究提出了一种基于改进GA-BP神经网络的FDM式3D打印机故障诊断模型。通过分析影响打印故障的因素,得出故障诊断模型的输入变量,以此构建BP神经网络模型;针对BP学习算法易陷入局部最优解问题,利用遗传算法优化网络的初始权值和阈值,并进一步结合遗传进化原理,改进了遗传算法自适应交叉和变异概率策略。通过实验结果分析,本研究所提的基于改进GA-BP神经网络的3D打印机故障诊断模型的诊断准确率在97%以上,比基于BP神经网络的基础诊断模型的诊断准确率提升了12.9%,迭代次数减少了22次,比传统阈值检测法的诊断准确率提升了24.3%。 展开更多
关键词 FDM式3D打印机 故障诊断 BP神经网络 遗传算法 自适应交叉和变异概率
在线阅读 下载PDF
神经网络辅助估计先验语音存在概率的多通道降噪方法 被引量:2
12
作者 雷菁 王劲夫 +1 位作者 杨飞然 杨军 《信号处理》 CSCD 北大核心 2024年第7期1197-1207,共11页
噪声功率谱密度矩阵的估计在波束形成中非常关键。基于多通道语音存在概率(Multichannel Speech Presence Probability,MCSPP)估计噪声功率谱密度矩阵的方法,利用语音存在概率逐帧更新噪声功率谱密度矩阵。因此,语音存在概率的精度直接... 噪声功率谱密度矩阵的估计在波束形成中非常关键。基于多通道语音存在概率(Multichannel Speech Presence Probability,MCSPP)估计噪声功率谱密度矩阵的方法,利用语音存在概率逐帧更新噪声功率谱密度矩阵。因此,语音存在概率的精度直接影响到噪声功率谱密度矩阵的估计精度。传统方法估计语音存在概率时依赖于噪声平稳假设。在变化较快的非平稳噪声上,估计的语音存在概率存在拖尾现象,这会导致降噪效果变差。本文从理论上解释了传统方法估计语音存在概率的拖尾现象成因。传统方法中语音存在概率由长期信噪比(Signal to Noise Ratio,SNR)线性映射得到,而本文证明当语音存在时当前时刻的长期信噪比仅为上一时刻长期信噪比的小幅衰减。当噪声快速变化时,长期信噪比变化缓慢,这导致语音存在概率出现拖尾现象。为解决该问题,本文提出了一种神经网络辅助估计先验语音存在概率的多通道降噪方法。所提方法利用时域卷积网络(Temporal Convolutional Network,TCN)来估计单通道观测信号的先验语音存在概率,而后利用多通道观测信号的空间信息来改善先验语音存在概率的估计。时域卷积网络估计先验语音存在概率不依赖于噪声的平稳假设,提升了噪声功率谱密度矩阵估计的精度。本文在CHiME-3数据集上进行测试,当SNR为5 dB时,所提方法取得的PESQ相比传统方法提升了0.09,fwSegSNR提升了0.78,COVL提升了0.08。结果表明,所提方法在非平稳噪声情况下能取得更好的降噪效果。 展开更多
关键词 多通道降噪 神经网络 语音存在概率
在线阅读 下载PDF
基于概率神经网络和层次分析法的硐室群施工风险评估 被引量:2
13
作者 宗志栓 张逸飞 +4 位作者 林作忠 陈晨 杨航 邱泽刚 申玉生 《铁道标准设计》 北大核心 2024年第3期177-185,共9页
地下硐室群施工风险研究尚处于起步阶段,为快速准确评判风险因素,预防施工安全事故,利用概率神经网络(PNN)和层次分析法(AHP)建立风险评估模型,并研发硐室群施工风险评估软件。通过统计分析硐室群施工风险因素,设置工程地质、自然、设... 地下硐室群施工风险研究尚处于起步阶段,为快速准确评判风险因素,预防施工安全事故,利用概率神经网络(PNN)和层次分析法(AHP)建立风险评估模型,并研发硐室群施工风险评估软件。通过统计分析硐室群施工风险因素,设置工程地质、自然、设计施工和管理4个一级风险因素,23个风险控制指标,建立针对硐室群施工的风险指标体系。收集典型样本数据后,基于PNN对施工风险等级进行评判,同时采用AHP定量分析风险因素权重,迅速捕捉风险点,采取风险控制措施并优化施工方案。运用研发软件对重庆轨道交通18号线歇台子站硐室群施工进行风险评价,得到风险概率等级为Ⅳ,在施工过程中需要重点监测和控制地下水、围岩等级和支护及时性等带来的影响,实例评价结果与现场情况相吻合,验证了该评估软件的有效性和实用性。研究表明:针对硐室群施工建立的指标体系和评估方法能有效预测风险级别,实时指导施工过程,确保地下硐室群施工安全。 展开更多
关键词 硐室群 概率神经网络 层次分析法 风险评价 软件开发
在线阅读 下载PDF
基于PLS概率神经网络的桥门式起重机安全评估方法
14
作者 冯青 陈刚 +1 位作者 刘志凯 刘晓初 《机床与液压》 北大核心 2024年第24期56-63,共8页
针对传统概率神经网络对桥门式起重机进行安全评估时存在的网络结构复杂、参数繁多、运算费时等问题,提出一种基于偏最小二乘(PLS)的概率神经网络(PNN)的桥门式起重机安全评估方法。采用偏最小二乘法提取主成分,利用部分主成分替代原有... 针对传统概率神经网络对桥门式起重机进行安全评估时存在的网络结构复杂、参数繁多、运算费时等问题,提出一种基于偏最小二乘(PLS)的概率神经网络(PNN)的桥门式起重机安全评估方法。采用偏最小二乘法提取主成分,利用部分主成分替代原有的样本输入,降低输入的维数;利用有限的模式组合神经元替换通常的样本神经元,减少网络的节点和连接等参数,以简化网络,加快其收敛速度,并将输出结果进行离散化,提高模型的训练效率和推理速度。仿真试验结果表明:相比传统的PNN评估法,所提方法大幅缩短了训练与测试时间,验证了该方法的有效性,实现了桥门式起重机高效智能安全评估。 展开更多
关键词 桥门式起重机 概率神经网络(PNN) 偏最小二乘(PLS) 残差矩阵
在线阅读 下载PDF
改进的MVO-GRNN神经网络岩爆预测模型研究 被引量:6
15
作者 侯克鹏 包广拓 孙华芬 《安全与环境学报》 CAS CSCD 北大核心 2024年第3期923-932,共10页
准确预测岩爆烈度等级能有效指导岩爆灾害的防控。根据影响岩爆发生及烈度等级的3个因素构建岩爆评价指标体系,提出一种基于改进多元宇宙算法(Improved Multi-Verse Optimizer,IMVO)优化广义回归神经网络(General Regression Neural Net... 准确预测岩爆烈度等级能有效指导岩爆灾害的防控。根据影响岩爆发生及烈度等级的3个因素构建岩爆评价指标体系,提出一种基于改进多元宇宙算法(Improved Multi-Verse Optimizer,IMVO)优化广义回归神经网络(General Regression Neural Network,GRNN)的岩爆预测模型。在普通多元宇宙算法(MVO)的基础上,运用自适应平衡机制调节MVO算法中的虫洞存在概率(V_(WEP))和旅行距离率(V_(TDR))两个重要参数来改进该算法;再运用改进的多元宇宙算法优化广义回归神经网络的光滑度,通过训练数据优选出最佳光滑因子σ,得到IMVO-GRNN神经网络岩爆烈度预测模型;最后结合工程实例验证模型的性能。研究表明,该模型相比传统模型寻优能力更强,精度更高,为岩爆预测提供了一种新的思路。 展开更多
关键词 安全工程 岩爆预测 多元宇宙算法 广义回归神经网络(GRNN) 虫洞存在概率 旅行距离率
在线阅读 下载PDF
基于蜂群优化的Spiking神经网络模型研究与评估 被引量:2
16
作者 马韦伟 郑勤红 刘珊珊 《计算机科学》 CSCD 北大核心 2023年第8期221-225,共5页
为提高Spiking神经网络的训练能力,以多标签分类问题作为研究切入点,采用蜂群算法进行模型优化。基于Spiking理念的神经网络模型有多种,文中选择概率Spiking神经网络(Probabilistic Spiking Neural Network,PSNN)进行多标签分类。首先,... 为提高Spiking神经网络的训练能力,以多标签分类问题作为研究切入点,采用蜂群算法进行模型优化。基于Spiking理念的神经网络模型有多种,文中选择概率Spiking神经网络(Probabilistic Spiking Neural Network,PSNN)进行多标签分类。首先,建立概率Spiking神经网络分类模型,通过点火时间序列进行编码,触发脉冲响应实现数据传递;然后,利用Spiking神经网络的权重、动态阈值、遗忘参数等构建蜂群,并以多标签分类准确率作为人工蜂群(Artificial Bee Colony,ABC)算法的适应度函数,从而通过不断更新蜂群个体适应度值来获得最优个体;最后,以最优参数完成概率Spiking神经网络的多标签分类。实验结果表明,通过合理设置蜂群个体规模及蜜源搜索范围,ABC-PSNN算法能够获得较高的多标签分类准确率。相比其他Spiking神经网络模型和常用多标签分类算法,ABC-PSNN算法具备更高的分类准确率和稳定性。 展开更多
关键词 spiking神经网络 概率spiking神经网络 蜂群算法 多标签分类 脉冲响应
在线阅读 下载PDF
基于Bagging的概率神经网络集成分类算法 被引量:43
17
作者 蒋芸 陈娜 +3 位作者 明利特 周泽寻 谢国城 陈珊 《计算机科学》 CSCD 北大核心 2013年第5期242-246,共5页
目前的神经网络较多集中在以BP算法为基础的BP神经网络上。针对BP神经网络的不足,在分析研究概率神经网络和机器学习的基础上,结合集成学习的思想,提出了基于Bagging的概率神经网络集成分类算法。理论分析和实验结果都表明,提出的算法... 目前的神经网络较多集中在以BP算法为基础的BP神经网络上。针对BP神经网络的不足,在分析研究概率神经网络和机器学习的基础上,结合集成学习的思想,提出了基于Bagging的概率神经网络集成分类算法。理论分析和实验结果都表明,提出的算法能够有效地降低分类误差,提高分类准确率,具有较好的泛化能力以及较快的执行速度,能够取得比传统的BP神经网络分类方法更好和更稳定的分类结果。 展开更多
关键词 分类 BP神经网络 概率神经网络 集成学习 BAGGING
在线阅读 下载PDF
基于LSTM-PNN神经网络的电潜泵故障诊断方法 被引量:1
18
作者 周逸飞 刘新福 +4 位作者 曹砚锋 于继飞 欧阳铁兵 刘春花 周伟 《机床与液压》 北大核心 2024年第19期209-215,共7页
针对电潜螺杆泵故障预测中发生故障难以及时发现、发现难以准确判别故障类型等问题,提出一种基于深度学习长短期记忆网络(LSTM)结合概率神经网络(PNN)的电潜螺杆泵故障预测方法。以LSTM网络为回归模型,使用时间序列法预测故障信号的未... 针对电潜螺杆泵故障预测中发生故障难以及时发现、发现难以准确判别故障类型等问题,提出一种基于深度学习长短期记忆网络(LSTM)结合概率神经网络(PNN)的电潜螺杆泵故障预测方法。以LSTM网络为回归模型,使用时间序列法预测故障信号的未来趋势,利用小波包分解螺杆泵的故障信号,提取其中的故障特征,再结合油压、产量等多个工作参数,构建电潜螺杆泵的故障特征向量,并凭借PNN网络判别预测信号故障类型。收集新疆油田120组故障数据作为数据集对预测模型进行训练,从中取出90组数据作为故障数据库对模型进行训练,取出30组数据作为测试组测试模型准确率,使用LSTM-PNN神经网络预测模型分别对两组数据进行电潜螺杆泵故障预测。结果表明:预测前提取故障信号特征可有效提高电潜螺杆泵的故障预测精度,较常规电潜螺杆泵故障预测方法,LSTM-PNN网络预测具有更高的准确率且准确率提升了3%~16%。 展开更多
关键词 电潜螺杆泵 小波包分解 故障诊断 长短期记忆神经网络 概率神经网络
在线阅读 下载PDF
基于Logistic回归深层神经网络的电力系统故障概率诊断 被引量:18
19
作者 林济铿 任怡睿 +3 位作者 闪鑫 李俊 翟明玉 王波 《天津大学学报(自然科学与工程技术版)》 EI CSCD 北大核心 2021年第2期186-195,共10页
故障诊断软件作为SCADA系统中的标准模块,仍存在着误报率高的问题.针对该问题,本文提出了基于Logistic回归深度学习的故障诊断新模型及算法,以进一步提高诊断的准确率.该新模型及算法的构建过程如下:首先,对于每一元件均建立回归型深度... 故障诊断软件作为SCADA系统中的标准模块,仍存在着误报率高的问题.针对该问题,本文提出了基于Logistic回归深度学习的故障诊断新模型及算法,以进一步提高诊断的准确率.该新模型及算法的构建过程如下:首先,对于每一元件均建立回归型深度学习神经网络(DNN),其输入为处理成1/-1之后的元件故障特征向量,其输出为相应元件的故障概率,采用基于RMSprop的BP方法对DNN进行训练;进而,针对DNN训练要求较大样本数而元件故障历史记录往往较少这一问题,本文给出了一种记录扩充提取方法,即同一变电站(或附近地区)同一类型的设备,因均经过严格的入网试验,其运行的微环境也是类似的,故可以把其历史故障记录看作相同或类似的,从而加大历史记录的数量;在此基础上采用基于概率统计和随机抽样的样本生成方法以产生足够的样本,从而实现模型的成功训练.在算例验证和分析部分,首先在模拟样本上验证了本文模型输出元件故障概率的正确性;进而,基于实际案例将本文方法与专家系统方法及浅层(单隐层)神经网络模型故障诊断方法进行了对比,结果表明本文方法相较于浅层神经网络方法,训练时间缩短了约7%(4.05 s缩短至3.77 s),测试误差减小了约33%(由0.0051减小至0.0034);相较于专家系统,误辨率由31.25%减小至0.因此,本文的方法具有一定的潜力应用于实际电力系统,从而提升其诊断的正确率. 展开更多
关键词 故障诊断 深度学习 神经网络 故障概率
在线阅读 下载PDF
基于Spiking神经网络的光伏系统发电功率预测 被引量:10
20
作者 陈通 孙国强 +3 位作者 卫志农 李慧杰 CHEUNG KWOK W 孙永辉 《电力系统及其自动化学报》 CSCD 北大核心 2017年第6期7-12,44,共7页
为了提高光伏系统发电功率预测的精度,本文提出一种基于Spiking神经网络(SNN)的预测模型。该神经网络采用精确脉冲时间的编码方式,更接近真实的生物神经系统,具有强大的计算能力。考虑季节类型、天气类型和大气温度等主要影响因素,该模... 为了提高光伏系统发电功率预测的精度,本文提出一种基于Spiking神经网络(SNN)的预测模型。该神经网络采用精确脉冲时间的编码方式,更接近真实的生物神经系统,具有强大的计算能力。考虑季节类型、天气类型和大气温度等主要影响因素,该模型采用灰色关联分析法选取相似日。本文应用实际光伏发电系统的数据分别对基于SNN、BP人工神经网络(BP-ANN)和支持向量机(SVM)的预测模型进行测试和评估。预测结果表明:SNN预测模型相比于BP-ANN和SVM模型有较高的预测精度和较强的适用性,可以为光伏系统发电功率预测提供一种可行方法。 展开更多
关键词 光伏系统 spiking神经网络 SpikeProp算法 相似日选择算法 发电功率预测
在线阅读 下载PDF
上一页 1 2 43 下一页 到第
使用帮助 返回顶部