期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到220篇文章
< 1 2 … 11 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于贝叶斯正则化神经网络的夹芯注层间界面控制
1
作者 王涛 傅建 周盛 《工程塑料应用》 CAS CSCD 北大核心 2008年第8期41-43,共3页
鉴于夹芯注射成型充模流动过程属多相分层流动,其影响因素错综复杂,很难用线性关系将工艺参数与层间界面形状关联起来;人工神经网络具有很强的信息综合能力,具有良好的非线性逼近功能两方面的情况。针对具体层间界面形状,基于贝叶斯正... 鉴于夹芯注射成型充模流动过程属多相分层流动,其影响因素错综复杂,很难用线性关系将工艺参数与层间界面形状关联起来;人工神经网络具有很强的信息综合能力,具有良好的非线性逼近功能两方面的情况。针对具体层间界面形状,基于贝叶斯正则化神经网络预测工艺参数,并借助MPI软件的co-injection模块检验。结果表明其误差完全达到了工程实用的精度,证明提出的贝叶斯正则化神经网络可应用于研究夹芯注塑中的非线性函数映射问题。 展开更多
关键词 夹芯注射成型 层间界面 人工神经网络 贝叶斯正则化神经网络
在线阅读 下载PDF
基于贝叶斯正则化神经网络的径流长期预报 被引量：13
2
作者 李红霞 许士国 范垂仁 《大连理工大学学报》 EI CAS CSCD 北大核心 2006年第z1期174-177,共4页
针对神经网络用于径流长期预报时,网络结构过于复杂而易出现过拟合的问题,采用主成分分析和贝叶斯正则化神经网络对预报模型进行改进．首先利用主成分分析对输入因子进行降维和优化,然后通过贝叶斯正则化对网络权值的限制来简化网络结构... 针对神经网络用于径流长期预报时,网络结构过于复杂而易出现过拟合的问题,采用主成分分析和贝叶斯正则化神经网络对预报模型进行改进．首先利用主成分分析对输入因子进行降维和优化,然后通过贝叶斯正则化对网络权值的限制来简化网络结构,从而有效地抑制过拟合．对嫩江流域江桥站年平均径流的仿真结果表明,贝叶斯正则化神经网络结合主成分分析的预报方法,可以显著地提高泛化能力和预报精度,而且网络收敛也比较稳定． 展开更多
关键词 径流长期预报 神经网络 泛化性能 主成分分析 贝叶斯正则化
在线阅读 下载PDF
基于贝叶斯正则化神经网络虚拟企业敏捷性评价 被引量：8
3
作者 缪宁 邓小珍 +1 位作者 刘文远 王宝文 《计算机工程与应用》 CSCD 北大核心 2008年第8期223-225,235,共4页
高敏捷性是虚拟企业适应不断变化的市场必备的素质,如何对它进行准确评价是虚拟企业运行中的重要问题,针对此问题先对虚拟企业及其盟员敏捷性之间的关系分析,然后提出在已知虚拟企业盟员敏捷性的基础上用贝叶斯正则化神经网络来计算虚... 高敏捷性是虚拟企业适应不断变化的市场必备的素质,如何对它进行准确评价是虚拟企业运行中的重要问题,针对此问题先对虚拟企业及其盟员敏捷性之间的关系分析,然后提出在已知虚拟企业盟员敏捷性的基础上用贝叶斯正则化神经网络来计算虚拟企业的敏捷性,最后通过仿真试验测试了该方法的可行性。实验结果证明与非正则化神经网络相比,贝叶斯正则化神经网络的泛化能力强,评价数据结果稳定。该方法可用于各种规模的虚拟企业评价。 展开更多
关键词 虚拟企业 盟员 敏捷性评价 神经网络 贝叶斯正则化
在线阅读 下载PDF
Doherty功放的贝叶斯正则化神经网络逆向建模研究 被引量：5
4
作者 南敬昌 胡婷婷 +1 位作者 盛爽爽 高明明 《计算机工程与科学》 CSCD 北大核心 2018年第8期1496-1502,共7页
针对直接逆向建模方法精度低、稳定性差等缺点,提出了一种采用规则化函数为L^(1/2)范数的贝叶斯正则化神经网络逆向建模方法,L^(1/2)正则化使得网络结构具有稀疏性,能够缩小网络的规模、加快网络的训练速度,用贝叶斯正则化方法可以使网... 针对直接逆向建模方法精度低、稳定性差等缺点,提出了一种采用规则化函数为L^(1/2)范数的贝叶斯正则化神经网络逆向建模方法,L^(1/2)正则化使得网络结构具有稀疏性,能够缩小网络的规模、加快网络的训练速度,用贝叶斯正则化方法可以使网络的输出更加平滑,提高网络的稳定性和泛化能力。将此方法应用到Doherty功率放大器的设计中,在已知Doherty主功放效率、输出匹配端的S11和S21的情况下,分别仿真得出相对应的输出功率和f,可以简化设计过程。实验结果表明,此逆向模型求得的输出功率、与S11相对的f、与S21相对的f比直接逆向建模方法的均方误差分别减少了8.83%、9.30%和9.00%,运行时间分别减少了99.34%、99.40%和99.23%,解决了设计中的多解问题,可用于设计射频微波器件。 展开更多
关键词 神经网络 逆向建模 L1/2范数 贝叶斯正则化 DOHERTY功率放大器
在线阅读 下载PDF
贝叶斯正则化优化BP神经网络估算SOH 被引量：1
5
作者 朱聪聪 郭晟 +1 位作者 常海涛 路密 《电池》 北大核心 2025年第1期25-31,共7页
为提高锂离子电池健康状态(SOH)估算的精度,采用基于贝叶斯正则化算法优化的反向传播(BP)神经网络模型。该模型的核心是,引入先验分布约束BP网络权重参数,以减少过拟合风险;并引入后验分布评估参数的不确定性,提升模型对数据噪声的适应... 为提高锂离子电池健康状态(SOH)估算的精度,采用基于贝叶斯正则化算法优化的反向传播(BP)神经网络模型。该模型的核心是,引入先验分布约束BP网络权重参数,以减少过拟合风险;并引入后验分布评估参数的不确定性,提升模型对数据噪声的适应性。以充电全过程提取健康特征验证模型精度;以放电片段数据提取健康特征模拟实际工况。训练后的模型在充电全过程提取特征时的均方根误差(RMSE)和平均绝对误差(MAE)均小于1.65%,采用放电片段提取特征时的RMSE和MAE均小于3.85%,相较于未优化的BP神经网络,两种方式的估算误差分别降低18%和41%以上。 展开更多
关键词 锂离子电池 健康状态(SOH) 贝叶斯正则化算法 反向传播(BP)神经网络 健康特征 先验分布 后验分布
在线阅读 下载PDF
基于贝叶斯正则化神经网络的卡车轮罩横梁注塑工艺多目标优化
6
作者 张晗 王明伟 +3 位作者 蔡世铭 王宗强 于峻伟 叶星辉 《工程塑料应用》 2025年第10期95-103,共9页
以大型塑件卡车轮罩横梁的体积收缩率(Y1)和Z方向(装配方向)最大翘曲变形量(Y2)为响应目标,选取熔体温度、模具温度、第一段保压时间、第二段保压时间、第一段保压压力、第二段保压压力为试验变量,通过最优拉丁超立方试验设计100组样本... 以大型塑件卡车轮罩横梁的体积收缩率(Y1)和Z方向(装配方向)最大翘曲变形量(Y2)为响应目标,选取熔体温度、模具温度、第一段保压时间、第二段保压时间、第一段保压压力、第二段保压压力为试验变量,通过最优拉丁超立方试验设计100组样本,利用Moldex3D模流分析软件进行模拟。利用贝叶斯正则化神经网络(BRNN)建立Y1和Y2的回归预测模型,这两个模型的决定系数(R^(2))分别为0.991和0.989;通过非支配排序遗传算法II(NSGA-II)对模型进行多目标优化,得到最优试验变量参数。将最优试验变量参数在Moldex3D中进行模拟和现场实际应用,发现对于Y1和Y2,模拟结果与BRNN-NSGA-II预测的最优结果之间的误差分别为0.14%和7.28%,与初始模拟结果相比分别降低了3.16%和64.42%;实际塑件成型质量良好,满足生产要求。上述结果表明提出的BRNN结合NSGA-II的方法可有效解决大型复杂塑件的注塑工艺多目标优化问题。 展开更多
关键词 注塑 多目标优化 卡车轮罩横梁 最优拉丁超立方试验 贝叶斯正则化神经网络 非支配排序遗传算法II(NSGA-II)
在线阅读 下载PDF
低密度奇偶校验码正则化神经网络归一化最小和译码算法
7
作者 周华 周鸣 张立康 《电子与信息学报》 北大核心 2025年第5期1486-1493,共8页
低密度奇偶校验(LDPC)码基于神经网络的归一化最小和(NNMS)译码算法按照网络中权重的共享方式可分为不共享(NNMS)、全共享(SNNMS)、部分共享(VC-SNNMS和CV-SNNMS)等。该文针对LDPC码在使用NNMS,VC-SNNMS和CV-SNNMS译码时因高复杂度导致... 低密度奇偶校验(LDPC)码基于神经网络的归一化最小和(NNMS)译码算法按照网络中权重的共享方式可分为不共享(NNMS)、全共享(SNNMS)、部分共享(VC-SNNMS和CV-SNNMS)等。该文针对LDPC码在使用NNMS,VC-SNNMS和CV-SNNMS译码时因高复杂度导致的过拟合问题,引入正则化(Regularization)优化了神经网络中边信息的权重训练,抑制了基于神经网络译码的过拟合问题,分别得到RNNMS,RVC-SNNMS和RCVSNNMS算法。仿真结果表明:采用共享权重可以减轻神经网络训练负担,降低LDPC码基于神经网络译码的误比特率(BER);正则化能有效缓解过拟合现象提升神经网络的译码性能。针对码长为576,码率为0.75的LDPC码,当误码率BER=10-6时,RNNMS,RVC-SNNMS和RCV-SNNMS算法相较于NNMS,VC-SNNMS和CV-SNNMS算法分别得到了0.18 dB,0.22 dB和0.27 dB的信噪比(SNR)增益,其中最佳的RVC-SNNMS算法相较于BP算法、NNMS算法和SNNMS算法,分别获得了0.55 dB,0.51 dB和0.22 dB的信噪比增益。 展开更多
关键词 低密度奇偶校验码 神经网络 归一化最小和译码 过拟合 正则化
在线阅读 下载PDF
基于贝叶斯算法优化人工神经网络的脊波导模态分类
8
作者 郎利民 张欣然 +4 位作者 郑本昌 丁明 崔国栋 陈景东 冀炜邦 《科学技术与工程》 北大核心 2025年第27期11663-11667,共5页
脊波导的单模特性对于高度集成的光电元件和片上激光器有极其重要的作用,但传统时域有限差分算法复杂且计算资源消耗较大。提出并验证了一种基于深度学习的绝缘体上硅(silicon-on-insulator,SOI)脊波导单模特性快速识别方法。通过设计... 脊波导的单模特性对于高度集成的光电元件和片上激光器有极其重要的作用,但传统时域有限差分算法复杂且计算资源消耗较大。提出并验证了一种基于深度学习的绝缘体上硅(silicon-on-insulator,SOI)脊波导单模特性快速识别方法。通过设计一种结合贝叶斯算法优化后的人工神经网络的脊波导模态分类方法,实现了高精度脊波导模态的快速分类。通过学习脊波导几何结构与单模特性的映射关系,使网络可以预测未知脊波导几何参数的单模特性。结果显示,该模型仅用252个训练数据即可在测试集上达到99%的分类精度,单数据点的分类时间由传统时域有限差分算法52 s降为5 ms,计算效率提升了约1000倍。同时,该模型具有较好的泛化能力。此算法有望缩短光波导的设计周期,这对于大规模光子芯片的设计和制备有一定的支持作用。 展开更多
关键词 脊波导 人工神经网络 模态分类 贝叶斯优化 泛化预测
在线阅读 下载PDF
面向卷积神经网络泛化性和健壮性权衡的标签筛选方法
9
作者 王益民 龙显忠 +1 位作者 李云 熊健 《软件学报》 北大核心 2025年第5期2114-2129,共16页
虽然卷积神经网络凭借优异的泛化性能被广泛应用在图像识别领域中,但被噪声污染的对抗样本可以轻松欺骗训练完全的网络模型,带来安全性的隐患.现有的许多防御方法虽然提高了模型的健壮性,但大多数不可避免地牺牲了模型的泛化性.为了缓... 虽然卷积神经网络凭借优异的泛化性能被广泛应用在图像识别领域中,但被噪声污染的对抗样本可以轻松欺骗训练完全的网络模型,带来安全性的隐患.现有的许多防御方法虽然提高了模型的健壮性,但大多数不可避免地牺牲了模型的泛化性.为了缓解这一问题,提出了标签筛选权重参数正则化方法,在模型训练过程中利用样本的标签信息权衡模型的泛化性和健壮性.先前的许多健壮模型训练方法存在下面两个问题:1)大多通过增加训练集样本的数量或复杂度来提高模型的健壮性,这不仅弱化了干净样本在模型训练过程中的主导作用,也使得训练任务的工作量大大提高;2)样本的标签信息除了被用于与模型预测结果对比来控制模型参数的更新方向以外,在模型训练中几乎不被另作使用,这无疑忽视了隐藏于样本标签中的更多信息.所提方法通过样本的正确标签和对抗样本的分类标签筛选出模型在分类该样本时起决定性作用的权重参数,对这些参数进行正则优化,达到模型泛化性和健壮性权衡的效果.在MNIST、CIFAR-10和CIFAR-100数据集上的实验和分析表明,提出的方法能够取得很好的训练效果. 展开更多
关键词 卷积神经网络 对抗学习 标签信息 正则化
在线阅读 下载PDF
卷积神经网络的正则化方法综述 被引量：11
10
作者 陈琨 王安志 《计算机应用研究》 CSCD 北大核心 2024年第4期961-969,共9页
近年来,卷积神经网络已经广泛应用于计算机视觉各个领域中并取得了显著的效果。正则化方法是卷积神经网络的重要组成部分,它能避免卷积神经网络在模型训练的过程中出现过拟合现象。目前关于卷积神经网络正则化方法的综述较少,且大多缺... 近年来,卷积神经网络已经广泛应用于计算机视觉各个领域中并取得了显著的效果。正则化方法是卷积神经网络的重要组成部分,它能避免卷积神经网络在模型训练的过程中出现过拟合现象。目前关于卷积神经网络正则化方法的综述较少,且大多缺乏对新提出的正则化方法的总结。首先对卷积神经网络中的正则化方法相关文献进行详细的总结和梳理,将正则化方法分为参数正则化、数据正则化、标签正则化和组合正则化;然后在ImageNet等公开数据集上,基于top-1 accuracy、top-5 accuracy等评价指标,对不同正则化方法的优缺点进行对比分析;最后讨论了卷积神经网络的正则化方法未来的研究趋势和工作方向。 展开更多
关键词 卷积神经网络 正则化方法 过拟合 泛化
在线阅读 下载PDF
基于神经网络的船舶辐射噪声预报方法 被引量：2
11
作者 黄欣 徐荣武 李瑞彪 《船舶力学》 北大核心 2025年第3期486-496,共11页
针对船舶机械设备众多、结构复杂、振动传递路径相互耦合的现状,本文提出基于误差反向传播(Back Propagation, BP)神经网络的船舶水下辐射噪声预报方法。分别构建基于梯度下降算法和贝叶斯正则化算法的BP神经网络,以振动数据为输入量、... 针对船舶机械设备众多、结构复杂、振动传递路径相互耦合的现状,本文提出基于误差反向传播(Back Propagation, BP)神经网络的船舶水下辐射噪声预报方法。分别构建基于梯度下降算法和贝叶斯正则化算法的BP神经网络,以振动数据为输入量、船体辐射噪声为输出量,将均方根误差(e RMSE)和平均绝对误差(e MAE)作为模型预测精度评价指标。结果表明,贝叶斯正则化BP神经网络的泛化性和鲁棒性优于梯度下降算法的BP神经网络,误差达到3 dB以内,在船舶辐射噪声预报领域具有较好的适用性。 展开更多
关键词 辐射噪声预报 BP神经网络 梯度下降算法 贝叶斯正则化算法
在线阅读 下载PDF
图神经网络和数值诱导正则化的数值推理方法
12
作者 白宇康 陈彦敏 +2 位作者 樊小超 孙睿军 李炜杰 《智能系统学报》 CSCD 北大核心 2024年第5期1268-1276,共9页
数值推理是机器阅读理解的一项关键能力,而数值推理任务中的数据类型多样,数值之间潜在的运算关系对数值推理任务有着更高的要求。为了进一步提升数值推理能力,一方面继承图神经网络方法并探索新的图结构,采用异构图神经网络结构进行数... 数值推理是机器阅读理解的一项关键能力,而数值推理任务中的数据类型多样,数值之间潜在的运算关系对数值推理任务有着更高的要求。为了进一步提升数值推理能力,一方面继承图神经网络方法并探索新的图结构,采用异构图神经网络结构进行数值推理,另一方面在预训练语言模型中引入数值诱导正则化方法,增强模型的数值理解能力。在DROP数据集上实验的结果表明,2种方法得到76.5%的精准匹配率,与基线模型对比以及对方法的消融实验表明,上述2种方法能够提升机器的数值推理能力。 展开更多
关键词 数值推理 机器阅读理解 图神经网络 异构图 数值诱导正则化 命名实体识别 预训练模型 抽取式
在线阅读 下载PDF
聚类分析-神经网络-贝叶斯优化联合识别复合材料参数研究 被引量：1
13
作者 冯易鑫 彭辉 罗威 《力学学报》 EI CAS CSCD 北大核心 2024年第11期3333-3350,共18页
目前针对非均质复合材料参数的正逆向识别尚面临正向计算成本高和逆向识别泛用性低的难题.数据驱动的计算均匀化方法可以一方面利用数据科学的先进算法降低控制方程的变量数目,另一方面建立复合材料设计结构与等效参数的联系,从而显著... 目前针对非均质复合材料参数的正逆向识别尚面临正向计算成本高和逆向识别泛用性低的难题.数据驱动的计算均匀化方法可以一方面利用数据科学的先进算法降低控制方程的变量数目,另一方面建立复合材料设计结构与等效参数的联系,从而显著提升计算效率并挖掘参数间的内在关联.文章采用数据驱动的聚类分析方法(self-consistent clustering analysis,SCA),依据各网格点的应变集中张量进行聚类划分,并在聚类区域上求解离散的Lippmann-Schwinger方程,在极大程度降低计算自由度的同时,高效获取等效模量、热膨胀系数、热导率等参数.然而SCA法在处理大量不同结构工况时效率略显不足,进一步利用人工神经网络方法(artificial neural network,ANN)作为代理模型加速计算,实现不同工况下等效参数的快速预测.针对于逆向识别非均质材料和结构的反问题,则结合贝叶斯优化(Bayesian optimization)方法,在给定的等效参数下反向识别最优化的材料和几何结构,形成聚类分析-神经网络-贝叶斯优化的联合识别框架.以超导EAS股线和颗粒增强复合材料为例,进行联合识别框架与已有实验和数值结果的对比分析,继而从计算精度、求解效率、模型超参数选取、敏感度分析和反向验证等方面进行深入研究,探讨建立的聚类分析-神经网络-贝叶斯优化框架的优势和不足,以期为发展精度较高和适用范围较广的复合材料参数识别方法提供思路和参考. 展开更多
关键词 数据驱动计算力学 计算均匀化 聚类分析 神经网络 贝叶斯优化
在线阅读 下载PDF
基于贝叶斯正则化BP神经网络的GPS高程转换 被引量：26
14
作者 宋雷 黄腾 +1 位作者 方剑 周旭华 《西南交通大学学报》 EI CSCD 北大核心 2008年第6期724-728,共5页
为了改善BP神经网络在GPS高程转换过程中过拟合的现象,提出了用贝叶斯正则化算法的BP神经网络转换GPS高程的新方法,并利用区域GPS/水准数据,将新方法和未采用正则化算法的BP神经网络进行GPS高程转换的比较.结果表明:在较大区域和高程异... 为了改善BP神经网络在GPS高程转换过程中过拟合的现象,提出了用贝叶斯正则化算法的BP神经网络转换GPS高程的新方法,并利用区域GPS/水准数据,将新方法和未采用正则化算法的BP神经网络进行GPS高程转换的比较.结果表明:在较大区域和高程异常呈不规则的情况下,新方法不仅可以有效提高GPS高程转换的精度,而且通过贝叶斯正则化算法可以改善网络结构,抑制过拟合现象.在约10 km的GPS基线尺度上,新方法可以得到精度达0.050 m的正常高. 展开更多
关键词 贝叶斯正则化 BP神经网络 GPS高程转换 高程异常
在线阅读 下载PDF
基于L-M贝叶斯正则化方法的BP神经网络在潜艇声纳部位自噪声预报中的应用 被引量：14
15
作者 吴方良 石仲堃 +1 位作者 杨向晖 王建 《船舶力学》 EI 北大核心 2007年第1期136-142,共7页
基于L-M贝叶斯正则化方法使BP神经网络在推广能力、收敛速度和逼近精度上能够获得很大的提高。文中将BP神经网络和L-M贝叶斯正则化算法相结合用于潜艇声纳部位自噪声预报。分析了影响声纳部位自噪声的各种参数。利用潜艇声纳实测数据进... 基于L-M贝叶斯正则化方法使BP神经网络在推广能力、收敛速度和逼近精度上能够获得很大的提高。文中将BP神经网络和L-M贝叶斯正则化算法相结合用于潜艇声纳部位自噪声预报。分析了影响声纳部位自噪声的各种参数。利用潜艇声纳实测数据进行网络训练,训练好的神经网络可以对潜艇声纳部位自噪声进行精确预报。 展开更多
关键词 声纳自噪声 BP神经网络 贝叶斯正则化
在线阅读 下载PDF
基于贝叶斯正则化算法BP神经网络钒电池SOC预测 被引量：14
16
作者 杨春生 牛红涛 +1 位作者 隋良红 李明兴 《现代电子技术》 北大核心 2016年第8期158-161,共4页
电池荷电状态(SOC)用于表征电池的剩余电量,是全钒液流电池的一个重要参数。在此介绍常用的钒电池SOC预测方法,并对比其优缺点。基于电池SOC的非线性特征,提出采用BP神经网络预测钒电池的SOC,并采用L-M优化算法以及贝叶斯正则化算法对... 电池荷电状态(SOC)用于表征电池的剩余电量,是全钒液流电池的一个重要参数。在此介绍常用的钒电池SOC预测方法,并对比其优缺点。基于电池SOC的非线性特征,提出采用BP神经网络预测钒电池的SOC,并采用L-M优化算法以及贝叶斯正则化算法对网络进行优化。使用贝叶斯正则化改进的神经网络在对项目中全钒液流电池测试过程实时预测SOC。实验结果表明,采用贝叶斯正则化算法改进的神经网络能够提高SOC的实时预测精度,具有很好的实用前景。 展开更多
关键词 钒电池 荷电状态 BP神经网络 贝叶斯正则化算法
在线阅读 下载PDF
基于主成分分析和贝叶斯正则化BP神经网络的GDP预测 被引量：17
17
作者 喻胜华 邓娟 《湖南大学学报（社会科学版）》 CSSCI 北大核心 2011年第6期42-45,共4页
选用财政收入、财政支出、消费品零售总额、实际利用外资、进出口总额以及全社会固定资产投资等对GDP有显著影响的6个因子,用1985～2008年中国的宏观经济数据建立了一个基于主成分分析和贝叶斯正则化BP神经网络的预测模型,并把它应用于... 选用财政收入、财政支出、消费品零售总额、实际利用外资、进出口总额以及全社会固定资产投资等对GDP有显著影响的6个因子,用1985～2008年中国的宏观经济数据建立了一个基于主成分分析和贝叶斯正则化BP神经网络的预测模型,并把它应用于我国GDP的预测。实证结果表明:通过主成分分析法和贝叶斯正则化方法对BP神经网络进行改进,可简化网络结构,增强泛化能力。与其它常用的预测方法相比,该方法数据输入简便,收敛速度快,拟合曲线光滑,且在预测精度上有明显的优势。 展开更多
关键词 主成分分析 贝叶斯正则化 BP神经网络 预测
在线阅读 下载PDF
基于贝叶斯正则化BP神经网络的森林资源资产批量评估研究 被引量：5
18
作者 郑德祥 赖晓燕 廖晓丽 《福建林学院学报》 CSCD 北大核心 2013年第2期132-136,共5页
将BP神经网络与批量评估方法结合应用于森林资源资产评估中,通过对森林资源资产评估价值主要影响因子进行数据处理,确定不同龄组的BP网络结构,结合TM算法,通过贝叶斯正则化修正BP神经网络的训练性能函数,建立基于BP神经网络的不同龄组... 将BP神经网络与批量评估方法结合应用于森林资源资产评估中,通过对森林资源资产评估价值主要影响因子进行数据处理,确定不同龄组的BP网络结构,结合TM算法,通过贝叶斯正则化修正BP神经网络的训练性能函数,建立基于BP神经网络的不同龄组森林资源资产批量评估模型。结果表明,贝叶斯正则化BP神经网络能够实现批量预估森林资源资产价值,其评估结果精度可靠,泛化能力很好,可为森林资源资产评估提供一种新的思路与方法。 展开更多
关键词 森林资源 资产评估 贝叶斯正则化 BP神经网络 批量评估
在线阅读 下载PDF
基于贝叶斯正则化BP神经网络的日光温室温度预测模型 被引量：8
19
作者 王红君 史丽荣 +1 位作者 赵辉 岳有军 《湖北农业科学》 2015年第17期4300-4303,共4页
针对日光温室温度预测模型中输入因子间存在复杂的耦合关系以及输入因子过多而导致神经网络结构规模过大等问题,选用影响日光温室温度的环境因子组成数据样本,对数据样本进行主成分分析。提取出影响日光温室内温度的前3个成分作为BP神... 针对日光温室温度预测模型中输入因子间存在复杂的耦合关系以及输入因子过多而导致神经网络结构规模过大等问题,选用影响日光温室温度的环境因子组成数据样本,对数据样本进行主成分分析。提取出影响日光温室内温度的前3个成分作为BP神经网络模型的输入变量,采用贝叶斯正则化算法对BP神经网络进行改进。结果表明,该方法改进的BP神经网络模型得到简化,拟合曲线光滑,具有较好的泛化能力和网络推广能力。 展开更多
关键词 日光温室 温度 主成分分析 贝叶斯正则化 BP神经网络
在线阅读 下载PDF
金属疲劳裂纹扩展速率的贝叶斯正则化BP神经网络预测 被引量：8
20
作者 罗广恩 崔维成 《船舶力学》 EI 北大核心 2012年第4期433-441,共9页
人工神经网络是进行预报裂纹扩展率的一个重要方法。文章针对不同金属的疲劳裂纹扩展速率分别建立贝叶斯正则化BP(Back Propagation)神经网络,将各材料在不同应力比R下的疲劳裂纹扩展速率试验数据分为两部分,一部分用来进行训练网络,另... 人工神经网络是进行预报裂纹扩展率的一个重要方法。文章针对不同金属的疲劳裂纹扩展速率分别建立贝叶斯正则化BP(Back Propagation)神经网络,将各材料在不同应力比R下的疲劳裂纹扩展速率试验数据分为两部分,一部分用来进行训练网络,另一部分用来测试训练好的网络,检验其泛化能力。将从文献中获取的4种不同金属材料的疲劳试验数据作为算例,来检验网络的性能。计算结果表明贝叶斯正则化BP神经网络不仅对训练样本有很好的拟合能力,而且对于未训练过的测试样本也有较好的预测能力,即有较强的泛化能力。同时,指出了建立网络时减少门槛值附近的试验样本点,可以提高网络的预测能力。研究结果表明,该方法可以方便地获得不同应力比R下的疲劳裂纹扩展速率,从而达到减少试验次数,充分利用已有数据的目的。并且可以进一步应用于其他金属的疲劳裂纹扩展速率的预报。 展开更多
关键词 疲劳裂纹扩展速率 BP神经网络 贝叶斯正则化
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 11 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部