期刊导航
期刊开放获取
上海教育软件发展有限公..
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
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
检索
高级检索
期刊导航
共找到
6
篇文章
<
1
>
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:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
自组织递归区间二型模糊神经网络在动态时变系统辨识中的应用
被引量:
9
1
作者
李迪
陈向坚
+2 位作者
续志军
杨帆
牛文达
《光学精密工程》
EI
CAS
CSCD
北大核心
2011年第6期1406-1413,共8页
针对动态时变系统辨识过程中存在噪声干扰的问题,本文将区间二型模糊集结合到递归神经网络中,提出了自组织递归区间二型模糊神经网络以增强动态时变系统的抗噪能力。该自组织递归区间二型模糊神经网络由前件和后件两部分构成:前件为区...
针对动态时变系统辨识过程中存在噪声干扰的问题,本文将区间二型模糊集结合到递归神经网络中,提出了自组织递归区间二型模糊神经网络以增强动态时变系统的抗噪能力。该自组织递归区间二型模糊神经网络由前件和后件两部分构成:前件为区间二型模糊集模型,用于将每个规则的激活强度反馈到自身构成内反馈回路,其参数学习采用梯度下降算法;后件为带有区间权值的Takagi-Sugeno-Kang(TSK)模型,其参数学习采用有序规则卡尔曼滤波算法,且网络初始规则数为零。所有规则均通过结构学习和前后件参数同时在线学习来产生,其网络结构学习采用的是在线区间二型模糊群集。为验证提出的神经网络的优越性,将其应用到单输入单输出动态时变系统的辨识中。实验结果表明,相对于前馈一型/二型模糊神经网络、递归一型模糊神经网络,该神经网络的辨识能力强,即使在存在白噪声的条件下,也能减小测试及训练误差。
展开更多
关键词
自
组织
递归
区间
二型
模糊
神经网络
卡尔曼滤波
梯度下降法
噪声干扰
动态时变系统辨识
在线阅读
下载PDF
职称材料
基于自组织递归模糊神经网络的PM2.5浓度预测
被引量:
8
2
作者
周杉杉
李文静
乔俊飞
《智能系统学报》
CSCD
北大核心
2018年第4期509-516,共8页
针对PM2.5浓度非线性动态变化的特点,提出了一种自组织递归模糊神经网络(self-organizing recurrent fuzzy neural network,SORFNN)方法预测PM2.5小时浓度。首先,通过分析影响PM2.5浓度的多种因素,利用主成分分析法(principal component...
针对PM2.5浓度非线性动态变化的特点,提出了一种自组织递归模糊神经网络(self-organizing recurrent fuzzy neural network,SORFNN)方法预测PM2.5小时浓度。首先,通过分析影响PM2.5浓度的多种因素,利用主成分分析法(principal component analysis,PCA)筛选出与PM2.5浓度相关性较强的特征变量作为神经网络的输入变量。然后,根据ε准则和偏最小二乘算法(partial least squares,PLS)进行规则化层神经元的增删,实现递归模糊神经网络结构的自动调整,并采用学习率自适应的梯度下降算法调整模型中心、宽度和权值等参数,建立PM2.5预测模型。最后,利用典型非线性系统辨识和实际PM2.5浓度预测实验进行验证。实验结果表明,所设计的自组织递归模糊神经网络结构精简且预测精度高,较好地满足了PM2.5实时预测的要求。
展开更多
关键词
PM2.5
预测
PCA
递归
模糊
神经网络
自
组织
自适应梯度下降
在线阅读
下载PDF
职称材料
直接驱动X-Y平台递归神经网络控制仿真
被引量:
2
3
作者
王丽梅
武志涛
刘春芳
《沈阳工业大学学报》
EI
CAS
2009年第6期611-615,共5页
针对永磁直线同步电动机驱动的X-Y数控平台控制系统中存在的各种扰动,提出了一种基于自组织模糊递归神经网络的控制器设计方法,并利用切线-轮廓误差控制器对整体控制构架进行了整合式设计.该控制器融合了自组织模糊神经网络(SCFNN)和递...
针对永磁直线同步电动机驱动的X-Y数控平台控制系统中存在的各种扰动,提出了一种基于自组织模糊递归神经网络的控制器设计方法,并利用切线-轮廓误差控制器对整体控制构架进行了整合式设计.该控制器融合了自组织模糊神经网络(SCFNN)和递归神经网络(RNN)的优点.仿真结果表明,所设计的控制系统对于参数的变化、外部的扰动等具有较强的抑制作用,减小了系统的轮廓误差,具有较强的鲁棒性.
展开更多
关键词
X
-
Y数控平台
永磁直线同步电动机
轮廓误差
递归
神经网络
自
组织
模糊
神经网络
梯度下降法
智能控制
在线阅读
下载PDF
职称材料
模糊神经网络在机载相机稳像中的应用
被引量:
3
4
作者
李迪
陈向坚
+1 位作者
续志军
白越
《浙江大学学报(工学版)》
EI
CAS
CSCD
北大核心
2012年第8期1540-1545,共6页
针对解决微型飞行器空中拍摄的图像抖动问题,采用自组织递归区间二型模糊神经网络的函数逼近及泛化能力对微型飞行器上的相机振动规律进行模拟,预测机载相机的振动矢量.该自组织递归区间二型模糊神经网络的初始规则数为零,所有规则都是...
针对解决微型飞行器空中拍摄的图像抖动问题,采用自组织递归区间二型模糊神经网络的函数逼近及泛化能力对微型飞行器上的相机振动规律进行模拟,预测机载相机的振动矢量.该自组织递归区间二型模糊神经网络的初始规则数为零,所有规则都是通过结构和参数同时在线学习来产生,网络结构学习采用的是在线区间二型模糊群集,提高自组织递归区间二型模糊神经网络的稳定性及计算精度.仿真结果表明:将自组织递归区间二型模糊神经网络与双BP神经网络进行对比,利用自组织递归区间二型模糊神经网络对微型飞行器相机振动矢量进行预测的精度高.
展开更多
关键词
自
组织
递归
区间二型
模糊
神经网络
实时稳像
泛化能力
微型飞行器机载相机
在线阅读
下载PDF
职称材料
基于案例挖掘的边坡稳定性智能评价系统研究
被引量:
6
5
作者
谢全敏
陈立文
夏元友
《岩土力学》
EI
CAS
CSCD
北大核心
2008年第1期145-148,共4页
虽然边坡灾害治理实践已经积累了大量的成功的或失败的边坡治理工程案例,但这些工程案例产生的大量数据信息未被充分利用与开发,造成了极大的资源浪费。为此,基于边坡工程案例,应用数据挖掘与知识发现和递归的自-组织模糊神经推理网络...
虽然边坡灾害治理实践已经积累了大量的成功的或失败的边坡治理工程案例,但这些工程案例产生的大量数据信息未被充分利用与开发,造成了极大的资源浪费。为此,基于边坡工程案例,应用数据挖掘与知识发现和递归的自-组织模糊神经推理网络的方法,初步提出了一种基于案例挖掘的边坡稳定性智能评价系统,并通过案例挖掘的应用实例表明了该系统的有效性和可行性。
展开更多
关键词
边坡案例
数据挖掘
案例挖掘
递归的自-组织模糊神经网络
在线阅读
下载PDF
职称材料
一种新的退化交通标志图像的分类算法研究
被引量:
2
6
作者
丁淑艳
华春梅
李伦波
《传感器与微系统》
CSCD
北大核心
2007年第8期43-47,共5页
为了识别退化的交通标志图像,提出了一种新的分类算法。该算法在处理图像的退化问题时,采用模糊—仿射不变距直接提取图像的特征而不需要图像的清晰化处理;在利用模糊—仿射不变距提取图像特征的基础上,采用递归正交最小二乘算法设计了...
为了识别退化的交通标志图像,提出了一种新的分类算法。该算法在处理图像的退化问题时,采用模糊—仿射不变距直接提取图像的特征而不需要图像的清晰化处理;在利用模糊—仿射不变距提取图像特征的基础上,采用递归正交最小二乘算法设计了一种新的径向基概率神经网络分类器。仿真结果表明:模糊—仿射不变距是一种有效的处理退化的交通标志图像的方法,所设计的径向基概率神经网络分类器不仅具有精简的结构,而且,具有较好分类和推广性能。
展开更多
关键词
交通标志
径向基概率
神经网络
模糊
-
仿射不变距
递归
正交最小二乘法
在线阅读
下载PDF
职称材料
题名
自组织递归区间二型模糊神经网络在动态时变系统辨识中的应用
被引量:
9
1
作者
李迪
陈向坚
续志军
杨帆
牛文达
机构
中国科学院长春光学精密机械及物理研究所
出处
《光学精密工程》
EI
CAS
CSCD
北大核心
2011年第6期1406-1413,共8页
基金
国家自然科学基金资助项目(No.50905174)
文摘
针对动态时变系统辨识过程中存在噪声干扰的问题,本文将区间二型模糊集结合到递归神经网络中,提出了自组织递归区间二型模糊神经网络以增强动态时变系统的抗噪能力。该自组织递归区间二型模糊神经网络由前件和后件两部分构成:前件为区间二型模糊集模型,用于将每个规则的激活强度反馈到自身构成内反馈回路,其参数学习采用梯度下降算法;后件为带有区间权值的Takagi-Sugeno-Kang(TSK)模型,其参数学习采用有序规则卡尔曼滤波算法,且网络初始规则数为零。所有规则均通过结构学习和前后件参数同时在线学习来产生,其网络结构学习采用的是在线区间二型模糊群集。为验证提出的神经网络的优越性,将其应用到单输入单输出动态时变系统的辨识中。实验结果表明,相对于前馈一型/二型模糊神经网络、递归一型模糊神经网络,该神经网络的辨识能力强,即使在存在白噪声的条件下,也能减小测试及训练误差。
关键词
自
组织
递归
区间
二型
模糊
神经网络
卡尔曼滤波
梯度下降法
噪声干扰
动态时变系统辨识
Keywords
type
-
II fuzzy neural network; self
-
organizing recurrent interval; Kalman
-
filtering; gradient
-
descent algorithm; noise disturbance; dynamic time
-
varying system identification;
分类号
TP391.4 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
基于自组织递归模糊神经网络的PM2.5浓度预测
被引量:
8
2
作者
周杉杉
李文静
乔俊飞
机构
北京工业大学信息学部
计算智能与智能系统北京市重点实验室
出处
《智能系统学报》
CSCD
北大核心
2018年第4期509-516,共8页
基金
国家自然科学基金项目(61533002
61603009)
+1 种基金
北京工业大学"日新人才"计划项目(2017-RX(1)-04)
北京市自然科学基金项目(4182007)
文摘
针对PM2.5浓度非线性动态变化的特点,提出了一种自组织递归模糊神经网络(self-organizing recurrent fuzzy neural network,SORFNN)方法预测PM2.5小时浓度。首先,通过分析影响PM2.5浓度的多种因素,利用主成分分析法(principal component analysis,PCA)筛选出与PM2.5浓度相关性较强的特征变量作为神经网络的输入变量。然后,根据ε准则和偏最小二乘算法(partial least squares,PLS)进行规则化层神经元的增删,实现递归模糊神经网络结构的自动调整,并采用学习率自适应的梯度下降算法调整模型中心、宽度和权值等参数,建立PM2.5预测模型。最后,利用典型非线性系统辨识和实际PM2.5浓度预测实验进行验证。实验结果表明,所设计的自组织递归模糊神经网络结构精简且预测精度高,较好地满足了PM2.5实时预测的要求。
关键词
PM2.5
预测
PCA
递归
模糊
神经网络
自
组织
自适应梯度下降
Keywords
PM2.5
prediction
PCA
recurrent fuzzy neural network
self
-
organizing
adaptive gradient descent al
-
gorithm
分类号
TP18 [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
直接驱动X-Y平台递归神经网络控制仿真
被引量:
2
3
作者
王丽梅
武志涛
刘春芳
机构
沈阳工业大学电气工程学院
出处
《沈阳工业大学学报》
EI
CAS
2009年第6期611-615,共5页
基金
国家自然科学基金资助项目(50805098)
文摘
针对永磁直线同步电动机驱动的X-Y数控平台控制系统中存在的各种扰动,提出了一种基于自组织模糊递归神经网络的控制器设计方法,并利用切线-轮廓误差控制器对整体控制构架进行了整合式设计.该控制器融合了自组织模糊神经网络(SCFNN)和递归神经网络(RNN)的优点.仿真结果表明,所设计的控制系统对于参数的变化、外部的扰动等具有较强的抑制作用,减小了系统的轮廓误差,具有较强的鲁棒性.
关键词
X
-
Y数控平台
永磁直线同步电动机
轮廓误差
递归
神经网络
自
组织
模糊
神经网络
梯度下降法
智能控制
Keywords
X
-
Y table
PMLSM
contouring error
recurrent neural network
SCFNN
gradient descent method
intelligent control
分类号
TM351 [电气工程—电机]
在线阅读
下载PDF
职称材料
题名
模糊神经网络在机载相机稳像中的应用
被引量:
3
4
作者
李迪
陈向坚
续志军
白越
机构
中国科学院长春光学精密机械及物理研究所
中国科学院研究生院
出处
《浙江大学学报(工学版)》
EI
CAS
CSCD
北大核心
2012年第8期1540-1545,共6页
基金
国家自然科学基金资助项目(50905174)
文摘
针对解决微型飞行器空中拍摄的图像抖动问题,采用自组织递归区间二型模糊神经网络的函数逼近及泛化能力对微型飞行器上的相机振动规律进行模拟,预测机载相机的振动矢量.该自组织递归区间二型模糊神经网络的初始规则数为零,所有规则都是通过结构和参数同时在线学习来产生,网络结构学习采用的是在线区间二型模糊群集,提高自组织递归区间二型模糊神经网络的稳定性及计算精度.仿真结果表明:将自组织递归区间二型模糊神经网络与双BP神经网络进行对比,利用自组织递归区间二型模糊神经网络对微型飞行器相机振动矢量进行预测的精度高.
关键词
自
组织
递归
区间二型
模糊
神经网络
实时稳像
泛化能力
微型飞行器机载相机
Keywords
type
-
Ⅱ fuzzy neural networks with self
-
organizing recurrent intervals
real
-
time imagestabilization
generalization~ airborne camera in micro aircraft vehicle (MAV)
分类号
TP394.1 [自动化与计算机技术—计算机应用技术]
TH691.9 [机械工程—机械制造及自动化]
在线阅读
下载PDF
职称材料
题名
基于案例挖掘的边坡稳定性智能评价系统研究
被引量:
6
5
作者
谢全敏
陈立文
夏元友
机构
武汉理工大学土木工程与建筑学院
出处
《岩土力学》
EI
CAS
CSCD
北大核心
2008年第1期145-148,共4页
基金
博士后科学基金项目(No.2005038219)
湖北省科技攻关项目(No.2004AA306B03)
文摘
虽然边坡灾害治理实践已经积累了大量的成功的或失败的边坡治理工程案例,但这些工程案例产生的大量数据信息未被充分利用与开发,造成了极大的资源浪费。为此,基于边坡工程案例,应用数据挖掘与知识发现和递归的自-组织模糊神经推理网络的方法,初步提出了一种基于案例挖掘的边坡稳定性智能评价系统,并通过案例挖掘的应用实例表明了该系统的有效性和可行性。
关键词
边坡案例
数据挖掘
案例挖掘
递归的自-组织模糊神经网络
Keywords
slope case
data mining
case mining
recurrent self
-
organizing neural fuzzy inference network
分类号
TU457 [建筑科学—岩土工程]
TB115 [理学—应用数学]
在线阅读
下载PDF
职称材料
题名
一种新的退化交通标志图像的分类算法研究
被引量:
2
6
作者
丁淑艳
华春梅
李伦波
机构
黑龙江科技学院电气与信息工程学院
哈尔滨工业大学控制科学与工程系
出处
《传感器与微系统》
CSCD
北大核心
2007年第8期43-47,共5页
文摘
为了识别退化的交通标志图像,提出了一种新的分类算法。该算法在处理图像的退化问题时,采用模糊—仿射不变距直接提取图像的特征而不需要图像的清晰化处理;在利用模糊—仿射不变距提取图像特征的基础上,采用递归正交最小二乘算法设计了一种新的径向基概率神经网络分类器。仿真结果表明:模糊—仿射不变距是一种有效的处理退化的交通标志图像的方法,所设计的径向基概率神经网络分类器不仅具有精简的结构,而且,具有较好分类和推广性能。
关键词
交通标志
径向基概率
神经网络
模糊
-
仿射不变距
递归
正交最小二乘法
Keywords
traffic sign
radial basis probabilistic neural networks ( RBPNN )
combined blur
-
affine invariants (CBAIs)
recursive orthogonal least algorithm(ROLSA)
分类号
TP212 [自动化与计算机技术—检测技术与自动化装置]
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
自组织递归区间二型模糊神经网络在动态时变系统辨识中的应用
李迪
陈向坚
续志军
杨帆
牛文达
《光学精密工程》
EI
CAS
CSCD
北大核心
2011
9
在线阅读
下载PDF
职称材料
2
基于自组织递归模糊神经网络的PM2.5浓度预测
周杉杉
李文静
乔俊飞
《智能系统学报》
CSCD
北大核心
2018
8
在线阅读
下载PDF
职称材料
3
直接驱动X-Y平台递归神经网络控制仿真
王丽梅
武志涛
刘春芳
《沈阳工业大学学报》
EI
CAS
2009
2
在线阅读
下载PDF
职称材料
4
模糊神经网络在机载相机稳像中的应用
李迪
陈向坚
续志军
白越
《浙江大学学报(工学版)》
EI
CAS
CSCD
北大核心
2012
3
在线阅读
下载PDF
职称材料
5
基于案例挖掘的边坡稳定性智能评价系统研究
谢全敏
陈立文
夏元友
《岩土力学》
EI
CAS
CSCD
北大核心
2008
6
在线阅读
下载PDF
职称材料
6
一种新的退化交通标志图像的分类算法研究
丁淑艳
华春梅
李伦波
《传感器与微系统》
CSCD
北大核心
2007
2
在线阅读
下载PDF
职称材料
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
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部