Hermite插值神經(jīng)網(wǎng)絡權值和結構確定理論

為解決過程神經(jīng)元網(wǎng)絡不能直接輸入離散樣本的問題,提出基于樣條插值函數(shù)的離散過程神經(jīng)網(wǎng)絡訓練算法。首先,將離散過程樣本按采樣點分段,在采樣區(qū)間內(nèi)分別構造樣本和權值的分段樣條函數(shù);然后,計算樣本函數(shù)和權函數(shù)的乘積在采樣區(qū)間上的積分,并將此積分值提交給網(wǎng)絡的隱層過程神經(jīng)元;最后,在輸出層計算網(wǎng)絡輸出。分別采用一次、二次、三次樣條函數(shù),設計了三種不同的算法。實驗結果表明:一次樣條計算效率高,逼近能力差;三次樣條計算效率低,但逼近能力好;二次樣條在計算效率和逼近能力兩方面都比較理想。因此,二次樣條函數(shù)是離散過程神經(jīng)網(wǎng)絡的較好選擇。

人工神經(jīng)網(wǎng)絡方法通過大量的樣本學習和訓練,能夠?qū)嶋H問題進行最佳逼近。在分析煤層界面建模數(shù)據(jù)的基礎上,設計插值煤層界面的人工神經(jīng)網(wǎng)絡結構。利用matlab的神經(jīng)網(wǎng)絡工具箱建立對煤層界面插值的人工神經(jīng)網(wǎng)絡模型。以某礦的鉆孔數(shù)據(jù)為樣本對人工神經(jīng)網(wǎng)絡進行訓練,實現(xiàn)了對煤層界面網(wǎng)格的插值;通過matlab實現(xiàn)了對煤層界面的插值結果的三維顯示。

利用一種新型學習向量神經(jīng)網(wǎng)絡實現(xiàn)了對灰度圖像的基于最佳點對匹配的圖像插值。采用新型學習向量神經(jīng)網(wǎng)絡的最佳點對匹配圖像插值算法插值出的中間圖像,較好的解決了插值圖像邊緣模糊的現(xiàn)象。試驗結果表明,該方法插值得到的圖像邊界清晰較好,模糊度小,圖像連續(xù)。

[目的]通過耕地土壤全氮的空間變異特性研究,可以更好地調(diào)整耕地管理措施、合理施用氮肥、減少資源浪費。[方法]利用rbf(radialbasisfunction,徑向基函數(shù))神經(jīng)網(wǎng)絡插值法對區(qū)域土壤全氮進行空間插值,同時與普通克里格法進行比較。[結果]rbf神經(jīng)網(wǎng)絡插值法在擬合能力和插值能力方面要明顯優(yōu)于普通克里格法。[結論]rbf神經(jīng)網(wǎng)絡法具有很好的應用前景。

研究了一維歐氏空間中神經(jīng)網(wǎng)絡的插值問題.首先,對于一組插值樣本和定義在r上的一般有界sig-moidal激活函數(shù),給出了精確插值的單隱層前向神經(jīng)網(wǎng)絡存在的條件;然后,構造了近似插值網(wǎng)絡,給出了估計精確和近似插值網(wǎng)絡之間的誤差;最后,利用連續(xù)模作為度量,分別估計了兩類網(wǎng)絡對連續(xù)函數(shù)的逼近誤差.

以拓撲指數(shù)為結構描述符,用基于levenberg-marquardt優(yōu)化的bp神經(jīng)網(wǎng)絡建立了醇類化合物的結構與色譜保留值的相關性模型,用于未知醇類化合物在se-30和ov-3兩根色譜柱上保留指數(shù)的同時預測,其學習速率優(yōu)于文獻中普通bp神經(jīng)網(wǎng)絡法,預測準確度與普通bp神經(jīng)網(wǎng)絡法接近,但優(yōu)于多元線性回歸法,因而是一種較好的預測有機化合物氣相色譜保留指數(shù)的方法.

缺測降水數(shù)據(jù)的插補可以有效改善數(shù)據(jù)系列的完整性,以元江境內(nèi)的元江、洼垤、因遠、街子河、阿支、磨房河等水文和雨量站點逐月及年降水數(shù)據(jù)為基礎,研究缺測降水數(shù)據(jù)的插補。站點之間月降水數(shù)據(jù)相關分析表明:各站點之間相關性較差,相關分析難以滿足本研究流域內(nèi)部分月降水數(shù)據(jù)插補精度,故嘗試采用bp神經(jīng)網(wǎng)絡模型對研究流域降水數(shù)據(jù)進行插補。研究表明:基于本流域降水數(shù)據(jù)建立的神經(jīng)網(wǎng)絡模型檢測樣本合格率達到89.6%,具有較好的插補精度,說明神經(jīng)網(wǎng)絡可以用于本研究流域的缺測降水數(shù)據(jù)插補,為降水數(shù)據(jù)缺測的插補提供了新的途徑。

缺測降水數(shù)據(jù)的插補可以有效改善數(shù)據(jù)系列的完整性,以元江境內(nèi)的元江、洼垤、因遠、街子河、阿支、磨房河等水文和雨量站點逐月及年降水數(shù)據(jù)為基礎,研究缺測降水數(shù)據(jù)的插補。站點之間月降水數(shù)據(jù)相關分析表明：各站點之間相關性較差,相關分析難以滿足本研究流域內(nèi)部分月降水數(shù)據(jù)插補精度,故嘗試采用bp神經(jīng)網(wǎng)絡模型對研究流域降水數(shù)據(jù)進行插補。研究表明：基于本流域降水數(shù)據(jù)建立的神經(jīng)網(wǎng)絡模型檢測樣本合格率達到89.6%,具有較好的插補精度,說明神經(jīng)網(wǎng)絡可以用于本研究流域的缺測降水數(shù)據(jù)插補,為降水數(shù)據(jù)缺測的插補提供了新的途徑。

當前一般按照數(shù)據(jù)的后驗分布,為缺失值插入估計值,通常低估了統(tǒng)計量的方差,導致統(tǒng)計量估計置信范圍降低,檢測顯著性降低。為此,提出1種新的基于bp神經(jīng)網(wǎng)絡的農(nóng)資庫存數(shù)據(jù)插補技術。為了增強不同年份農(nóng)資庫存數(shù)據(jù)的可比性,對數(shù)據(jù)進行歸一化處理。針對訓練的bp神經(jīng)網(wǎng)絡,通過平均絕對誤差、均方誤差、平均預測誤差、平均絕對百分誤差完成統(tǒng)計分析,評價模擬值和觀測模擬值間的離散程度。分析了bp神經(jīng)網(wǎng)絡結構,對農(nóng)資庫存數(shù)據(jù)進行插補的過程中,構造雙向時間識別序列,改變應用前一時間段農(nóng)資庫存數(shù)據(jù)預測后期數(shù)據(jù)的傳統(tǒng)方式,采用缺失時間段前后已有農(nóng)資庫存數(shù)據(jù)共同對缺失數(shù)據(jù)進行預測。完成農(nóng)資庫存數(shù)據(jù)的處理后,需對已有樣本進行訓練,如果檢驗擬合度指標值高于0.8,則認為訓練結果可靠,從而完成對缺失值的預測,實現(xiàn)農(nóng)資庫存數(shù)據(jù)插補。試驗結果表明,所提技術插補精度高。

提出了一種更有效的前向網(wǎng)絡-徑向基函數(shù)(rbf)神經(jīng)網(wǎng)絡,并考慮了工程項目中一些非確定性的因素,建立了工程造價的估算模型,所得到的結果更加精確。

本文簡要介紹了人工神經(jīng)網(wǎng)絡的基本原理，敘述了常用的ｂｐ網(wǎng)絡和訓練算法，綜述了神經(jīng)網(wǎng)絡在制冷空調(diào)中應用的研究和開發(fā)現(xiàn)狀。最后展望了近期神經(jīng)網(wǎng)絡在空調(diào)制冷領域應用的研究和開發(fā)走向

考慮到短期負荷所具有的混沌特性和神經(jīng)網(wǎng)絡的非線性映射能力,提出了一種基于混沌理論的legendre神經(jīng)網(wǎng)絡預測方法。該方法運用混沌理論對短期負荷數(shù)據(jù)進行向空間重構,并以歐式距離選取最佳訓練樣本,而后采用以legendre正交多項式為隱含層神經(jīng)元激勵函數(shù)的三層神經(jīng)網(wǎng)絡進行訓練,并運用訓練好的網(wǎng)絡進行預測。訓練網(wǎng)絡時,為了確定網(wǎng)絡的最佳拓撲結構,文中引入了衍生算法來確定隱含層神經(jīng)元的最佳個數(shù)。實例分析表明了該方法的可行性,且能得到較高的預測精度和良好的預測效果。

構造了具有插值性質(zhì)的球面帶形平移網(wǎng)絡,并且給出了在一致范數(shù)下對連續(xù)函數(shù)逼近的上界估計。

通過理論分析,推導出交流電阻點焊電流有效值實時計算方程,建立了不同功率因數(shù)角的電流有效值系數(shù)k的神經(jīng)網(wǎng)絡計算模型,研究出電阻點焊電流有效值神經(jīng)網(wǎng)絡實時計算方法。在以dsp為核心的電阻點焊測控系統(tǒng)中實現(xiàn)了交流電阻點焊電流有效值實時計算。理論分析和實際檢測表明,該方法的檢測誤差小于±0.9％,并且能夠在二分之一周期內(nèi)完成電阻點焊電流有效值的檢測和計算。該方法的研究為電阻點焊質(zhì)量的精確控制提供了可靠的保障。

本文針對某一確定數(shù)據(jù)采集系統(tǒng)中小波去噪時的閥值選擇,提出以小波神經(jīng)網(wǎng)絡加標準信號來標定去噪閥值的方法,從而提高對信號的去噪性能。

通過有限元法建立了地基脫空的混凝土路面計算模型.提出采用基于信息融合理論的集成神經(jīng)網(wǎng)絡技術對混凝土路面脫空狀況進行識別,通過路面脫空輸入特征向量的組合,用各子神經(jīng)網(wǎng)絡對混凝土路面脫空進行初步缺陷識別,然后對識別結果進行決策融合.給出了系統(tǒng)的實現(xiàn)策略和子網(wǎng)絡的組建原則.數(shù)值模擬結果表明,采用這種識別方法合理地選取了各種輸入特征向量,具有更好的識別效果.

探討了礦井構造定量評價的人工神經(jīng)網(wǎng)絡方法,結合東坡井田討論了bp模型的輸入層、隱含層和輸出層的構置和優(yōu)選等問題,利用東坡井田已知資料使用有序地質(zhì)量最優(yōu)分割方法和插值法得到學習樣本,經(jīng)過學習樣本的訓練,對未知單元進行評價。

簡述傳統(tǒng)的結構近似重分析技術的缺點與不足,介紹bp網(wǎng)絡的原理、算法,利用bp網(wǎng)絡能夠?qū)崿F(xiàn)從n維設計空間到m維任意非線形映射的特點,通過不同設計變量的訓練樣本集對bp網(wǎng)絡進行訓練,然后輸出擬合值。經(jīng)過分析,證明在結構近似重分析中,采用bp神經(jīng)網(wǎng)絡能很好地實現(xiàn)從設計變量到結構響應之間的映射。

針對現(xiàn)有關于企業(yè)績效管理評價的方法存在一定的缺陷,不能滿足企業(yè)發(fā)展過程對制度評價的準確度要求的問題,通過利用ahp方法在復雜的評價指標體系中篩選出8個代表性的指標作為績效評價的評價指標,隨后對此采用拓撲結構的bp神經(jīng)網(wǎng)絡方法,構建評價模型,設計算法程序,結合計算機技術進行網(wǎng)絡訓練,得到該算法的仿真結果:算法的誤差在訓練步數(shù)為100時就已經(jīng)達到了期望結果,而且預測數(shù)據(jù)的相關系數(shù)達到了0.98747,這表明基于拓撲結構的bp神經(jīng)網(wǎng)絡算法在企業(yè)績效管理評價工作中具有一定的可行性與較高的準確性.

針對人工神經(jīng)網(wǎng)絡具有自主學習、記憶及模式匹配能力,提出建立一個三層bp人工神經(jīng)網(wǎng)絡,并將其應用于結構的損傷識別研究.

介紹了分布式光纖監(jiān)測系統(tǒng)的檢測原理,針對結構物局部點的應變變化建立了4層人工神經(jīng)網(wǎng)絡模型,對結構物的局部變形進行預測,并利用隧道實測數(shù)據(jù)對預測值進行了驗證,取得了比較滿意的效果。

基于神經(jīng)網(wǎng)絡理論的砂土液化的判別——本文探討了用神經(jīng)網(wǎng)絡方法來研究土的抗液化性能與土參數(shù)之間的非常復雜的非線性關系，并對實例進行網(wǎng)絡測試，測試結果與其它液化判別方法所得的結果相比要更為可靠。