期刊文献+
共找到83篇文章
< 1 2 5 >
每页显示 20 50 100
神经网络优化算法在语音识别技术中的应用
1
作者 骞正坤 《数字技术与应用》 2024年第11期121-123,共3页
随着智能设备的广泛应用,实时、准确的语音识别需求随文增加,这也推动了神经网络优化算法在语音识别领域的应用。神经网络优化算法能够有效提高语音识别系统的准确性和效率。然而,优化算法本身面临训练数据的质量和数量问题、算法复杂... 随着智能设备的广泛应用,实时、准确的语音识别需求随文增加,这也推动了神经网络优化算法在语音识别领域的应用。神经网络优化算法能够有效提高语音识别系统的准确性和效率。然而,优化算法本身面临训练数据的质量和数量问题、算法复杂度及计算资源需求等诸多挑战,问题的存在严重制约了语音识别技术的优化和应用。因此,本文就神经网络优化算法在语音识别技术中的应用进行深入探讨,以期为提升语音识别技术的性能和应用广度提供参考。 展开更多
关键词 语音识别技术 智能设备 语音识别系统 训练数据 算法复杂度 神经网络优化算法 计算资源
在线阅读 下载PDF
基于L-M神经网络优化算法的池塘水色判别系统的初步建立 被引量:3
2
作者 王海英 曹晶 +2 位作者 谢骏 王广军 胡朝莹 《渔业现代化》 北大核心 2010年第5期19-21,37,共4页
为了将水产养殖水色判别传统技术经验转化为可以量化的数字技术,采用基于L-M神经网络优化算法和计算机图像处理技术的方法,建立了一个水色判别的水产养殖专家系统。通过实例预测,该系统判别误差率<1%。该系统训练后的神经网络模型,... 为了将水产养殖水色判别传统技术经验转化为可以量化的数字技术,采用基于L-M神经网络优化算法和计算机图像处理技术的方法,建立了一个水色判别的水产养殖专家系统。通过实例预测,该系统判别误差率<1%。该系统训练后的神经网络模型,能实现对养殖池塘水质的预测。系统的开发和使用对实现水产健康养殖、智能控制和计算机管理具有一定实用价值. 展开更多
关键词 水色图像 图像特征值 L-M神经网络优化算法 水质预测
在线阅读 下载PDF
用BP神经网络优化油井水泥纤维增韧剂的组成
3
作者 华苏东 姚晓 《天然气工业》 EI CAS CSCD 北大核心 2005年第7期72-74,共3页
掺有混杂短纤维的油井水泥增韧剂能够明显改善油井水泥石固有的脆性,大幅度地提高水泥环的韧性。文章通过BP神经网络对实验数据进行学习预测,优化了混杂短纤维在油井水泥增韧剂中的组成,提高了选材的准确性,为纤维增韧剂的选择和应用提... 掺有混杂短纤维的油井水泥增韧剂能够明显改善油井水泥石固有的脆性,大幅度地提高水泥环的韧性。文章通过BP神经网络对实验数据进行学习预测,优化了混杂短纤维在油井水泥增韧剂中的组成,提高了选材的准确性,为纤维增韧剂的选择和应用提供了一定的理论依据。通过与回归分析方法进行比较,证明了神经网络预测更准确。 展开更多
关键词 油井水泥 增韧剂 神经网络优化 组成 BP神经网络 回归分析方法 神经网络预测 实验数据 短纤维 水泥石 水泥环 大幅度 准确性 混杂
在线阅读 下载PDF
基于人工神经网络优化算法的故障诊断 被引量:4
4
作者 姚秀萍 李文选 +1 位作者 袁泮泉 王志腾 《煤矿机械》 北大核心 2011年第4期257-259,共3页
应用神经网络优化算法,进行网络参数优化计算。为了考察神经网络的优化算法,对实验室的转子模型进行了振动测试,获取其振动信号,将信号经分析仪分析,获取不同测点的动态信息及其参数分布规律,用神经网络优化算法进行故障诊断分析。
关键词 神经网络优化算法 转子模型 振动信号
在线阅读 下载PDF
基于神经网络优化模型的网络通信异常检测
5
作者 洪彦 《佳木斯大学学报(自然科学版)》 CAS 2022年第5期47-50,共4页
为了提高网络通信异常检测水平,以流量异常问题为例,提出基于神经网络优化模型的网络通信异常检测研究。该模型建立在遗传算法基础上,对生成的初始种群采取优化、交叉、变异等一系列处理,以此优化模型中阈值、权值,通过计算误差,决定是... 为了提高网络通信异常检测水平,以流量异常问题为例,提出基于神经网络优化模型的网络通信异常检测研究。该模型建立在遗传算法基础上,对生成的初始种群采取优化、交叉、变异等一系列处理,以此优化模型中阈值、权值,通过计算误差,决定是否继续优化阈值、权值,直至达到终止条件。实验测试结果显示,改检测算法较BP神经网络模型检测算法的检测精确度有了很大的提升,6种异常流量测试精确度皆不低于92.4%。 展开更多
关键词 神经网络优化模型 网络通信 异常流量
在线阅读 下载PDF
基于优化BP神经网络的电力负荷概率密度预测 被引量:2
6
作者 苏世杰 杨雷 +2 位作者 李俊楠 申志刚 田凯 《电子设计工程》 2024年第22期124-127,132,共5页
电力负荷类型多样且具有较大的不确定性,使得电力负荷预测变得更加复杂,因此提出基于优化BP神经网络的电力负荷概率密度预测。采用EMD算法去除历史电力负荷数据中的噪声数据。通过LASSO分位数回归算法分析电力负荷与外界因素之间的关系... 电力负荷类型多样且具有较大的不确定性,使得电力负荷预测变得更加复杂,因此提出基于优化BP神经网络的电力负荷概率密度预测。采用EMD算法去除历史电力负荷数据中的噪声数据。通过LASSO分位数回归算法分析电力负荷与外界因素之间的关系,得到电力负荷条件分位数。搭建用于电力负荷概率密度预测的优化BP神经网络,将电力负荷条件分位数作为输入,通过循环迭代处理,获得电力负荷概率密度预测结果。实验结果显示,在夏、秋两季所提方法获得的电力负荷概率密度预测结果与实际结果相同,证明所提方法的预测精度较高。 展开更多
关键词 智能电网 优化BP神经网络 概率密度预测 条件分位数 电力负荷
在线阅读 下载PDF
基于小波分析和PSO优化神经网络的短期风电功率预测 被引量:12
7
作者 叶小岭 刘波 +1 位作者 邓华 肖寅 《可再生能源》 CAS 北大核心 2014年第10期1486-1492,共7页
针对风电场风速和风电功率序列起伏波动大、无明显变化规律等特点以及传统神经网络收敛速度慢、易陷入局部极小值等缺陷,提出了基于小波分析和改进粒子群算法优化神经网络的短期风电功率预测方法。首先,通过小波方法将用于神经网络训练... 针对风电场风速和风电功率序列起伏波动大、无明显变化规律等特点以及传统神经网络收敛速度慢、易陷入局部极小值等缺陷,提出了基于小波分析和改进粒子群算法优化神经网络的短期风电功率预测方法。首先,通过小波方法将用于神经网络训练的历史风速和风电功率序列进行分解,再针对风速和风电功率的各个分量分别建立相应的神经网络模型,采用分期变异粒子群算法对各个分量的神经网络学习算法进行优化,最后将各个分量的预测值进行小波重构得到风电功率预测结果。江苏如东某风电场风电机组的实验结果证明预测精度较传统神经网络方法有较大提高,验证了所提出方法的有效性。 展开更多
关键词 小波分析 改进粒子群算法 神经网络优化 短期风电功率预测
在线阅读 下载PDF
风味蛋白酶水解合浦珠母贝肉制备抗菌肽人工神经网络法优化工艺 被引量:9
8
作者 吴燕燕 宫晓静 +1 位作者 李来好 杨贤庆 《食品科学》 EI CAS CSCD 北大核心 2011年第20期63-68,共6页
利用具有自学习特点的人工神经网络可实现对酶解过程的模拟仿真,研究从合浦珠母贝肉中制备抗菌肽的最佳工艺条件。采用3层(5-9-3)人工神经网络法对风味蛋白酶水解合浦珠母贝肉的工艺过程进行模拟和优化,并通过管碟抑菌法对产物的抑菌性... 利用具有自学习特点的人工神经网络可实现对酶解过程的模拟仿真,研究从合浦珠母贝肉中制备抗菌肽的最佳工艺条件。采用3层(5-9-3)人工神经网络法对风味蛋白酶水解合浦珠母贝肉的工艺过程进行模拟和优化,并通过管碟抑菌法对产物的抑菌性质进行分析。结果表明:pH7.0、水解温度55℃、酶添加量1.6%、水解时间4h、料液比7:5,制备得到肽A,抑制鼠伤寒沙门氏菌最强,抑菌圈直径14.20mm,平均肽链长度2.6;pH7.0、水解温度55℃、酶添加量1.7%、水解时间4h、料液比3:2,制备得到肽B,抑制痢疾志贺氏菌最强,抑菌圈直径23.42mm,平均肽链长度2.8;pH6.5、水解温度60℃、酶添加量2.5%、水解时间4h、料液比7:5,制备得到肽C,对单核细胞增生李斯特菌的抑制效果最强,抑菌圈直径16.60mm,平均肽链长度2.5。3种抗菌肽对大肠杆菌、金黄色葡萄球菌也具有较强的抑菌效果,抑菌率为74.3%~80.8%。本研究利用人工神经网络优化制备的贝肉抗菌肽克服了纯度低、提取率低等缺点,为合浦珠母贝肉抗菌肽的开发利用提供技术支撑。 展开更多
关键词 合浦珠母贝肉 抗菌肽 制备 人工神经网络优化
在线阅读 下载PDF
协同神经网络中参数的优化 被引量:6
9
作者 王海龙 戚飞虎 任庆生 《红外与毫米波学报》 SCIE EI CAS CSCD 北大核心 2001年第3期215-218,共4页
提出了一种基于遗传算法的协同神经网络中参数的优化算法 ,该算法利用遗传算法的全局最优搜索能力 ,在协同神经网络的参数空间搜索最优解 .对从“车牌识别系统”中采集得到的数字样本进行的测试表明 :优化算法能有效提高协同神经网络的... 提出了一种基于遗传算法的协同神经网络中参数的优化算法 ,该算法利用遗传算法的全局最优搜索能力 ,在协同神经网络的参数空间搜索最优解 .对从“车牌识别系统”中采集得到的数字样本进行的测试表明 :优化算法能有效提高协同神经网络的识别性能 ,使识别率达到了较为实用的水平 (98.4% ) .另外 ,还对协同神经网络中各个参数在识别过程中的作用进行了讨论 . 展开更多
关键词 协同神经网络 神经网络优化 遗传算法 目标识别
在线阅读 下载PDF
基于损失函数优化神经网络模型的面罩遮挡人脸识别算法
10
作者 张立辉 《工矿自动化》 CSCD 北大核心 2024年第S01期15-20,共6页
矿井人脸信息识别是矿井人员管理、安全生产的重要环节和保障措施,但矿井的特殊环境可能会出现面部遮挡或不清等情况,尤其是在煤矿井下多粉尘等区域,面罩往往被普遍使用,这些都会增加人脸识别的难度。为了能够对面罩遮挡状态下的人脸图... 矿井人脸信息识别是矿井人员管理、安全生产的重要环节和保障措施,但矿井的特殊环境可能会出现面部遮挡或不清等情况,尤其是在煤矿井下多粉尘等区域,面罩往往被普遍使用,这些都会增加人脸识别的难度。为了能够对面罩遮挡状态下的人脸图像进行准确识别,提出了一种基于损失函数优化神经网络模型的面罩遮挡人脸识别算法。通过基于人脸关键点检测的面罩遮挡人脸生成算法将常规人脸数据集扩充为面罩遮挡人脸数据集,缓解煤矿面罩遮挡人脸数据不足的问题。根据面罩遮挡人脸图像的特点使用损失函数进行模型训练,使用更优的损失函数代替三元组损失,同时添加注意力机制使模型更加关注于未被遮挡的区域,使模型能更好地提取面罩遮挡状态下的人脸特征。通过大量实验证明,基于损失函数优化神经网络模型的面罩遮挡人脸识别算法不仅在提取人脸特征时更加关注于未被面罩遮挡的上半部分区域,而且在面对噪声时有较强的鲁棒性,在MFR2数据集中采用该算法将原始网络的准确率由84.3%提高到了98.5%,相较于其他方法具有较高的识别准确率,能够在面罩遮挡状态下完成人脸识别任务。 展开更多
关键词 矿井人脸识别 面罩遮挡 优化神经网络 人脸关键点检测 特征融合
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
11
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Winograd算法的3D卷积神经网络权重剪枝方法
12
作者 邹贵 秦子然 +5 位作者 吴捷 刘国梁 赵军 王迎雪 林晖 林巍峣 《长江信息通信》 2024年第8期1-3,17,共4页
针对3D卷积神经网络在资源有限的环境下高计算成本的挑战,文章提出了一种融合Winograd算法和网络剪枝技术的3D卷积神经网络优化方法。首先,将标准3D卷积层替换为效率更高的3D Winograd层,实现对卷积操作的优化。接着,对3D Winograd层的... 针对3D卷积神经网络在资源有限的环境下高计算成本的挑战,文章提出了一种融合Winograd算法和网络剪枝技术的3D卷积神经网络优化方法。首先,将标准3D卷积层替换为效率更高的3D Winograd层,实现对卷积操作的优化。接着,对3D Winograd层的权重进行重要性评估,保留重要的权重单元并剪枝获得稀疏模型。最后,对稀疏模型进行重训练,恢复剪枝后网络的性能。通过结合Winograd算法和网络剪枝技术,能够在提高识别准确度的同时,显著降低了模型的计算需求。实验结果证实,与其他优化技术相比,本方法能有效减少计算资源消耗,同时保持甚至提高识别性能。 展开更多
关键词 3D卷积神经网络优化 Winograd算法 网络剪枝
在线阅读 下载PDF
应用感知的深度神经网络剪枝方法
13
作者 白学营 陈维常 +1 位作者 徐菲 胡健伟 《宇航总体技术》 2024年第5期64-73,共10页
神经网络模型面临着参数过多、计算负载高和内存开销迅速增长等问题。为了满足各种应用场景和设备的多样性,有必要针对特定应用优化神经网络模型。鉴于此,提出了一种基于应用类别感知的深度神经网络剪枝方法,该方法分析了在卷积神经网... 神经网络模型面临着参数过多、计算负载高和内存开销迅速增长等问题。为了满足各种应用场景和设备的多样性,有必要针对特定应用优化神经网络模型。鉴于此,提出了一种基于应用类别感知的深度神经网络剪枝方法,该方法分析了在卷积神经网络前向传播过程中,不同滤波器在提取类别特征方面的不同作用。获得了滤波器的重要性及与应用类别之间的关系,针对特定应用中的不同目标类别进行了定制化的剪枝优化,并通过PyTorch深度学习框架进行了设计和实现。实验结果表明,所提出的基于应用感知的神经网络优化方法能够有效地优化卷积神经网络。 展开更多
关键词 卷积神经网络 神经网络优化 应用感知 滤波器剪枝 知识蒸馏
在线阅读 下载PDF
基于遗传算法优化BP神经网络的数字图像土壤含水量反演研究 被引量:4
14
作者 张雨露 晋华 +3 位作者 高文文 郭磊 闵雅欣 何宇琛 《节水灌溉》 北大核心 2022年第12期74-80,91,共8页
快速准确地测量土壤含水量在农业、水文、生态等领域的应用至关重要,数字图像技术测量土壤含水量因其具有廉价、快速和不破坏土体的优势成为研究的热点。基于手机相机获取的数字图像,提取了R、G、B、H、S、V和DN 7种图像特征参数,并利... 快速准确地测量土壤含水量在农业、水文、生态等领域的应用至关重要,数字图像技术测量土壤含水量因其具有廉价、快速和不破坏土体的优势成为研究的热点。基于手机相机获取的数字图像,提取了R、G、B、H、S、V和DN 7种图像特征参数,并利用与土壤含水量相关性较大的图像特征参数R、V和DN构建了BP神经网络和遗传算法优化的BP神经网络土壤含水量反演模型,来获取高精度的土壤含水量数值。结果显示:将BP神经网络和遗传算法用于数字图像技术,均可提高数字图像技术测量土壤含水量的精度,其中BP神经网络土壤含水量反演模型的决定系数(R^(2))可达到0.940~0.972,均方根误差(RMSE)为0.936%~1.694%;遗传算法优化的BP神经网络土壤含水量反演模型的R^(2)可达到0.976~0.993,RMSE为0.559%~0.878%,遗传算法优化的BP神经网络模型用于数字图像技术反演土壤含水量的R^(2)更接近1,RMSE更小,精度更高。同类型研究中提出的多元线性模型的R^(2)介于0.60和0.96,RMSE介于1.11%和7.00%,与其相比,研究模型的预测精度和稳定性更高,这些结果展示了BP神经网络和遗传算法在数字图像技术测土壤含水量的应用优势。此外,研究表明手机相机获取的数字图像经过处理后可用于室内条件下预测表层土壤含水量,后续研究还需在室外深层土壤中展开,以扩展研究模型的适用性。 展开更多
关键词 BP神经网络优化 遗传算法 数字图像 土壤含水量 反演模型 手机相机 图像特征参数
在线阅读 下载PDF
基于优化BP神经网络的PID控制研究与仿真 被引量:16
15
作者 胡志军 王建国 王鸿斌 《微电子学与计算机》 CSCD 北大核心 2006年第12期138-140,共3页
PID控制要取得较好的控制效果,就必须通过调整好比例、积分和微分三种控制作用,形成控制量中既相互配合又相互制约的关系。优化BP神经网络是一种前向神经元网络,具有学习速率快、振荡小、精度高的优点,将其隐含层单元分别作为比例(P)、... PID控制要取得较好的控制效果,就必须通过调整好比例、积分和微分三种控制作用,形成控制量中既相互配合又相互制约的关系。优化BP神经网络是一种前向神经元网络,具有学习速率快、振荡小、精度高的优点,将其隐含层单元分别作为比例(P)、积分(I)、微分(D)单元,可以建立参数自学习的PID控制器。仿真结果表明基于优化BP神经网络的PID控制器具有较好的自学习和自适应性。 展开更多
关键词 PID控制 优化BP神经网络 参数调整
在线阅读 下载PDF
基于大数据和优化神经网络短期电力负荷预测 被引量:39
16
作者 金鑫 李龙威 +3 位作者 季佳男 李祉歧 胡宇 赵永彬 《通信学报》 EI CSCD 北大核心 2016年第S1期36-42,共7页
随着电力数据采集成本降低及大规模电网互联等因素,电网中可获取的数据类型日益丰富。以往的集中式预测方法对海量电力数据的分析能力有限。提出基于大数据和粒子群优化BP神经网络短期电力负荷预测,建立短期电力负荷预测模型。利用国家... 随着电力数据采集成本降低及大规模电网互联等因素,电网中可获取的数据类型日益丰富。以往的集中式预测方法对海量电力数据的分析能力有限。提出基于大数据和粒子群优化BP神经网络短期电力负荷预测,建立短期电力负荷预测模型。利用国家电网的实际负荷数据,采用所提方法进行预测,与实际负荷数据及集中式负荷预测结果进行比较,结果证明,所提方法预测精度较高,降低了负荷预测时间,在实际应用中具有可行性。 展开更多
关键词 电力大数据 粒子群算法 并行PSO优化神经网络 电力负荷预测 电力负荷影响因素
在线阅读 下载PDF
大坝安全诊断的混沌优化神经网络模型 被引量:10
17
作者 曹茂森 邱秀梅 夏宁 《岩土力学》 EI CAS CSCD 北大核心 2006年第8期1344-1348,共5页
为了提高大坝变形的预测精度,采用小波变换和分形理论对大坝位移观测数据的非线性动力学特性进行了分析,揭示了其具有低维混沌动力特性,这为大坝变形预测模型的建立提供了理论依据和先验知识。基于低维混沌动力特性,设计了能捕获大坝位... 为了提高大坝变形的预测精度,采用小波变换和分形理论对大坝位移观测数据的非线性动力学特性进行了分析,揭示了其具有低维混沌动力特性,这为大坝变形预测模型的建立提供了理论依据和先验知识。基于低维混沌动力特性,设计了能捕获大坝位移观测数据全局动力特性,兼具神经网络模型结构优化和动力机制时新的混沌优化神经网络大坝变形预测模型。在工程实例中,由多个度量指标组成量化评价体系,对模型预测性能进行综合评价,结果表明,所建模型比传统BP神经网络和ARMA模型具有更高的预测精度。 展开更多
关键词 大坝位移 低维混沌 动力特性 小波变换 混沌优化神经网络
在线阅读 下载PDF
基于粒子群算法优化神经网络的电子音乐分类模型 被引量:10
18
作者 张晓娜 赵晶晶 《现代电子技术》 北大核心 2020年第9期101-104,108,共5页
针对基于神经网络算法构建的电子音乐分类模型容易陷入局部最小值问题,分类精准度低,提出基于粒子群算法优化神经网络的电子音乐分类模型。构建模型时需先收集多种类型原生态电子音乐数据,去噪处理收集到的电子音乐数据,分帧和端点检测... 针对基于神经网络算法构建的电子音乐分类模型容易陷入局部最小值问题,分类精准度低,提出基于粒子群算法优化神经网络的电子音乐分类模型。构建模型时需先收集多种类型原生态电子音乐数据,去噪处理收集到的电子音乐数据,分帧和端点检测去噪后的电子音乐,从检测到的有效电子音乐信号中提取电子音乐的时域、频域方差特征和短时能量特征,采用灰色关联分析方法确定三种特征对电子音乐分类的贡献,加权操作上述特征,将加权后的三种特征作为粒子群算法优化的神经网络输入部分,通过优化后的神经网络输出电子音乐分类结果。经过实验分析发现,该电子音乐分类模型对10种电子音乐类型的分类结果与实际电子音乐所属类别相同,分类精准度较高。 展开更多
关键词 电子音乐分类模型 神经网络优化 数据收集 特征提取 多特征融合 分类结果输出
在线阅读 下载PDF
灰色关联优化BP神经网络预测工作面瓦斯涌出量 被引量:15
19
作者 雷文杰 刘瑞涛 苏国韶 《矿业安全与环保》 北大核心 2013年第5期34-37,41,共5页
根据义马中部井田瓦斯地质规律,选取埋深、开采强度、开采顺序和煤层厚度作为自变量,瓦斯涌出量为目标量,构建自变量矩阵和参考序列,进行瓦斯涌出量影响因素灰色关联度分析;由于各瓦斯地质影响因素与瓦斯涌出量的高度非线性关系,将各影... 根据义马中部井田瓦斯地质规律,选取埋深、开采强度、开采顺序和煤层厚度作为自变量,瓦斯涌出量为目标量,构建自变量矩阵和参考序列,进行瓦斯涌出量影响因素灰色关联度分析;由于各瓦斯地质影响因素与瓦斯涌出量的高度非线性关系,将各影响因素进行归一化处理,建立优化神经网络预测瓦斯涌出量数值模型,样本训练收敛速度快,误差在0.12%以内,并用此模型对耿村井田深部煤层瓦斯涌出量进行了预测。 展开更多
关键词 瓦斯地质 多因素 灰色关联分析 优化神经网络 模型样本训练 瓦斯涌出量预测
在线阅读 下载PDF
PSO优化BP神经网络齿轮箱故障诊断 被引量:15
20
作者 张永超 李金才 赵录怀 《电子技术应用》 2019年第12期42-46,50,共6页
针对目前齿轮箱系统在利用神经网络故障诊断时存在正确识别率低和依靠经验选择参数的问题,提出了基于粒子群优化BP网络的齿轮箱故障诊断方法。简要介绍利用齿轮振动原理提取特征参数建立故障模型,该模型以齿轮箱特征向量为输入、故障类... 针对目前齿轮箱系统在利用神经网络故障诊断时存在正确识别率低和依靠经验选择参数的问题,提出了基于粒子群优化BP网络的齿轮箱故障诊断方法。简要介绍利用齿轮振动原理提取特征参数建立故障模型,该模型以齿轮箱特征向量为输入、故障类型为输出,详细分析了通过BP神经网络、概率神经网络和粒子群优化BP神经网络实现齿轮箱故障诊断。仿真结果表明,BP神经网络对齿轮箱故障诊断收敛速度慢,故障识别率为82%;概率神经网络的模型故障诊断识别率依据经验选取spread值决定,故障识别率最大为98%;粒子群优化后的BP神经网络故障诊断分类识别率为100%且自适应能力强。 展开更多
关键词 齿轮箱 故障诊断 粒子群优化神经网络 故障模型
在线阅读 下载PDF
上一页 1 2 5 下一页 到第
使用帮助 返回顶部