期刊文献+
共找到5篇文章
< 1 >
每页显示 20 50 100
基于GHS泛函神经网络散杂货港口生产力评估 被引量:1
1
作者 饶逸飞 陈东旭 《控制工程》 CSCD 北大核心 2019年第7期1308-1314,共7页
为提高散杂货港口生产力评估的有效性,提出一种基于高斯和声算法(GHS)优化功能链接模糊神经网络的散杂货港口生产力评估方法.首先,根据评价指标的可操作属性,对模型指标的覆盖全面性进行设计,并结合实际属性对数据采集处理过程进行分析... 为提高散杂货港口生产力评估的有效性,提出一种基于高斯和声算法(GHS)优化功能链接模糊神经网络的散杂货港口生产力评估方法.首先,根据评价指标的可操作属性,对模型指标的覆盖全面性进行设计,并结合实际属性对数据采集处理过程进行分析,实现对散杂货港口生产力评估的指标选取;其次,利用泛函链接神经网络进行散杂货港口生产力评估模型的设计,并将其作为网络输出进行网络模型的模糊规则设计,实现了散杂货港口生产力评估模型的构建;最后,通过仿真实验,该模型的实际与期望输出之间的拟合程度非常接近,可实现 95 %以上的样本数据的识别效率,可以满足真实散杂货港口散杂货生产力评估的精度要求. 展开更多
关键词 和声搜索算法 泛函神经网络 散杂货港 生产力评估
在线阅读 下载PDF
基于布谷鸟搜索神经网络的微波加热温度预测模型 被引量:7
2
作者 许磊 赵友金 《重庆大学学报(自然科学版)》 EI CAS CSCD 北大核心 2017年第3期76-87,共12页
微波加热是一种与被加热物直接相互作用的选择性加热方式,具有清洁、节能、减排等特点。针对工业物料作为微波加热负载时,其温度非线性变化的特点,以微波工业加热过程中的多维、海量参数为研究对象,基于泛函接神经网络模型提取样本数据... 微波加热是一种与被加热物直接相互作用的选择性加热方式,具有清洁、节能、减排等特点。针对工业物料作为微波加热负载时,其温度非线性变化的特点,以微波工业加热过程中的多维、海量参数为研究对象,基于泛函接神经网络模型提取样本数据的深度特征,提出了一种基于布谷鸟搜索算法,优化BP神经网络的网络参数,建立了以"数据驱动"为手段微波加热工业物料温度模型。仿真实验结果证明了所提出模型的准确性、实时性。 展开更多
关键词 微波工业加热 温度预测 泛函连接神经网络 布谷鸟搜索算法 BP神经网络
在线阅读 下载PDF
基于神经网络的线性相位FIR滤波器设计 被引量:3
3
作者 魏辉如 崔琛 王粒宾 《计算机工程与应用》 CSCD 北大核心 2009年第23期82-84,共3页
针对FIR滤波器的神经网络设计法,提出一种泛函连接人工神经网络的改进算法。通过设置不同的加权误差函数值来控制各个样本的学习率,改善了网络的学习效果;制定了神经网络训练集的选取规则,使用该规则选取样本对网络进行训练,可设计通带... 针对FIR滤波器的神经网络设计法,提出一种泛函连接人工神经网络的改进算法。通过设置不同的加权误差函数值来控制各个样本的学习率,改善了网络的学习效果;制定了神经网络训练集的选取规则,使用该规则选取样本对网络进行训练,可设计通带阻带截止频率指标精确可控的滤波器,克服了现有算法只能设计具有通带截止频率的滤波器和不能精确控制任意截止频率的不足。仿真结果表明所提出的方法能很好地满足设计要求。 展开更多
关键词 泛函连接人工神经网络 加权误差函数 训练集选取规则 FIR滤波器
在线阅读 下载PDF
基于泛函连接网络和差分进化算法的后非线性混叠信号盲分离方法 被引量:1
4
作者 高鹰 谢胜利 《电子与信息学报》 EI CSCD 北大核心 2006年第1期50-54,共5页
把后非线性混叠信号盲分离的分离系统用泛函连接网络来建模,对分离系统的输出应用高阶统计量独立性准 则作为测度,然后利用差分进化算法对泛函连接网络的权值进行学习,从而获得了一种后非线性混叠信号盲分离算法。 由于泛函连接网络是... 把后非线性混叠信号盲分离的分离系统用泛函连接网络来建模,对分离系统的输出应用高阶统计量独立性准 则作为测度,然后利用差分进化算法对泛函连接网络的权值进行学习,从而获得了一种后非线性混叠信号盲分离算法。 由于泛函连接网络是一种单层神经网络,具有学习参数少、收敛速度快和非线性逼近能力强的特点;而差分进化算法 控制参数少、易于选择、具有全局寻优能力和快速的收敛特性;因而与其它的后非线性混叠信号盲分离方法相比,该 文提出的分离算法具有计算简单、收敛速度快、较高的精度和稳定性好的特点。仿真结果显示了这种方法是可行和有 效的。 展开更多
关键词 盲信号分离 后非线性混叠 泛函人工神经网络 差分进化算法
在线阅读 下载PDF
FFNN优化GHS的电子元件固有参数预测
5
作者 高俊 《电工技术学报》 EI CSCD 北大核心 2015年第S1期86-92,共7页
针对电子元器件固有参数信号检测评估过程中算法效率和预测精度低下的问题,利用高斯和声搜索方法(GHS)实现对泛函模糊神经网络(FFNN)结构的优化,从而进一步实现电子器件参数的高精度预测。首先,基于泛函网络链接的概念,对模糊神经网络... 针对电子元器件固有参数信号检测评估过程中算法效率和预测精度低下的问题,利用高斯和声搜索方法(GHS)实现对泛函模糊神经网络(FFNN)结构的优化,从而进一步实现电子器件参数的高精度预测。首先,基于泛函网络链接的概念,对模糊神经网络的输出规则进行改进,组合实现了FFNN网络结构,提高了网络预测性能;其次,通过理论分析推导方式,设计了高斯和声搜索机制(GHS),并设计了FFNN网络的GHS编码方式,实现了电子器件参数的GHS-FFNN网络预测;最后,通过实验对比,显示基于GHS-FFNN网络的电子器件参数预测精度更高,算法性能更优。 展开更多
关键词 泛函模糊神经网络 和声搜索 电子器件 信号分析
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部