期刊文献+
共找到5篇文章
< 1 >
每页显示 20 50 100
基于改进BP神经网络的岩心图像分割方法研究 被引量:2
1
作者 赵岩龙 张永安 +1 位作者 李星宇 孙有壮 《西安石油大学学报(自然科学版)》 CAS 北大核心 2020年第4期114-120,共7页
图像分割是提取岩心孔隙结构特征的重要基础,为解决传统图像分割方法对岩心图像分割精度不高的问题,利用遗传算法对传统BP神经网络图像分割方法进行优化,通过提取岩心图像领域特征,进一步对训练样本进行了修正。利用改进的BP神经网络岩... 图像分割是提取岩心孔隙结构特征的重要基础,为解决传统图像分割方法对岩心图像分割精度不高的问题,利用遗传算法对传统BP神经网络图像分割方法进行优化,通过提取岩心图像领域特征,进一步对训练样本进行了修正。利用改进的BP神经网络岩心图像分割方法,分别从整体连通领域、局部领域和边缘领域3个方面对岩心图像进行分割。与ImageJ软件和传统BP神经网络的岩心图像分割结果对比表明,改进的BP神经网络能够自主学习岩心图像中的整体连通结构、局部领域结构以及边缘结构特征,实现了对岩心图像的智能化分割,提高了BP神经网络对岩心图像分割的准确度与速度。 展开更多
关键词 图像分割 bp神经网络 遗传算法 数字岩心
在线阅读 下载PDF
农业机械设备液压元件故障诊断系统设计与应用 被引量:11
2
作者 曹智军 《农机化研究》 北大核心 2020年第1期255-260,共6页
为进一步提升农业机械设备液压元件的故障识别与诊断水平,通过理解多功能收获机的液压元件故障机理,将故障机理的理论模型与BP核心算法相融合,从硬件平台和软件运行控制两大方面进行故障诊断系统设计。测试试验表明:设置正确的故障编码... 为进一步提升农业机械设备液压元件的故障识别与诊断水平,通过理解多功能收获机的液压元件故障机理,将故障机理的理论模型与BP核心算法相融合,从硬件平台和软件运行控制两大方面进行故障诊断系统设计。测试试验表明:设置正确的故障编码并给出较为涵盖齐全的故障系统知识库,通过液压元件的故障现象,可得知该元件的故障名称及故障处理方案,在完善多功能收获机液压元件故障诊断手段的同时,可为农机设备维修人员迅速准确找出故障位置提供便利。该设计可作为故障专家开发系统的有效组成部分,具有一定的推广价值。 展开更多
关键词 农业机械 液压元件 故障识别 故障机理 bp核心算法 知识库
在线阅读 下载PDF
基于遗传算法和神经网络的企业核心竞争力评价模型研究 被引量:6
3
作者 董沛武 刘微微 娄岩峰 《兵工学报》 EI CAS CSCD 北大核心 2009年第S1期114-118,共5页
结合遗传算法与BP神经网络以航天二部为例,建立了其核心竞争力评价模型,该模型利用遗传算法提高了网络收敛的效率,克服了传统的神经网络训练时间长、易陷入局部极值的缺点,保持算法结果的全局最优。以一个算例从验证的角度说明该模型对... 结合遗传算法与BP神经网络以航天二部为例,建立了其核心竞争力评价模型,该模型利用遗传算法提高了网络收敛的效率,克服了传统的神经网络训练时间长、易陷入局部极值的缺点,保持算法结果的全局最优。以一个算例从验证的角度说明该模型对于评价航天二部核心竞争力具有可行性以及较高的精度。 展开更多
关键词 遗传算法 bp神经网络 核心竞争力 航天二部
在线阅读 下载PDF
基于自组织I/O映射神经网络的产业链核心竞争力 被引量:5
4
作者 方伯芃 孙林夫 唐慧佳 《计算机集成制造系统》 EI CSCD 北大核心 2016年第1期33-54,共22页
为有效提升产业链竞争优势,合理、高效地配置产业链的内部资源,对产业链核心竞争力进行了研究。分析了其构成要素,建立了数学模型与指标体系,并针对产业链核心竞争力高维指标体系内存在的部分相关性高、影响度低的冗余因素,提出一种基... 为有效提升产业链竞争优势,合理、高效地配置产业链的内部资源,对产业链核心竞争力进行了研究。分析了其构成要素,建立了数学模型与指标体系,并针对产业链核心竞争力高维指标体系内存在的部分相关性高、影响度低的冗余因素,提出一种基于BP神经网络、遗传算法、粒子群算法融合的自组织I/O映射神经网络模型。基于该模型,对指标体系内的各复杂因素进行了筛选,过滤掉冗余指标因素,识别出最能反映输入输出映射关系的因素变量,并在此基础上构建了关键因素识别模型,以识别构成产业链核心竞争力的关键因素。 展开更多
关键词 产业链协同 核心竞争力 bp神经网络 粒子群算法 遗传算法
在线阅读 下载PDF
神经网络-遗传复合算法在压水堆堆芯换料设计中的应用 被引量:7
5
作者 韦子豪 王端 +1 位作者 王东东 潘翠杰 《原子能科学技术》 EI CAS CSCD 北大核心 2020年第5期825-834,共10页
基于大规模数据的训练,神经网络模型能迅速准确预测堆芯的有效增殖因数(k eff)、组件功率峰因子(Rad)和棒功率峰因子(FΔH),并以这3个参数作为衡量换料方式优劣的标准,构造改进的遗传算法从大量堆芯燃料方案中迅速搜索出最优排布方案,... 基于大规模数据的训练,神经网络模型能迅速准确预测堆芯的有效增殖因数(k eff)、组件功率峰因子(Rad)和棒功率峰因子(FΔH),并以这3个参数作为衡量换料方式优劣的标准,构造改进的遗传算法从大量堆芯燃料方案中迅速搜索出最优排布方案,解决了在大量堆芯换料方案中选择最优方案费时的问题。堆芯装载方式建模时,设计二进制向量作为输入参数,有效减少了网络复杂度、提高了预测精度;最优方案搜索时,具有独特交叉算子、选择算子的遗传算法保证了搜索结果在可行域内,并提高了搜索效率。理论分析和数值实验结果表明,包含1个隐藏层的单隐层自适应BP网络可很好预测keff数据,包含3个隐藏层的自适应BP神经网络可较好地预测Rad和FΔH数据,再运用遗传算法快速搜索出了较理想的换料方案,为人工智能算法在核工业中的进一步深入应用提供参考。 展开更多
关键词 堆芯换料优化 自适应bp神经网络 遗传算法
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部