期刊文献+
共找到6篇文章
< 1 >
每页显示 20 50 100
基于神经网络块的混合型方案设计知识库系统 被引量:6
1
作者 钟佩思 高国安 《机械设计》 CSCD 北大核心 1999年第5期1-2,41,共3页
文中详细描述了神经网络块的功能结构,提出了基于神经网络块的混合型专家系统结构框架,阐述了各个模块的基本功能,并成功地将其应用于复杂产品方案设计智能决策支持系统知识库的研制中。
关键词 混合型 专家系统 方案设计 知识库 神经网络块
在线阅读 下载PDF
改进深度学习块卷积神经网络的人脸表情识别 被引量:11
2
作者 何永强 秦勤 王俊鹏 《计算机工程与设计》 北大核心 2019年第3期850-855,共6页
设计一种改进的块卷积神经网络架构,并结合主动形状模型和局部二元模式映射实现人脸表情识别。采用主动形状模型定位人脸关键点,实现人脸姿态校正和感兴趣区域抽取;对校正后的图像进行局部二元模式映射,降低光照干扰;设计改进的卷积神... 设计一种改进的块卷积神经网络架构,并结合主动形状模型和局部二元模式映射实现人脸表情识别。采用主动形状模型定位人脸关键点,实现人脸姿态校正和感兴趣区域抽取;对校正后的图像进行局部二元模式映射,降低光照干扰;设计改进的卷积神经网络架构,对局部二元模式图像和感兴趣区域两个输入项进行学习和训练,建立分类器并实现人脸表情分类。人脸表情识别实验结果表明,该方法识别率高,运算效率较高。 展开更多
关键词 人脸表情识别 卷积神经网络 主动形状模型 局部二元模式 感兴趣区域池化
在线阅读 下载PDF
高校科研能力的协同IWD粗糙集-块神经网络评估模型 被引量:3
3
作者 刘春霞 田芸 《计算机工程与科学》 CSCD 北大核心 2016年第3期486-493,共8页
针对高校科研能力评估过程中存在的多因素、高非线性特点,经典评估模型主观性较强,导致模型评估准确性不高的问题,提出基于协同智能水滴算法IWD和粗糙集块神经网络RBNN的高校科研能力评估模型。首先,引入智能水滴算法,并针对传统智能水... 针对高校科研能力评估过程中存在的多因素、高非线性特点,经典评估模型主观性较强,导致模型评估准确性不高的问题,提出基于协同智能水滴算法IWD和粗糙集块神经网络RBNN的高校科研能力评估模型。首先,引入智能水滴算法,并针对传统智能水滴算法固定旁域搜索范围不利于提升算法搜索效率的问题,提出一种局部空间自动缩放算法LSAS,该算法根据当前种群最优个体,自动调整下一步搜索空间大小,对进化过程进行指导,提高算法的进化效率;其次,基于粗糙集理论对高校科研能力数据进行特征预处理,简化数据计算量;最后,对块神经网络和粗糙集参数进行编码,并对高校科研能力模型进行评估。仿真结果表明,此评估模型具有较高的准确性和较快的计算效率。 展开更多
关键词 智能水滴 神经网络 粗糙集 高校科研能力 协同计算
在线阅读 下载PDF
融合注意力机制和卷积神经网络的电网暂态电压稳定评估及可解释性分析 被引量:2
4
作者 张哲 秦博宇 +2 位作者 高鑫 丁涛 张逸兴 《电网技术》 EI CSCD 北大核心 2024年第11期4648-4657,I0057,I0056,共12页
提升复杂多变运行场景下电网稳定评估的时效性和准确性,提出一种融合注意力机制和卷积神经网络(convolutional neural network,CNN)的暂态电压稳定评估及可解释性分析方法。首先,采用卷积块注意力模块(convolutional block attention mo... 提升复杂多变运行场景下电网稳定评估的时效性和准确性,提出一种融合注意力机制和卷积神经网络(convolutional neural network,CNN)的暂态电压稳定评估及可解释性分析方法。首先,采用卷积块注意力模块(convolutional block attention module,CB AM)提升传统CNN的特征捕获能力,考虑模型特性和网络结构设计CBAMCNN组合模块。其次,建立基于CBAM-CNN的电网暂态电压稳定评估模型,揭示运行工况多变场景下系统关键电气量和稳定状态之间的映射关系。最后,基于沙普利值加性解释(Shapley additive explanations,SHAP)理论提出数据驱动模型评估结果的可解释性分析框架,提炼影响样本稳定状态的主导特征,评估各输入特征量对模型输出结果的贡献程度。在典型受端电网仿真系统中验证了所提稳定评估方法的准确性和可解释性分析方法的有效性。 展开更多
关键词 卷积注意力模-卷积神经网络 暂态电压稳定评估 沙普利值加性解释理论 可解释性分析
在线阅读 下载PDF
高斯和声粗糙集BNN光纤管道泄漏监测 被引量:1
5
作者 杨兴越 刘庆红 赵凯 《计算机工程与设计》 北大核心 2016年第9期2559-2564,共6页
为解决长距离管道泄漏监测中干扰多,传统识别算法精度不高的问题,提出一种基于高斯改进和声搜索算法的粗糙集块神经网络。提出一种高斯改进和声搜索算法,利用高斯分布特性对其即兴创作过程进行改进,给出理论分析,保证改进算法的收敛性;... 为解决长距离管道泄漏监测中干扰多,传统识别算法精度不高的问题,提出一种基于高斯改进和声搜索算法的粗糙集块神经网络。提出一种高斯改进和声搜索算法,利用高斯分布特性对其即兴创作过程进行改进,给出理论分析,保证改进算法的收敛性;利用粗糙集进行采集信号的特征提取预处理,使之适合神经网络处理,简化数据计算量;对粗糙集参数和块神经网络(block neural network,BNN)参数进行编码,利用改进和声搜索算法和实测数据对监控模型进行处理。仿真结果表明,该监控模型可有效对泄漏信号进行识别,精度高,满足实际需要。 展开更多
关键词 高斯 和声搜索 粗糙集 神经网络 分布式光纤 油气管道 泄漏监测
在线阅读 下载PDF
Design of motion control system of pipeline detection AUV 被引量:2
6
作者 JIANG Chun-meng WAN Lei SUN Yu-shan 《Journal of Central South University》 SCIE EI CAS CSCD 2017年第3期637-646,共10页
A great number of pipelines in China are in unsatisfactory condition and faced with problems of corrosion and cracking,but there are very few approaches for underwater pipeline detection.Pipeline detection autonomous ... A great number of pipelines in China are in unsatisfactory condition and faced with problems of corrosion and cracking,but there are very few approaches for underwater pipeline detection.Pipeline detection autonomous underwater vehicle(PDAUV) is hereby designed to solve these problems when working with advanced optical,acoustical and electrical sensors for underwater pipeline detection.PDAUV is a test bed that not only examines the logical rationality of the program,effectiveness of the hardware architecture,accuracy of the software interface protocol as well as the reliability and stability of the control system but also verifies the effectiveness of the control system in tank experiments and sea trials.The motion control system of PDAUV,including both the hardware and software architectures,is introduced in this work.The software module and information flow of the motion control system of PDAUV and a novel neural network-based control(NNC) are also covered.Besides,a real-time identification method based on neural network is used to realize system identification.The tank experiments and sea trials are carried out to verify the feasibility and capability of PDAUV control system to complete underwater pipeline detection task. 展开更多
关键词 pipeline detection autonomous underwater vehicle (PDAUV) novel neural network-based control motion controlsystem embedded system architecture system identification
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部