期刊文献+
共找到126篇文章
< 1 2 7 >
每页显示 20 50 100
FWNN for Interval Estimation with Interval Learning Algorithm
1
作者 Wang, Ling Liu, Fang Jiao, Licheng 《Journal of Systems Engineering and Electronics》 SCIE EI CSCD 1998年第1期56-66,共11页
In this paper, a wavelet based fuzzy neural network for interval estimation of processed data with its interval learning algorithm is proposed. It is also proved to be an efficient approach to calculate the wavelet c... In this paper, a wavelet based fuzzy neural network for interval estimation of processed data with its interval learning algorithm is proposed. It is also proved to be an efficient approach to calculate the wavelet coefficient. 展开更多
关键词 Fuzzy wavelet neural network (FWNN) Interval learning algorithm.
在线阅读 下载PDF
特征降维与融合的水声目标识别方法 被引量:2
2
作者 李昊鑫 肖长诗 +2 位作者 元海文 郭玉滨 刘加轩 《哈尔滨工程大学学报》 北大核心 2025年第1期102-110,共9页
为解决水声目标在强噪声环境下识别困难以及特征高维问题,本文提出一种将水声信号进行离散小波变换并提取其低频系数与重组一维梅尔倒谱系数融合的方法,以减少特征维度并弥补信息损失。利用1D-CNN-LSTM神经网络在DeepShip和ShipsEar 2... 为解决水声目标在强噪声环境下识别困难以及特征高维问题,本文提出一种将水声信号进行离散小波变换并提取其低频系数与重组一维梅尔倒谱系数融合的方法,以减少特征维度并弥补信息损失。利用1D-CNN-LSTM神经网络在DeepShip和ShipsEar 2个数据集上进行实验,识别准确率均在99%以上。结果表明:该算法能够有效抑制噪声,具备较强的鲁棒性。将所提算法应用到单船识别,实验结果表明该算法能够有效区分同类型的不同船舶。 展开更多
关键词 水声目标识别 离散小波变换 梅尔倒谱系数 特征融合 联合神经网络 单船识别 深度学习 船舶辐射噪声
在线阅读 下载PDF
基于深度强化学习的多用户蜂窝网络能效优化
3
作者 徐钰龙 李君 +1 位作者 李正权 高伟栋 《计算机工程与设计》 北大核心 2025年第3期734-740,共7页
针对多用户蜂窝网络中能量效率的重要性以及传统优化算法的局限性和泛化性能差的问题,提出一种基于深度强化学习的EEO-Dueling DQN算法,旨在满足约束发射功率条件下实现整个网络的能量效率最大化。Dueling DQN采用竞争网络优化神经网络... 针对多用户蜂窝网络中能量效率的重要性以及传统优化算法的局限性和泛化性能差的问题,提出一种基于深度强化学习的EEO-Dueling DQN算法,旨在满足约束发射功率条件下实现整个网络的能量效率最大化。Dueling DQN采用竞争网络优化神经网络结构解决DQN中出现的高估问题。仿真结果表明,该算法获得的平均能量效率比DQN算法高出65%,在收敛情况和稳定性方面也有较好表现,具有较强泛化能力,可适用于实际中不同通信场景。 展开更多
关键词 多用户 蜂窝网络 深度强化学习 神经网络 竞争网络 能量效率 泛化性能
在线阅读 下载PDF
一种新的深度学习信号调制方式自动识别算法研究
4
作者 张丹华 冯冀宁 《现代电子技术》 北大核心 2025年第12期179-186,共8页
调制方式自动识别(AMR)基于深度学习(DL)的方法 AMR-DL是当前信号调制方式识别领域的研究热点。然而,低信噪比(SNR)条件下的调制信号以及深度学习网络参数量过大会显著降低AMR-DL的识别准确率和计算效率。针对这两个关键问题,提出一种新... 调制方式自动识别(AMR)基于深度学习(DL)的方法 AMR-DL是当前信号调制方式识别领域的研究热点。然而,低信噪比(SNR)条件下的调制信号以及深度学习网络参数量过大会显著降低AMR-DL的识别准确率和计算效率。针对这两个关键问题,提出一种新型AMR-DL算法。新算法利用多观测样本累积方法提高信噪比,对增强后的信号进行小波变换,得到时频图像,将调制识别问题转换为时频图像的分类问题;同时设计了一个轻量级神经网络,用于时频图像特征提取与分类。仿真结果显示,所提新型AMR-DL算法中轻量级神经网络参数量较少,在0 dB下准确率可达98.1%,且与其他算法相比在低信噪比条件下显著提高了调制信号的识别准确率。 展开更多
关键词 深度学习 调制方式自动识别 多观测样本累积 轻量级神经网络 小波变换 低信噪比
在线阅读 下载PDF
针对非平稳信号和高频噪声的自适应噪声完整集成经验模态分解-双向长短期记忆风功率预测模型
5
作者 万思洋 杨苹 +3 位作者 崔嘉雁 李丰能 隗知初 陈文皓 《电网技术》 北大核心 2025年第3期1176-1184,I0085,共10页
提出了一种基于改进的自适应噪声完整集成经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)和双向长短期记忆神经网络(bidirectional long short-term memory,BiLSTM)的组合预测模型,以提高... 提出了一种基于改进的自适应噪声完整集成经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)和双向长短期记忆神经网络(bidirectional long short-term memory,BiLSTM)的组合预测模型,以提高风电功率预测的准确性和鲁棒性。当前风电功率预测面临非平稳信号和高频噪声的问题,影响了预测的准确性。针对这一问题,通过CEEMDAN分解,将复杂的非平稳信号分解为多个固有模态函数分量(intrinsic mode function,IMF),在此基础上创新性地通过平均波动幅度(average fluctuation range,AFR)计算IMF的平均波动幅度进行高低频划分,应用经验小波变换(empirical wavelet transform,EWT)对高频分量进行滤波,显著降低信号中的高频噪声,提高数据准确性。随后,分别对高频和低频分量建立Bi-LSTM模型,选取最优参数进行训练和预测,将各分量的预测结果叠加得到最终的风电功率预测值。模型经过不同季节和数据集的验证,展示了其在风电功率预测中的通用性和鲁棒性。研究证明,结合CEEMDAN分解、AFR划分和EWT滤波,通过有效的噪声抑制和数据分解,能够显著提升风电功率预测的准确性和稳定性,弥补了传统方法在处理非平稳信号和高频噪声方面的不足。 展开更多
关键词 风电功率预测 双向长短期记忆神经网络 完全集成经验模态分解 经验小波变换 深度学习
在线阅读 下载PDF
基于多频特征学习的恶意代码变种分类 被引量:2
6
作者 靳黎忠 薛慧琴 +2 位作者 段明博 赵旭俊 高改梅 《计算机工程与设计》 北大核心 2024年第7期1934-1940,共7页
针对恶意代码变种分类方法没有充分对原始输入进行分析的问题,提出一种更加高效的基于深度学习的办法,使用卷积神经网络对多频信息进行学习。对恶意代码转化而成的图像进行研究,利用小波变换进行多频和多层次的分析,抓住低频和高频特征... 针对恶意代码变种分类方法没有充分对原始输入进行分析的问题,提出一种更加高效的基于深度学习的办法,使用卷积神经网络对多频信息进行学习。对恶意代码转化而成的图像进行研究,利用小波变换进行多频和多层次的分析,抓住低频和高频特征;针对多频信息输入,设计一种多频特征学习模块,充分挖掘其中有用信息。实验结果表明,该方法在Malimg数据集上,相比其它两种恶意代码分类办法,分别取得了1.5%和0.8%的效果提升。 展开更多
关键词 恶意代码分类 多频特征 深度学习 小波变换 灰度图像 卷积神经网络 恶意代码家族
在线阅读 下载PDF
基于预训练GoogleNet模型和迁移学习的齿轮箱故障检测方法 被引量:7
7
作者 杨魏华 阮爱国 黄国勇 《机电工程》 CAS 北大核心 2024年第2期262-270,共9页
针对以往齿轮箱故障诊断中特征处理算法繁琐、人为因素影响较大等问题,提出了一种基于预训练GoogleNet模型和迁移学习(TL)的故障诊断方法。首先,利用连续小波变换(CWT)将离散时间序列转变为二维小波尺度图,构建了样本集;然后,对预训练... 针对以往齿轮箱故障诊断中特征处理算法繁琐、人为因素影响较大等问题,提出了一种基于预训练GoogleNet模型和迁移学习(TL)的故障诊断方法。首先,利用连续小波变换(CWT)将离散时间序列转变为二维小波尺度图,构建了样本集;然后,对预训练模型进行了结构微调及参数微调使其符合任务需求,利用处理得到的训练样本对微调后的模型进行了微训练,使其达到理想精度,然后保存模型,再将其应用于故障分类任务;最后,为了对上述模型的可行性进行验证,利用昆明理工大学控制与优化重点实验室的平行齿轮箱数据以及东南大学的行星齿轮箱数据对微调模型进行了验证。研究结果表明:相比于传统卷积神经网络(CNN)以及未经预训练的GoogleNet模型,基于预训练GoogleNet模型和迁移学习的故障诊断方法在训练样本较少的情况下,其分类准确率均值仍然高达97.40%,且模型的收敛速度更快,对计算机算力的依赖程度更低。微调模型高层的方法能根据任务分类情况个性化设置模型输出,因此该模型能够适用于不同的场景。 展开更多
关键词 变速器 预训练网络 迁移学习 连续小波变换 尺度图 卷积神经网络
在线阅读 下载PDF
低信噪比下基于深度学习TCNN-MobileNet的调制识别 被引量:1
8
作者 牛瑞婷 严天峰 +1 位作者 高锐 王映植 《计算机工程》 CAS CSCD 北大核心 2024年第7期204-215,共12页
将深度学习算法应用于调制识别任务是近年来通信领域的一个研究热点,但现有方法存在网络复杂度高、硬件要求高、在低信噪比(SNR)下识别准确率不高等问题。结合离散小波变换方法,提出一种基于双路卷积神经网络级联可分离卷积网络(TCNN-Mo... 将深度学习算法应用于调制识别任务是近年来通信领域的一个研究热点,但现有方法存在网络复杂度高、硬件要求高、在低信噪比(SNR)下识别准确率不高等问题。结合离散小波变换方法,提出一种基于双路卷积神经网络级联可分离卷积网络(TCNN-MobileNet)的调制识别方法。首先通过小波变换对数据进行预处理,将信号作为输入传送到双路卷积神经网络中进行不同维度的特征提取;然后通过融合层进行特征融合并送入轻量级神经网络MobileNetV1中,进行调制识别模型训练;最后通过全连接层进行11种调制识别的分类输出。在公开数据集RML2016.10a上的实验结果表明,在-20dB的低SNR下TCNN-MobileNet的识别准确率可达88.71%,在18dB的高SNR下识别准确率可达96.66%,SNR在-20~18dB范围内时平均识别准确率为88.37%,相比于ResNet18、ResNet34等经典网络架构提升了约35%。TCNN-MobileNet识别方法在保证识别精度不变的情况下能够降低训练参数量以及网络训练时间,有效简化网络架构,降低对硬件设备的要求,对轻量级神经网络在调制识别中的应用具有借鉴意义。 展开更多
关键词 调制识别 卷积神经网络 小波变换 深度学习 低信噪比
在线阅读 下载PDF
基于同步挤压小波变换和Transformer的轴承故障诊断模型 被引量:2
9
作者 张向宇 王衍学 《机电工程》 CAS 北大核心 2024年第6期1011-1019,共9页
针对采用神经网络对滚动轴承进行故障诊断时,故障信息利用不充分,特征提取困难的问题,提出了一种基于同步挤压小波变换(SST)-Transformer的滚动轴承智能故障诊断方法。首先,以同步挤压小波变换作为信号处理模块,将一维振动信号转为时频... 针对采用神经网络对滚动轴承进行故障诊断时,故障信息利用不充分,特征提取困难的问题,提出了一种基于同步挤压小波变换(SST)-Transformer的滚动轴承智能故障诊断方法。首先,以同步挤压小波变换作为信号处理模块,将一维振动信号转为时频图;接着,设计了一种最大程度保留故障信息的时频图分割方式,将时频图分割为一系列图像块序列;然后,将序列输入到具有强大的处理序列数据能力的Transformer模型中,进行了特征提取;最后,将特征数据输入分类器进行了分类,对比了不同的时频图分割方式的诊断效果,并将SST-Transformer模型与基准算法相比较。研究结果表明:相较于其他分割方式,基于SST-Transformer的滚动轴承智能故障诊断方法的诊断准确率提升了3.45%,并大幅提升了模型训练的收敛速度;相比于其他基准算法,该方法的平均准确率至少提升了1.05%。该方法有较高的诊断准确率和较好的稳定性。 展开更多
关键词 故障智能诊断 神经网络 故障特征提取 注意力机制 深度学习 同步挤压小波变换 Transformer模型
在线阅读 下载PDF
小波包奇异谱熵与LVQ网络齿轮箱轴承退化评估
10
作者 肖乾 汪寒俊 +5 位作者 朱海燕 王文静 朱恩豪 叶小芬 魏昱洲 李林 《振动.测试与诊断》 EI CSCD 北大核心 2024年第6期1181-1189,1249,1250,共11页
为研究齿轮箱轴承性能退化评估,首先,根据高速列车齿轮箱轴承与齿轮的相关数据,对齿轮箱轴承仿真振动信号训练样本进行小波包分解并计算小波包奇异谱熵构成特征向量,输入到学习向量量化(learning vector quantization,简称LVQ)神经网络... 为研究齿轮箱轴承性能退化评估,首先,根据高速列车齿轮箱轴承与齿轮的相关数据,对齿轮箱轴承仿真振动信号训练样本进行小波包分解并计算小波包奇异谱熵构成特征向量,输入到学习向量量化(learning vector quantization,简称LVQ)神经网络聚类模型中,建立性能退化评估模型;其次,将测试样本按同样的方式提取特征向量,输入到建立好的模型中评估轴承性能退化状态;然后,选取轴承全寿命疲劳试验进行分析,并选择特征优选和模糊C均值聚类算法进行对比;最后,根据LVQ神经网络聚类算法确定训练样本中正常状态和失效状态的聚类中心,建立性能退化评估模型。结果表明:将小波包奇异谱熵和LVQ神经网络聚类算法相结合,能较好区分齿轮箱轴承不同的退化状态,准确表现轴承性能退化曲线;通过隶属度函数计算隶属度作为性能退化评价指标,可以对性能退化状态进行定量表征;通过对时域指标和频域指标特征优选进行对比,验证了本研究方法更加有效,对早期退化更敏感,能及时发现早期退化并且能对退化程度进行准确评估。 展开更多
关键词 交通工程 齿轮箱振动加速度 信号仿真 小波包奇异谱熵 学习向量量化神经网络聚类 性能退化评估
在线阅读 下载PDF
基于改进小波神经网络的新型PMSM速度控制
11
作者 周雅夫 赵洋 《组合机床与自动化加工技术》 北大核心 2024年第10期105-108,114,共5页
采用传统PI控制策略的永磁同步电机调速系统无法兼顾良好的动态响应性能与抗扰动能力,且在实际应用中参数整定繁琐。为改善以上问题,对速度环设计一种改进型小波神经网络PI控制器,该控制器基于自适应学习速率的梯度下降法并引入惯性项... 采用传统PI控制策略的永磁同步电机调速系统无法兼顾良好的动态响应性能与抗扰动能力,且在实际应用中参数整定繁琐。为改善以上问题,对速度环设计一种改进型小波神经网络PI控制器,该控制器基于自适应学习速率的梯度下降法并引入惯性项在线更新网络参数,通过权重因子扩大PI参数输出范围,以增强控制器性能;为消除电流环比例参数对速度环的影响,设计无差拍电流预测控制器,进一步提升系统动态响应性能。仿真结果表明,上述控制方案能够实现速度环PI参数在线自整定,明显提升系统动态响应性能,且具有良好的抗扰动能力。 展开更多
关键词 PMSM 小波神经网络 自适应学习速率 PI控制 模型预测控制
在线阅读 下载PDF
自组织增量学习神经网络综述 被引量:29
12
作者 邱天宇 申富饶 赵金熙 《软件学报》 EI CSCD 北大核心 2016年第9期2230-2247,共18页
自组织增量学习神经网络SOINN(self-organizing incremental neural network)是一种基于竞争学习的两层神经网络,用于在没有先验知识的情况下对动态输入数据进行在线聚类和拓扑表示,同时,对噪音数据具有较强的鲁棒性.SOINN的增量性,使... 自组织增量学习神经网络SOINN(self-organizing incremental neural network)是一种基于竞争学习的两层神经网络,用于在没有先验知识的情况下对动态输入数据进行在线聚类和拓扑表示,同时,对噪音数据具有较强的鲁棒性.SOINN的增量性,使得它能够发现数据流中出现的新模式并进行学习,同时不影响之前学习的结果.因此,SOINN能够作为一种通用的学习算法应用于各类非监督学习问题中.对SOINN的模型和算法进行相应的调整,可以使其适用于监督学习、联想记忆、基于模式的推理、流形学习等多种学习场景中.SOINN已经在许多领域得到了应用,包括机器人智能、计算机视觉、专家系统、异常检测等. 展开更多
关键词 神经网络 自组织 竞争学习 增量学习
在线阅读 下载PDF
分布式RBF神经网络及其在软测量方面的应用 被引量:24
13
作者 王旭东 邵惠鹤 罗荣富 《控制理论与应用》 EI CAS CSCD 北大核心 1998年第4期558-563,共6页
本文首先改进了竞争学习算法,并且在此基础上提出了递阶聚类的思想,然后利用这种思想得到了一种分布式RBF(Radialbasisfunction)神经网络.文章最后将这种网络应用于建立精馏塔成分估计的软测量模型.利用精馏塔的现场操作数据进行... 本文首先改进了竞争学习算法,并且在此基础上提出了递阶聚类的思想,然后利用这种思想得到了一种分布式RBF(Radialbasisfunction)神经网络.文章最后将这种网络应用于建立精馏塔成分估计的软测量模型.利用精馏塔的现场操作数据进行仿真,效果很好. 展开更多
关键词 竞争学习 RBF神经网络 软测量 精馏塔
在线阅读 下载PDF
基于肌电信号的人手运动状态的辨识 被引量:7
14
作者 李醒飞 朱嘉 +2 位作者 杨晶晶 张国雄 卢志扬 《中国生物医学工程学报》 CAS CSCD 北大核心 2007年第2期166-169,共4页
研究的目的在于利用人体前臂的肌电信号进行人手动作模式的识别。根据采集的肌电信号,判断动作始末状态并对该肌电信号进行小波降噪预处理,利用小波变换的高频细节系数极值构造特征矢量,经过学习矢量量化(LVQ)神经网络训练,能够有效地... 研究的目的在于利用人体前臂的肌电信号进行人手动作模式的识别。根据采集的肌电信号,判断动作始末状态并对该肌电信号进行小波降噪预处理,利用小波变换的高频细节系数极值构造特征矢量,经过学习矢量量化(LVQ)神经网络训练,能够有效地识别握拳、展拳、手腕内旋和手腕外旋4种动作模式。和前馈型神经网络比较,LVQ神经网络具有更高的识别准确率和更稳定的再现性。 展开更多
关键词 EMGs 小波变换 学习矢量量化网络(LVQ) 神经网络
在线阅读 下载PDF
基于预处理小波神经网络模型的协同创新客户评价与应用研究 被引量:10
15
作者 杨洁 杨育 +2 位作者 王伟立 赵小华 宋李俊 《计算机集成制造系统》 EI CSCD 北大核心 2008年第5期882-890,共9页
为了在协同产品创新中有效地识别和评价创新客户,提出了运用基于预处理的小波神经网络模型,对协同创新客户进行评价。在分析面向客户学习效应评价过程的基础上,建立了包括学习效应在内的,由五个方面构成的协同创新客户综合评价指标体系... 为了在协同产品创新中有效地识别和评价创新客户,提出了运用基于预处理的小波神经网络模型,对协同创新客户进行评价。在分析面向客户学习效应评价过程的基础上,建立了包括学习效应在内的,由五个方面构成的协同创新客户综合评价指标体系。运用粗糙集理论对评价指标进行预先处理,减少了冗余指标项,降低了小波网络的输入维数,采用迭代梯度下降法和逐步检验法确定小波网络结构,然后应用小波网络进行协同创新客户综合评价。应用结果表明了该评价模型的有效性和可行性。 展开更多
关键词 协同产晶创新 学习效应 创新客户 识别与评价 小波网络
在线阅读 下载PDF
基于小波神经网络的混沌时间序列分析与相空间重构 被引量:15
16
作者 陈哲 冯天瑾 张海燕 《计算机研究与发展》 EI CSCD 北大核心 2001年第5期591-596,共6页
探讨了小波神经网络在混沌时间序列分析与相空间重构中的应用 ,通过混沌时间序列单步预测与多步预测的例子 ,比较了小波神经网络与 ML P的逼近和收敛性能 .对最近提出的一种多分辨率学习策略进行了改进 ,利用连续 3次样条小波和正交 Dau... 探讨了小波神经网络在混沌时间序列分析与相空间重构中的应用 ,通过混沌时间序列单步预测与多步预测的例子 ,比较了小波神经网络与 ML P的逼近和收敛性能 .对最近提出的一种多分辨率学习策略进行了改进 ,利用连续 3次样条小波和正交 Daubechies小波代替 Haar小波对时间序列做小波分解 ;用改进的学习算法训练网络 ,并应用到混沌序列相空间重构中 .实验结果表明 ,小波神经网络比 ML P和 ARMA模型具有更强大的逼近能力 ,因而十分适合应用于时间序列分析中 ;多分辨率学习算法可作为分析复杂混沌时间序列的一种重要工具 . 展开更多
关键词 小波神经网络 多分辨率学习 相空间重构 混沌时间序列分析
在线阅读 下载PDF
基于域理论的自适应谐振神经网络分类器 被引量:13
17
作者 周志华 陈兆乾 +1 位作者 netra.nju.edu.cn 陈世福 《软件学报》 EI CSCD 北大核心 2000年第5期667-672,共6页
提出了一种基于域理论的自适应谐振神经网络模型 FTART2 ( field theory based adaptive resonancetheory 2 ) .该模型结合了自适应谐振理论和域理论的优点 ,学习速度快 ,归纳能力强 ,效率高 ,可以根据输入样本自适应地调整拓扑结构 ,... 提出了一种基于域理论的自适应谐振神经网络模型 FTART2 ( field theory based adaptive resonancetheory 2 ) .该模型结合了自适应谐振理论和域理论的优点 ,学习速度快 ,归纳能力强 ,效率高 ,可以根据输入样本自适应地调整拓扑结构 ,克服了前馈型网络需要人为设置隐层神经元的缺点 .基准测试表明 ,FTART2在学习精度和速度上都远远优于标准 展开更多
关键词 神经网络 机器学习 自适应谐振 域理论 分类器
在线阅读 下载PDF
自适应谐振理论综述 被引量:15
18
作者 周志华 陈兆乾 陈世福 《计算机科学》 CSCD 北大核心 1999年第4期54-56,79,共4页
1.引言神经网络的竞争学习模型在70年代早期由Malsburg和Grossberg提出,此后得到了很大的发展。这种学习是指网络中的某一组神经元相互竞争对外界刺激模式响应的权力,竞争获胜的神经元的连接权发生某种变化,使得它在下一次对该刺激模式... 1.引言神经网络的竞争学习模型在70年代早期由Malsburg和Grossberg提出,此后得到了很大的发展。这种学习是指网络中的某一组神经元相互竞争对外界刺激模式响应的权力,竞争获胜的神经元的连接权发生某种变化,使得它在下一次对该刺激模式进行竞争时更为有利。一般来说,由竞争学习模型学习得到的分类很难保持稳定,即使连续地为网络提供有限个保持不变的模式序列,某一个特定的获胜分类仍然可能不断地发生变化。为了稳定学习过程。 展开更多
关键词 神经网络 自适应谐振理论 竞争学习
在线阅读 下载PDF
卷积神经网络在结构损伤诊断中的应用 被引量:21
19
作者 李书进 赵源 +1 位作者 孔凡 张远进 《建筑科学与工程学报》 CAS 北大核心 2020年第6期29-37,共9页
对卷积神经网络(CNN)在工程结构损伤诊断中的应用进行了深入探讨;以多层框架结构节点损伤位置的识别问题为研究对象,构建了可以直接从结构动力反应信号中进行学习并完成分类诊断的基于原始信号和傅里叶频域信息的一维卷积神经网络模型... 对卷积神经网络(CNN)在工程结构损伤诊断中的应用进行了深入探讨;以多层框架结构节点损伤位置的识别问题为研究对象,构建了可以直接从结构动力反应信号中进行学习并完成分类诊断的基于原始信号和傅里叶频域信息的一维卷积神经网络模型和基于小波变换数据的二维卷积神经网络模型;从输入数据样本类别、训练时间、预测准确率、浅层与深层卷积神经网络以及不同损伤程度的影响等多方面进行了研究。结果表明:卷积神经网络能从结构动力反应信息中有效提取结构的损伤特征,且具有很高的识别精度;相比直接用加速度反应样本,使用傅里叶变换后的频域数据作为训练样本能使CNN的收敛速度更快、更稳定,并且深层CNN的性能要好于浅层CNN;将卷积神经网络用于工程结构损伤诊断具有可行性,特别是在大数据处理和解决复杂问题能力方面与其他传统诊断方法相比有很大优势,应用前景广阔。 展开更多
关键词 损伤识别 卷积神经网络 深度学习 框架结构 小波变换
在线阅读 下载PDF
改进的SOFM及其在矢量量化中的应用 被引量:7
20
作者 段勇 徐心和 崔宝侠 《系统仿真学报》 EI CAS CSCD 北大核心 2006年第3期718-721,共4页
根据等失真(Equidistortion)理论提出了一种基于改进的自组织特征映射(SOFM)神经网络的矢量量化方法,该算法将失真敏感机制引入神经网络的竞争学习过程。通过调整码字的部分失真来指导神经网络的学习,以使得所设计的码书平均失真最小。... 根据等失真(Equidistortion)理论提出了一种基于改进的自组织特征映射(SOFM)神经网络的矢量量化方法,该算法将失真敏感机制引入神经网络的竞争学习过程。通过调整码字的部分失真来指导神经网络的学习,以使得所设计的码书平均失真最小。同时把矢量量化应用于图像的小波变换域,根据图像小波变换高频系数的空间分布特点来组织码书,从而进一步提高码书的质量和适应性。通过实验对算法的性能进行了分析,证明了算法的有效性。 展开更多
关键词 部分失真 矢量量化 竞争学习 自组织特征映射神经网络 小波变换
在线阅读 下载PDF
上一页 1 2 7 下一页 到第
使用帮助 返回顶部