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89篇文章
< 1 2 … 5 >
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：
贝叶斯正则化优化BP神经网络估算SOH 被引量：1
1
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BP神经网络的日光温室温度预测模型 被引量：8
2
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
基于主成分分析和贝叶斯正则化方法的神经网络年最大洪峰流量预测模型探讨 被引量：2
3
作者 李红霞 许士国 范垂仁 《水文》 CSCD 北大核心 2006年第6期30-32,共3页
针时水文预测建模中输入因子过多而导致神经网络结构规模过大,泛化能力差的问题,利用主成分分析和贝叶斯正则化方法对神经网络进行改进,优化网络结构,从而提高泛化能力。以洮儿河流域镇西站年最大洪峰流量预测为例,研究结果表明,改进的... 针时水文预测建模中输入因子过多而导致神经网络结构规模过大,泛化能力差的问题,利用主成分分析和贝叶斯正则化方法对神经网络进行改进,优化网络结构,从而提高泛化能力。以洮儿河流域镇西站年最大洪峰流量预测为例,研究结果表明,改进的神经网络预测方法与传统的神经网络方法相比,泛化能力有显著提高,而且网络的收敛也比较稳定,实际预测中效果良好。 展开更多
关键词 神经网络 预测 泛化能力 主成分分析 贝叶斯正则化
在线阅读 下载PDF
贝叶斯正则化的Elman神经网络电离层TEC预报模型 被引量：9
4
作者 汤俊 高鑫 《大地测量与地球动力学》 CSCD 北大核心 2020年第8期799-805,共7页
利用2017年中低纬电离层总电子含量、地磁活动指数、年积日等参数,首次建立基于贝叶斯正则化(Bayesian regularization)的Elman回归神经网络(BR-Elman)的电离层TEC预报模型。同时,根据地磁活动指数的变化特征,分别进行平静电离层和扰动... 利用2017年中低纬电离层总电子含量、地磁活动指数、年积日等参数,首次建立基于贝叶斯正则化(Bayesian regularization)的Elman回归神经网络(BR-Elman)的电离层TEC预报模型。同时,根据地磁活动指数的变化特征,分别进行平静电离层和扰动电离层预报建模。实验结果表明,该方法在平静期5 d预测值的均方根误差为1.19 TECu,残差为1.03 TECu,相关系数为0.93;在扰动期5 d预测值均方根误差为1.34 TECu,残差为1.01 TECu,相关系数为0.91。贝叶斯正则化的BP神经网络模型以及传统BP神经网络模型在平静期与扰动期5 d的预测上,均方根误差最小为1.87 TECu,残差最小为1.50 TECu,相关系数最优为0.87。通过对比分析,该模型较其他2个模型的预报效果有明显改善。 展开更多
关键词 电离层 总电子含量 贝叶斯正则化 ELMAN神经网络 预报精度
在线阅读 下载PDF
项目验收的同行评议辅助决策评价方法研究——基于贝叶斯正则化修正的BP人工神经网络模型 被引量：10
5
作者 万昊 谭宗颖 +2 位作者 张福俊 朱相丽 刘小玲 《情报杂志》 CSSCI 北大核心 2017年第11期192-199,共8页
[目的/意义]个体的同行评议判断不可避免地会由于专家主观性导致评审结果嵌入式有偏,而个体成员聚集在一起开展有组织的群体决策时,由于客观组织评审标准的存在,能有效避免个体非理性因素导致的系统整体偏差。[方法/过程]为了找到更适... [目的/意义]个体的同行评议判断不可避免地会由于专家主观性导致评审结果嵌入式有偏,而个体成员聚集在一起开展有组织的群体决策时,由于客观组织评审标准的存在,能有效避免个体非理性因素导致的系统整体偏差。[方法/过程]为了找到更适合的定量化模型来模拟专家组群体的复杂评审决策,本研究借助BP人工神经网络模型,样本选取2001-2005年间批准实施的林业"948计划"项目126项,从"投入—产出"视角选取表征项目特征的36个指标,基于以上指标通过有监督的机器学习来模拟项目评审专家组(5~9名成员)的决策打分值,并添加贝叶斯正则化修正项来提高模型的预测精度。[结果/结论]所建构的同行评议打分预测模型在添加贝叶斯正则化修正项后,平均误差平方和由10-3上升到10-4数量级,而模型的预测值与真实值间相关系数ρ由0.37(0.33)上升到0.61(0.47),模型实现了在个体水平上对项目评审打分的较准确预测,即通过精准计量评价来有效辅助同行评议决策。 展开更多
关键词 同行评议 科技评价 BP人工神经网络 贝叶斯正则化 948计划
在线阅读 下载PDF
基于贝叶斯正则化改进BP神经网络的页岩气有机碳含量预测模型 被引量：23
6
作者 袁颖 谭丁 +2 位作者 于少将 李杨 韩冰 《地质与勘探》 CAS CSCD 北大核心 2019年第4期1082-1091,共10页
页岩气总有机碳(TOC)含量是评价岩性气藏的关键指标,受复杂地质及岩心采集等多种因素的影响,常规室内测试分析获得的TOC含量的数据有限且结果有失准确。为合理准确预测页岩气TOC含量,本文首先通过对页岩气储层TOC含量测井资料综合分析选... 页岩气总有机碳(TOC)含量是评价岩性气藏的关键指标,受复杂地质及岩心采集等多种因素的影响,常规室内测试分析获得的TOC含量的数据有限且结果有失准确。为合理准确预测页岩气TOC含量,本文首先通过对页岩气储层TOC含量测井资料综合分析选取8条测井曲线,并结合主成分分析法(Principal Component Analysis,PCA)提取四个主成分;其次基于贝叶斯正则化(Bayesian Regularization)改进的BP神经网络方法建立页岩气TOC含量预测的BR-BP模型;最后利用该模型对研究区A区页岩气TOC含量进行预测,并与常规的LM-BP神经网络模型的预测结果进行对比。结果表明:BR-BP模型有较强的非线性拟合能力,能够真实地反映出页岩气TOC含量与各测井参数之间的非线性关系,其模型预测结果与实际值基本吻合,与常规的LM-BP神经网络模型相比,其数据敏感性增强,预测精度有所提高,该研究方法具有一定的理论意义和参考价值,为我国TOC含量预测提供了一种新的技术方法和手段。 展开更多
关键词 页岩气 有机碳(TOC)含量 主成分分析 贝叶斯正则化 BP神经网络
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：1
7
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
8
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
基于贝叶斯正则化BP神经网络的GPS高程转换 被引量：26
9
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
10
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
基于贝叶斯正则化神经网络的径流长期预报 被引量：13
11
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
基于贝叶斯正则化算法BP神经网络钒电池SOC预测 被引量：14
12
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
基于贝叶斯正则化神经网络虚拟企业敏捷性评价 被引量：8
13
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
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
14
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
基于熵权的正则化神经网络煤岩截割载荷谱预测模型 被引量：16
15
作者 刘春生 李德根 任春平 《煤炭学报》 EI CAS CSCD 北大核心 2020年第1期474-483,共10页
截齿截割煤岩载荷是研制高性能采掘机械和智能化开采的重要基础,通过探究截齿截割煤岩载荷谱的变化规律和特征,为研究高效、高可靠破岩方法提供理论支撑,针对截齿破碎煤岩过程存在随机性,传统的理论推演载荷模型具有单值特性,难以准确... 截齿截割煤岩载荷是研制高性能采掘机械和智能化开采的重要基础,通过探究截齿截割煤岩载荷谱的变化规律和特征,为研究高效、高可靠破岩方法提供理论支撑,针对截齿破碎煤岩过程存在随机性,传统的理论推演载荷模型具有单值特性,难以准确描述任意截割条件下煤岩破碎的载荷历程,提出理论推演的截齿载荷幅值模型和有限实验载荷谱相结合方式,采用信息熵理论对理论与实验截割载荷谱进行综合,应用正则化神经网络对载荷谱综合进行模型化重构,根据最小二乘法提出基于有限载荷曲线族预测不同楔入角载荷谱的模型。结合30°~50°楔入角实验不同参数下载荷谱,以不同楔入角截齿的载荷谱和理论推演模型为例,对比分析不同楔入角下载荷谱的综合与正则化神经网络对其模型化重构,以及对不同楔入角的载荷预测。研究表明:构建了过程响应的截割阻力理论推演模型,在此基础上获得了30°~50°楔入角下理论与实验相结合的综合载荷谱,实现了载荷谱幅值与变化规律的表征,给出了载荷谱正则化神经网络模型化重构的方法;根据所建立的不同楔入角的载荷预测模型对30°,33°,50°和55°载荷谱进行预测,其中楔入角为30°和50°的预测载荷谱与正则化神经网络模型化重构载荷谱的互相关系数分别为0.9717和0.9839,呈高度相关,其幅值相对误差分别为4.04%和5.21%,表明该模型可以表征载荷幅值与截割煤岩载荷历程,模型具有一定优越性,为研究截齿的破碎机制提供了参考。 展开更多
关键词 截齿载荷模型 熵权 重构 正则化神经网络 载荷预测
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
16
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
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
17
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
基于贝叶斯正则化BP神经网络的股票指数预测 被引量：21
18
作者 杨海深 傅红卓 《科学技术与工程》 2009年第12期3306-3310,3318,共6页
提出了利用贝叶斯正则化BP神经网络对股票指数进行预测。通过对比实验表明,贝叶斯正则化的BP神经网络比相同条件下采用其他改进算法有较好的泛化能力,对股票指数预测有很好的效果。
关键词 神经网络 贝叶斯正则化 上证指数
在线阅读 下载PDF
基于贝叶斯正则化BP神经网络的砂土地震液化研究 被引量：6
19
作者 林志红 项伟 《安全与环境工程》 CAS 2011年第2期23-27,共5页
砂土地震液化的影响因素具有高度的非线性关系,而神经网络在处理非线性问题上具有其独特的优越性。本文在探讨输入层模式的选择以及砂土液化影响因素的基础上,采用改进的贝叶斯正则化方法和"提前停止"算法建立了砂土地震液化... 砂土地震液化的影响因素具有高度的非线性关系,而神经网络在处理非线性问题上具有其独特的优越性。本文在探讨输入层模式的选择以及砂土液化影响因素的基础上,采用改进的贝叶斯正则化方法和"提前停止"算法建立了砂土地震液化预测模型,通过实例计算和模型评价,表明本模型的计算结果与规范法、改进的Seed简化法以及基于传统BP网络算法的计算结果相比具有更高的预测精度和较小的训练步长,并采用该模型对厦门集美大桥新环岛互通桥区进行砂土液化评价,证明了该模型具有较高的精度和泛化能力。 展开更多
关键词 贝叶斯正则化 BP神经网络 Seed简化法 砂土地震液化
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
20
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
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 … 5 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