期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
Hermite混沌神经网络异步加密算法 被引量:2
1
作者 邹阿金 张雨浓 肖秀春 《智能系统学报》 2009年第5期458-462,共5页
基于最佳均方逼近,采用Hermite正交多项式做为神经网络隐层的激励函数,引入一种新型的Hermite神经网络模型.通过神经网络权值和混沌初值产生性能接近于理论值的混沌序列,从中提取与明文等长的序列进行排序,将排序结果对明文置换后即可... 基于最佳均方逼近,采用Hermite正交多项式做为神经网络隐层的激励函数,引入一种新型的Hermite神经网络模型.通过神经网络权值和混沌初值产生性能接近于理论值的混沌序列,从中提取与明文等长的序列进行排序,将排序结果对明文置换后即可得密文.加密与解密信息完全隐藏于神经网络产生的混沌序列中,与混沌初值无显式关系,且只需改变混沌初值,便可实现"一次一密"异步加密,其安全性取决于混沌序列的复杂性和无法预测性.理论分析和加密实例表明,该加密算法简单易行,克服了混沌同步加密的诸多缺陷,具有良好的安全性. 展开更多
关键词 hermite神经网络 正交多项式 混沌 异步加密
在线阅读 下载PDF
基于Hermite多项式函数链模糊神经网络的PMLSM分数阶反推控制 被引量:5
2
作者 赵希梅 王天鹤 《电机与控制学报》 EI CSCD 北大核心 2021年第9期61-69,共9页
针对永磁直线同步电动机(PMLSM)伺服系统中存在的参数变化、负载扰动和摩擦力等不确定性因素,采用了函数链模糊神经网络(FLFNN)和分数阶反推控制(FOBC)相结合的控制方案来提高系统的控制性能。首先,采用FOBC实现系统的全局调节和位置跟... 针对永磁直线同步电动机(PMLSM)伺服系统中存在的参数变化、负载扰动和摩擦力等不确定性因素,采用了函数链模糊神经网络(FLFNN)和分数阶反推控制(FOBC)相结合的控制方案来提高系统的控制性能。首先,采用FOBC实现系统的全局调节和位置跟踪,提高系统的收敛速度和控制精度;然后,采用Hermite多项式函数链模糊神经网络(HFLFNN)直接估计系统中存在的不确定性,同时利用指数补偿器对估计误差进行补偿,进一步提高系统的鲁棒性;最后,利用Lyapunov函数推导出系统中控制参数的在线调整估计律。实验结果表明所提出的控制方法切实可行,能够有效地抑制不确定性对系统的影响。与FOBC相比,具有更好的跟踪性能和鲁棒性能。 展开更多
关键词 永磁直线同步电动机 不确定性因素 分数阶反推控制 hermite多项式函数链模糊神经网络 指数补偿器 跟踪性能
在线阅读 下载PDF
基于PCHIP-VMD数据分析与SSA-LSTM模型的短期风电功率预测
3
作者 张登攀 兰征 杜怡衡 《电子测量与仪器学报》 北大核心 2025年第5期251-261,共11页
短期风电功率预测对电力系统调度与安全运行具有重要的支撑作用,然而风电数据具有强随机性和非平稳性,现有预测方法存在数据预处理保形性不足、模态混叠、预测模型参数优化效率低等问题,严重影响短期风电功率预测的准确性。为此,提出分... 短期风电功率预测对电力系统调度与安全运行具有重要的支撑作用,然而风电数据具有强随机性和非平稳性,现有预测方法存在数据预处理保形性不足、模态混叠、预测模型参数优化效率低等问题,严重影响短期风电功率预测的准确性。为此,提出分段三次Hermite插值法(PCHIP)与变分模态分解(VMD)相结合的数据预处理方法,以及麻雀搜索算法(SSA)与长短期记忆网络(LSTM)相结合的风电功率预测模型。首先,对风电原始数据异常值进行检测,针对异常值导致的时序数据保形性缺失问题,采用PCHIP法进行数据修复;其次,结合VMD法将预处理后的风电功率数据分解为4个内在模态分量,得到不同时间尺度上变化的数据信号;然后,将分解后的稳定项序列输入SSA-LSTM风电功率预测模型,得到风电功率预测结果。以某风电场21 d的实测功率数据为样本数据进行分析验证,所提模型的预测结果与真实值拟合程度可达到0.989 1,较当前LSTM模型预测精度提升5.558%,证明了所提方法的有效性和优越性。 展开更多
关键词 功率预测 分段三次hermite插值 变分模态分解 麻雀搜索算法 长短期神经网络
在线阅读 下载PDF
基于M-ANFIS-PNN的目标威胁评估模型
4
作者 于博文 于琳 +1 位作者 吕明 张捷 《系统工程与电子技术》 EI CSCD 北大核心 2022年第10期3155-3163,共9页
目标威胁评估的目的是根据目标的属性和状态信息对目标的威胁程度进行定量估计,为后续作战决策提供辅助支持。现有威胁评估模型大多依赖于数值信息,难以有效处理包含定性、定量数据的目标特征信息。基于此,提出一种改进的自适应模糊神... 目标威胁评估的目的是根据目标的属性和状态信息对目标的威胁程度进行定量估计,为后续作战决策提供辅助支持。现有威胁评估模型大多依赖于数值信息,难以有效处理包含定性、定量数据的目标特征信息。基于此,提出一种改进的自适应模糊神经推理系统模型。在自适应模糊神经推理系统的基础上,引入前件影响矩阵和后件影响矩阵对定性数据进行处理,使得定量、定性数据的影响同时作用于模糊规则的前件参数和后件参数;为了进一步提高模型的输出精度,将自适应模糊神经推理系统的输出层替换为多项式神经网络;通过基于Gower距离的近邻传播聚类算法对改进模型进行结构辨识,确定模糊规则的初始参数。仿真实例验证了所提方法的有效性与可行性,与其他混合属性数据建模方法相比,所提方法具有较高的预测精度,可为作战指挥决策提供有效的辅助支持。 展开更多
关键词 威胁评估 自适应模糊神经推理系统 多项式神经网络 混合属性 近邻传播聚类算法
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部