一种新颖的径向基函数(RBF)网络学习算法 被引量：32

1

作者 孙健 申瑞民 韩鹏 《计算机学报》 EI CSCD 北大核心 2003年第11期1562-1567,共6页

以提高RBF网络泛化能力为着眼点 ,提出了一种新型的网络结构自适应学习算法 .该算法采用衰减聚类半径的聚类算法来确定初始的隐层结构 ,然后通过调整包含样本类别信息的扩展聚类不纯度来修正隐层结构 ,直至满足所有扩展聚类不纯度均小... 以提高RBF网络泛化能力为着眼点 ,提出了一种新型的网络结构自适应学习算法 .该算法采用衰减聚类半径的聚类算法来确定初始的隐层结构 ,然后通过调整包含样本类别信息的扩展聚类不纯度来修正隐层结构 ,直至满足所有扩展聚类不纯度均小于等于不纯度均值以及所有扩展聚类方差均不超过方差均值这两个条件 .这样就确定了隐层的最终结构 .在确定隐层结构之后 ,采用反向传播算法来训练隐层与输出层之间的连接权重 .经双螺旋线问题仿真试验验证 ,该算法确实具有较强的泛化能力 . 展开更多

关键词 单隐层前馈神经网络 径向基函数 网络学习算法 机器学习 支持向量机

在线阅读 下载PDF 职称材料

边排序贝叶斯网络结构学习算法应用于基因调控网络构建 被引量：1

2

作者 刘昱昊 刘桂霞 +3 位作者 苏兰莹 郑山红 王晗 周春光 《吉林大学学报（理学版）》 CAS CSCD 北大核心 2010年第4期624-630,共7页

提出一种基于多数据源融合思想的贝叶斯网络结构学习算法.该方法在现有贝叶斯网络结构学习算法的基础上,进行网络结构再学习,能有效处理不同数据源无法简单合并的问题.实验结果表明:在现有基因芯片数据节点数过多但数据量过少的前提下,... 提出一种基于多数据源融合思想的贝叶斯网络结构学习算法.该方法在现有贝叶斯网络结构学习算法的基础上,进行网络结构再学习,能有效处理不同数据源无法简单合并的问题.实验结果表明:在现有基因芯片数据节点数过多但数据量过少的前提下,该算法能有效提高建网精度;基于酿酒酵母细胞周期对不同实验条件下的表达数据进行融合,可以将正确率提高约12%. 展开更多

关键词 基因调控网络 贝叶斯网络 边排序贝叶斯网络结构学习算法 多数据源融合

在线阅读 下载PDF 职称材料

网络表示学习算法的分析与验证 被引量：4

3

作者 王岩 唐杰 《中文信息学报》 CSCD 北大核心 2019年第2期97-104,共8页

网络表示学习算法是社交网络分析领域的一个热点问题。该文旨在研究现有的各种网络表示学习算法,并分析各类算法在不同结构的网络数据中的性能,对3大类别、共10种网络表示学习算法在8个网络上进行了网络节点的多标签分类以验证算法的性... 网络表示学习算法是社交网络分析领域的一个热点问题。该文旨在研究现有的各种网络表示学习算法,并分析各类算法在不同结构的网络数据中的性能,对3大类别、共10种网络表示学习算法在8个网络上进行了网络节点的多标签分类以验证算法的性能,以此来全面评价各类算法的效果、效率和应用范围。实验结果表明,DeepWalk这种流行的深度学习算法在各种类型的网络中有着稳定而较好的效果。而基于矩阵分解算法的应用,则受限于其较高的空间复杂度。 展开更多

关键词 网络表示学习算法 矩阵分解 深度学习模型

在线阅读 下载PDF 职称材料

基于网络表示学习的链路预测算法 被引量：3

4

作者 杨晓翠 宋甲秀 张曦煌 《计算机科学与探索》 CSCD 北大核心 2019年第5期812-821,共10页

网络是表达对象之间复杂联系的重要形式,广泛存在。而链路预测作为网络分析的重要方法,具有很大的研究意义和应用价值。传统的链路预测算法普遍是基于邻接矩阵的稀疏表示方案而设计,计算效率低且扩展性差。首先引入网络表示学习的概念,... 网络是表达对象之间复杂联系的重要形式,广泛存在。而链路预测作为网络分析的重要方法,具有很大的研究意义和应用价值。传统的链路预测算法普遍是基于邻接矩阵的稀疏表示方案而设计,计算效率低且扩展性差。首先引入网络表示学习的概念,创新性地提出基于几何布朗运动的随机游走算法GbmRw,然后进一步设计出网络表示学习算法GBMLA,实现更具区分能力与表达能力的网络表示,最后以节点表示向量的欧式距离来表征节点之间的相似性,从而预测其链路存在的可能性。不同领域的多个网络中进行反复实验的结果表明,该算法较之于基于原始网络设计的传统算法,预测效果得到了明显的提升,也进一步肯定了网络表示学习对于链路预测工作的重要意义。 展开更多

关键词 链路预测 几何布朗运动 随机游走算法 网络表示学习算法

在线阅读 下载PDF 职称材料

一种基于遗传算法的BP神经网络算法及其应用 被引量：62

5

作者 王崇骏 于汶滌 +1 位作者 陈兆乾 谢俊元 《南京大学学报（自然科学版）》 CAS CSCD 北大核心 2003年第5期459-466,共8页

主要分析了神经网络和遗传算法的特点和存在的一些缺陷,研究了遗传算法和BP神经网络学习算法相结合的相关技术,设计并实现了一个基于遗传算法的BP神经网络算法BP-GA,已应用于肺癌早期细胞病理诊断系统中.实验结果表明,该算法具有较强的... 主要分析了神经网络和遗传算法的特点和存在的一些缺陷,研究了遗传算法和BP神经网络学习算法相结合的相关技术,设计并实现了一个基于遗传算法的BP神经网络算法BP-GA,已应用于肺癌早期细胞病理诊断系统中.实验结果表明,该算法具有较强的收敛性和鲁棒性,其应用效果很好. 展开更多

关键词 遗传算法 BP神经网络学习算法 BP—GA算法 软计算 人工智能 收敛性 鲁棒性

在线阅读 下载PDF 职称材料

基于改进DQN强化学习算法的弹性光网络资源分配研究 被引量：3

6

作者 尚晓凯 韩龙龙 翟慧鹏 《光通信技术》 2023年第5期12-15,共4页

针对光网络资源分配中频谱资源利用率不高的问题,提出了一种改进的深度Q网络(DQN)强化学习算法。该算法基于ε-greedy策略,根据动作价值函数和状态价值函数的差异来设定损失函数,并不断调整ε值,以改变代理的探索率。通过这种方式,实现... 针对光网络资源分配中频谱资源利用率不高的问题,提出了一种改进的深度Q网络(DQN)强化学习算法。该算法基于ε-greedy策略,根据动作价值函数和状态价值函数的差异来设定损失函数,并不断调整ε值,以改变代理的探索率。通过这种方式,实现了最优的动作值函数,并较好地解决了路由与频谱分配问题。此外,采用了不同的经验池取样方法,以提高迭代训练的收敛速度。仿真结果表明:改进DQN强化学习算法不仅能够使弹性光网络训练模型快速收敛,当业务量为300 Erlang时,比DQN算法频谱资源利用率提高了10.09%,阻塞率降低了12.41%,平均访问时延减少了1.27 ms。 展开更多

关键词 弹性光网络 改进深度Q网络强化学习算法 资源分配

在线阅读 下载PDF 职称材料

基于K2算法的属性层级结构学习研究 被引量：1

7

作者 喻晓锋 马奕帆 +1 位作者 罗照盛 秦春影 《江西师范大学学报（自然科学版）》 CAS 北大核心 2021年第4期376-383,共8页

诊断测验所考察的属性之间往往存在某种层级关系,然而基于专家经验获得的属性层级关系易出现分歧或错误.该文将属性掌握模式作为输入,考察K2算法在不同阈值条件下学习得到属性层级结构的准确性.模拟研究和实证数据分析的结果表明:K2算... 诊断测验所考察的属性之间往往存在某种层级关系,然而基于专家经验获得的属性层级关系易出现分歧或错误.该文将属性掌握模式作为输入,考察K2算法在不同阈值条件下学习得到属性层级结构的准确性.模拟研究和实证数据分析的结果表明:K2算法对属性层级结构的学习有较高的成功率,并且K2算法对于4种基本层级结构有不同的敏感性,其中线性型和发散型对阈值的敏感性较低,而收敛型和无结构型对于阈值的敏感性较高. 展开更多

关键词 贝叶斯网络结构学习算法 属性层级结构 K2算法

在线阅读 下载PDF 职称材料

一种基于BP神经网络的车牌字符分类识别方法 被引量：21

8

作者 杨凡 赵建民 朱信忠 《计算机科学》 CSCD 北大核心 2005年第8期192-195,共4页

目前,车牌字符识别算法主要是基于模板匹配、特征匹配或神经网络的方法。本文根据车牌字符的特殊性,提出一种采用特征提取与BP神经网络学习算法相结合的分类识别技术,选取字符的粗网格特征作为字符的识别特征,以改进后的归一化字符原始... 目前,车牌字符识别算法主要是基于模板匹配、特征匹配或神经网络的方法。本文根据车牌字符的特殊性,提出一种采用特征提取与BP神经网络学习算法相结合的分类识别技术,选取字符的粗网格特征作为字符的识别特征,以改进后的归一化字符原始特征直接输入到BP神经网络分类器中进行车牌字符识别研究。对于易混淆和相似的字符、汉字笔划粘连、字符偏移现象等都提出了自己的解决方法。实验结果说明,本方法可大幅提高车牌识别系统的正确识别率和抗干扰能力。 展开更多

关键词 车牌识别 字符识别 BP神经网络 字符提取 BP神经网络分类器 车牌字符识别 字符分类 识别方法 网络学习算法 车牌识别系统

在线阅读 下载PDF 职称材料

优化模糊Petri网参数的一种混合智能算法 被引量：1

9

作者 靳文辉 葛洪伟 《计算机应用与软件》 CSCD 北大核心 2008年第9期252-254,共3页

确定模糊产生式规则的各项参数对模糊Petri网(FPN)的建立具有非常重要的意义,是目前研究热点之一。提出了一种充分结合量子粒子群优化算法QPSO(Quantum-behaved partide swarm optimization algorithm)和BP网络学习算法各自优点的混合... 确定模糊产生式规则的各项参数对模糊Petri网(FPN)的建立具有非常重要的意义,是目前研究热点之一。提出了一种充分结合量子粒子群优化算法QPSO(Quantum-behaved partide swarm optimization algorithm)和BP网络学习算法各自优点的混合智能算法HQBA,并将其引入到模糊Petri网的参数寻优过程。仿真实例表明,这种混合算法计算简单,收敛速度快,能够明显减少迭代次数,具有更好的全局收敛性能。由此训练出的参数正确率较高,所得的FPN具有很强的泛化能力和自适应性。 展开更多

关键词 模糊PETRI网 产生式规则 模糊推理 BP网络学习算法 量子粒子群优化算法

在线阅读 下载PDF 职称材料

基于前向神经网络的非线性平滑滤波器设计研究

10

作者 盛守照 王道波 黄向华 《中国空间科学技术》 EI CSCD 北大核心 2005年第2期22-25,33,共5页

文章阐述了基于前向神经网络的非线性平滑滤波器的设计问题,分析了上述平滑滤波器的存在性及其滤波误差方差的组成,给出了有限观测序列下网络学习的性能指标,由此提出了一种次优网络学习算法,它具有很好的抑制白噪声能力。

关键词 前向神经网络 平滑滤波器 非线性 设计研究 网络学习算法 设计问题 误差方差 性能指标 观测序列 存在性 白噪声

在线阅读 下载PDF 职称材料

层析成像的模糊-神经网络重建方法

11

作者 李海洋 张建中 徐初伟 《厦门大学学报（自然科学版）》 CAS CSCD 北大核心 2005年第3期330-332,共3页

考虑投影数据不足时,射线层析成像的离散重建算法难以取得较好效果的情况,利用模糊理论建立了表示物体衰减系数的连续函数,用神经网络学习算法确定该连续函数中的待定参数,提出了一种适于投影数据或投影方向不够时的CT图像重建算法.计... 考虑投影数据不足时,射线层析成像的离散重建算法难以取得较好效果的情况,利用模糊理论建立了表示物体衰减系数的连续函数,用神经网络学习算法确定该连续函数中的待定参数,提出了一种适于投影数据或投影方向不够时的CT图像重建算法.计算机仿真结果显示了该方法在投影数据严重缺少时的良好效果. 展开更多

关键词 层析成像 重建方法 神经网络 投影数据 图像重建算法 网络学习算法 连续函数 衰减系数 理论建立 仿真结果 投影方向 待定参数 计算机

在线阅读 下载PDF 职称材料

基于非参数因果网络的风险溢出分析及多因子预测 被引量：1

12

作者 王宗润 周玲 米允龙 《管理科学学报》 CSSCI CSCD 北大核心 2023年第4期1-19,共19页

风险溢出是系统性金融风险产生和演化的核心动因,因此,探究风险的溢出路径与强度至关重要.为了弥补传统方法在维度与参数上的局限,本文将非参数条件互信息检验与因果网络结构学习算法相结合,提出了一种新的非参数高维因果网络构建方法... 风险溢出是系统性金融风险产生和演化的核心动因,因此,探究风险的溢出路径与强度至关重要.为了弥补传统方法在维度与参数上的局限,本文将非参数条件互信息检验与因果网络结构学习算法相结合,提出了一种新的非参数高维因果网络构建方法来分析金融系统波动溢出的动态联动性和风险传递机制.此文在非线性合成数据集中验证了该方法的有效性和稳健性并根据因果拓扑关系构造最优预测子集对序列进行多因子预测.并将该模型应用于构建2013年1月至2019年12月期间全球81家能源公司日度股票收益的波动溢出网络,测量基本面与投资者两种维度的风险溢出强度动态变化并进行预测分析.此外,结合企业财务数据和宏观经济变量,考虑企业之间的业务异质性,探索风险溢出的决定因素.研究结果表明,1)能源产业链的上游以及高油价风险敞口的能源企业表现出较大的风险外溢效应和风险承受程度;2)除公司规模以外,企业资产收益率,边际收益等因素也影响溢出效应的强弱;3)能源公司的风险溢出在业务上存在很大差异,溢出驱动因素也有所不同,这对于在投资组合决策和监管政策设计等具有重要的参考价值;4)虽然因果预选信息选择策略结合非参数模型的短期预测效果要优于结合参数模型,但是随着预测步长的增加,参数模型的优势却更明显. 展开更多

关键词 因果网络 非参数因果网络结构学习算法 风险溢出 多因子预测

在线阅读 下载PDF 职称材料

LVQ聚类算法在爆炸物THz光谱识别中的应用 被引量：3

13

作者 赵晶晶 葛庆平 张存林 《计算机工程与应用》 CSCD 北大核心 2009年第18期239-241,244,共4页

运用THz光谱特性进行爆炸物的识别,是现代检测技术研究的一个热点。由于直接对原始数据进行聚类的识别率并不理想,首先对实验样本的THz频域光谱数据曲线进行二阶导数变换,得到了更能表现数据变化趋势和峰值的特征曲线,然后基于该特征曲... 运用THz光谱特性进行爆炸物的识别,是现代检测技术研究的一个热点。由于直接对原始数据进行聚类的识别率并不理想,首先对实验样本的THz频域光谱数据曲线进行二阶导数变换,得到了更能表现数据变化趋势和峰值的特征曲线,然后基于该特征曲线利用LVQ神经网络聚类算法,设计并用VC++6.0实现了THz光谱自动分类识别系统。分别对RDX、DNT、TNT、HMX四种爆炸物进行识别对比实验,运用原始数据训练出的分类器,识别率为96%,运用变换过后的特征数据训练出的LVQ分类器,识别率可以达到100%。实验证明,所设计的基于LVQ的神经网络分类器具有强大相似特征聚类功能和较高的识别率。 展开更多

关键词 Thz技术 神经网络 学习矢量化网络(LVQ)聚类算法

在线阅读 下载PDF 职称材料

基于一种改进自适应模糊神经技术的PEMFC系统建模和控制 被引量：6

14

作者 卫东 曹广益 朱新坚 《上海交通大学学报》 EI CAS CSCD 北大核心 2004年第9期1581-1586,共6页

从质子交换膜燃料电池(PEMFC)实际应用的角度出发,应用自适应模糊神经网络技术对PEMFC系统进行建模与控制.在建模过程中,同时应用实验数据和专家经验对模型进行辨识,使模糊节点具有明确的物理意义和初始参数的选择更加容易.在控制过程中... 从质子交换膜燃料电池(PEMFC)实际应用的角度出发,应用自适应模糊神经网络技术对PEMFC系统进行建模与控制.在建模过程中,同时应用实验数据和专家经验对模型进行辨识,使模糊节点具有明确的物理意义和初始参数的选择更加容易.在控制过程中,将训练好的网络模型作为PEMFC控制系统的参考模型,采用自适应神经网络学习算法(ANA)在线对控制器参数进行自适应调整,采用最近邻聚类算法(NCA)对控制器的模糊规则库进行更新.在仿真实验中,将自适应模糊控制算法与PID和传统模糊算法进行比较,结果表明本算法控制性能优良. 展开更多

关键词 质子交换膜燃料电池 自适应神经模糊推理系统 自适应神经网络学习算法 最近邻聚 类算法

在线阅读 下载PDF 职称材料

基于自适应模糊神经技术的质子交换膜燃料电池建模与控制 被引量：5

15

作者 卫东 曹广益 朱新坚 《系统仿真学报》 CAS CSCD 2004年第5期987-991,共5页

质子交换膜燃料电池(PEMFC)是21世纪最有生命力的发电技术之一。本文从PEMFC实际应用的角度出发,应用自适应模糊神经网络技术对PEMFC系统进行建模与控制。在建模与控制过程中,将训练好的网络模型作为PEMFC控制系统的参考模型,并在线对... 质子交换膜燃料电池(PEMFC)是21世纪最有生命力的发电技术之一。本文从PEMFC实际应用的角度出发,应用自适应模糊神经网络技术对PEMFC系统进行建模与控制。在建模与控制过程中,将训练好的网络模型作为PEMFC控制系统的参考模型,并在线对控制模型参数进行自适应调整。所设计的控制器的性能在仿真和试验结果中得以证明。 展开更多

关键词 质子交换膜燃料电池(PEMFC) 自适应神经模糊推理系统(ANFIS) 自适应神经网络学习算法(ANA) 自适应神经模糊控制器

在线阅读 下载PDF 职称材料

基于改进NNA和BP神经网络模型的深基坑沉降预测

16

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》 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 职称材料