检索结果-维普期刊中文期刊服务平台

自组织人工神经网络与聚类法在矿区沉积物分类中实用性对比被引量：7: 1; 作者葛晓光吴潇钱凯《煤炭学报》 EI CAS CSCD 北大核心 2006年第2期169-173,共5页; 为确切判定淮北矿区新第三纪沉积物成因类型,分别用自组织人工神经网络(SOM)和聚类分析方法对宿南等矿区的19组样本进行分类.对比发现SOM的分类结果与实际情况更吻合.从机理和应用方式上探讨了两种方法的功能差异,证明SOM方法分类操作... 展开更多; 关键词自组织人工神经网络聚类分析沉积物粒度分析; 在线阅读下载PDF 职称材料

自组织人工神经网络在矿区沉积物分类中的应用: 2; 作者吴潇葛晓光钱凯《合肥工业大学学报（自然科学版）》 CAS CSCD 北大核心 2006年第10期1246-1250,共5页; 以Matlab平台为基础,利用神经网络工具箱构建了自组织神经网络,对已知沉积相的安徽宿南等矿区的19组样本进行SOM分类,并与系统聚类分类结果进行比较;指出在无监督分类粒度分析中,SOM方法分类操作过程简便易行,具有残缺自动识别能力,分... 展开更多; 关键词粒度分析自组织人工神经网络系统聚类分析; 在线阅读下载PDF 职称材料

五台山亚高山草甸的人工神经网络分类与排序被引量：3: 3; 作者张金屯聂二保向春玲《草业学报》 CSCD 北大核心 2009年第4期35-40,共6页; 人工神经网络理论是较新的数学分支学科,神经网络分类和排序是刚引入植物生态学的分析方法。本研究应用这2种方法研究了五台山亚高山高寒草甸。结果SOFM聚类将78个样方分为8个植物群落类型,基本上代表了本地区高寒草甸的群丛类型,具有... 展开更多; 关键词山地草甸数量分析自组织人工神经网络山西; 在线阅读下载PDF 职称材料

人工神经网络算法在岩土工程中的应用分析被引量：1: 4; 作者胡恒洋《工程技术研究》 2023年第11期7-9,共3页; 人工神经网络算法作为一种机器学习技术,能够模拟人类大脑的生理结构及工作机制。文章对人工神经网络算法的类别和工作原理进行了分析阐述,重点对分别属于前反馈型模型、后反馈型模型及自适应竞争模型的反向传播人工神经网络算法、Hopfi... 展开更多; 关键词人工神经网络算法反向传播人工神经网络 Hopfield人工神经网络自组织映射人工神经网络; 在线阅读下载PDF 职称材料

基于自组织竞争神经网络的电力系统暂态稳定研究: 5; 作者危雪周云海胡翔勇《三峡大学学报（自然科学版）》 CAS 2008年第5期25-28,共4页; 大停电事故和电力需求紧张,使得大扰动下电力系统的暂态稳定问题日显突出.如何能快速判断电力系统的暂态稳定性能,是研究的重点.文章以综合性能指标法中的性能指标作为反映电力系统暂态稳定性能的特征指标,设计自组织竞争人工神经网络... 展开更多; 关键词电力系统暂态稳定性能自组织竞争人工神经网络快速判断; 在线阅读下载PDF 职称材料

基于红外衰减全反射光谱的温室土壤盐分特征研究被引量：4: 6; 作者邓晶杜昌文 +2 位作者周健民王火焰陈小琴《土壤学报》 CAS CSCD 北大核心 2009年第4期704-709,共6页; 关键词温室土壤红外衰减全反射光谱主成分分析自组织特征映射人工神经网络; 在线阅读下载PDF 职称材料

题名自组织人工神经网络与聚类法在矿区沉积物分类中实用性对比被引量：7: 1; 作者葛晓光吴潇钱凯; 机构合肥工业大学资源与环境工程学院; 出处《煤炭学报》 EI CAS CSCD 北大核心 2006年第2期169-173,共5页; 文摘为确切判定淮北矿区新第三纪沉积物成因类型,分别用自组织人工神经网络(SOM)和聚类分析方法对宿南等矿区的19组样本进行分类.对比发现SOM的分类结果与实际情况更吻合.从机理和应用方式上探讨了两种方法的功能差异,证明SOM方法分类操作过程简便易行,具有残缺自动识别能力,分类结果唯一,在沉积物无监督成因分类中,优于聚类分析方法.; 关键词自组织人工神经网络聚类分析沉积物粒度分析; Keywords SOM network cluster analysis sediments grain-size analysis; 分类号 P588.2 [天文地球—岩石学] TP183 [自动化与计算机技术—控制理论与控制工程]; 在线阅读下载PDF 职称材料

题名自组织人工神经网络在矿区沉积物分类中的应用: 2; 作者吴潇葛晓光钱凯; 机构合肥工业大学资源与环境工程学院; 出处《合肥工业大学学报（自然科学版）》 CAS CSCD 北大核心 2006年第10期1246-1250,共5页; 文摘以Matlab平台为基础,利用神经网络工具箱构建了自组织神经网络,对已知沉积相的安徽宿南等矿区的19组样本进行SOM分类,并与系统聚类分类结果进行比较;指出在无监督分类粒度分析中,SOM方法分类操作过程简便易行,具有残缺自动识别能力,分类结果惟一,可以在沉积物成因分类中应用。; 关键词粒度分析自组织人工神经网络系统聚类分析; Keywords grain-size analysis self-organizing mapping（SOM） network hierarchical clustering; 分类号 P588.2 [天文地球—岩石学] TP183 [自动化与计算机技术—控制理论与控制工程]; 在线阅读下载PDF 职称材料

题名五台山亚高山草甸的人工神经网络分类与排序被引量：3: 3; 作者张金屯聂二保向春玲; 机构北京师范大学生命科学学院; 出处《草业学报》 CSCD 北大核心 2009年第4期35-40,共6页; 基金国家自然科学基金(No.30870399) 教育部骨干教师基金资助; 文摘人工神经网络理论是较新的数学分支学科,神经网络分类和排序是刚引入植物生态学的分析方法。本研究应用这2种方法研究了五台山亚高山高寒草甸。结果SOFM聚类将78个样方分为8个植物群落类型,基本上代表了本地区高寒草甸的群丛类型,具有明确的生态意义;SOFM排序反映了明显的生态梯度,表明海拔是影响草甸植被生长和分布的最主要因子,坡向和坡度也有一定的作用;SOFM聚类和排序方法分析应用效果好,2种方法结合使用更好;五台山草甸需要进一步加强保护。; 关键词山地草甸数量分析自组织人工神经网络山西; Keywords mountain meadow quantitative analysis SOFM artificial neural network Shanxi; 分类号 S812.3 [农业科学—草业科学]; 在线阅读下载PDF 职称材料

题名人工神经网络算法在岩土工程中的应用分析被引量：1: 4; 作者胡恒洋; 机构民航机场规划设计研究总院有限公司西南分公司; 出处《工程技术研究》 2023年第11期7-9,共3页; 文摘人工神经网络算法作为一种机器学习技术,能够模拟人类大脑的生理结构及工作机制。文章对人工神经网络算法的类别和工作原理进行了分析阐述,重点对分别属于前反馈型模型、后反馈型模型及自适应竞争模型的反向传播人工神经网络算法、Hopfield神经网络算法和自组织映射人工神经网络算法进行介绍,进而分析上述三种人工神经网络算法在岩土工程中的实际应用。人工神经网络算法能对土壤进行准确分类,对岩石进行准确分组,并准确预测岩石和土壤形变,对边坡的稳定性和路基沉降的预测准确性高,在岩土工程中有重要的应用价值。; 关键词人工神经网络算法反向传播人工神经网络 Hopfield人工神经网络自组织映射人工神经网络; Keywords artificial neural network algorithm backpropagation artificial neural network Hopfield artificial neural network self-organizing map artificial neural network; 分类号 TP183 [自动化与计算机技术—控制理论与控制工程]; 在线阅读下载PDF 职称材料

题名基于自组织竞争神经网络的电力系统暂态稳定研究: 5; 作者危雪周云海胡翔勇; 机构三峡大学电气信息学院; 出处《三峡大学学报（自然科学版）》 CAS 2008年第5期25-28,共4页; 文摘大停电事故和电力需求紧张,使得大扰动下电力系统的暂态稳定问题日显突出.如何能快速判断电力系统的暂态稳定性能,是研究的重点.文章以综合性能指标法中的性能指标作为反映电力系统暂态稳定性能的特征指标,设计自组织竞争人工神经网络分类器进行暂态稳定问题的分类判断.通过算例验证了该分类器可将暂态稳定问题分为稳定、不稳定和模糊类3种类型,有利于对稳定性能进行快速判断,从而减少了待详细分析的事故数目,而无需利用全过程时域仿真计算,有利于进行在线的动态安全评估.; 关键词电力系统暂态稳定性能自组织竞争人工神经网络快速判断; Keywords power system transient stability self-organizing competition ANN quick estimation; 分类号 TM73 [电气工程—电力系统及自动化]; 在线阅读下载PDF 职称材料

题名基于红外衰减全反射光谱的温室土壤盐分特征研究被引量：4: 6; 作者邓晶杜昌文周健民王火焰陈小琴; 机构土壤与农业可持续发展国家重点实验室(中国科学院南京土壤研究所); 出处《土壤学报》 CAS CSCD 北大核心 2009年第4期704-709,共6页; 基金国家高新技术计划"863"项目(2006AA10A301); 关键词温室土壤红外衰减全反射光谱主成分分析自组织特征映射人工神经网络; 分类号 S152 [农业科学—土壤学] S158.4 [农业科学—土壤学]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	自组织人工神经网络与聚类法在矿区沉积物分类中实用性对比	葛晓光吴潇钱凯	《煤炭学报》 EI CAS CSCD 北大核心	2006	7	在线阅读下载PDF 职称材料
2	自组织人工神经网络在矿区沉积物分类中的应用	吴潇葛晓光钱凯	《合肥工业大学学报（自然科学版）》 CAS CSCD 北大核心	2006	0	在线阅读下载PDF 职称材料
3	五台山亚高山草甸的人工神经网络分类与排序	张金屯聂二保向春玲	《草业学报》 CSCD 北大核心	2009	3	在线阅读下载PDF 职称材料
4	人工神经网络算法在岩土工程中的应用分析	胡恒洋	《工程技术研究》	2023	1	在线阅读下载PDF 职称材料
5	基于自组织竞争神经网络的电力系统暂态稳定研究	危雪周云海胡翔勇	《三峡大学学报（自然科学版）》 CAS	2008	0	在线阅读下载PDF 职称材料
6	基于红外衰减全反射光谱的温室土壤盐分特征研究	邓晶杜昌文周健民王火焰陈小琴	《土壤学报》 CAS CSCD 北大核心	2009	4	在线阅读下载PDF 职称材料