Results 61 to 70 of about 440,845 (149)
, 2003 描述了方向基函数神经网络的基本概念，并通过利用分析仿射基函数和径向基函数神经网络逼近能力的方法证明了方向基函数神经网络不仅能够逼近有限点集上的任意方向不变函数，能够在单位球面上一致逼近任意方向连续函数，而且还能够依L ...
王守觉, 李玉鉴
core
, 1990 人工神经元网络的研究与应用正引起国际学术界的广泛关注。本文从计算机视觉的角度出发，以姿态测定和不变性识别为应用背景，对人工视神经元网络的技术与应用进行了有益的探索和研究。首先，本文详细地研究和分析了是最典型的人工神经网络－BP网络，对其学习算法、结构设计及参数影响等问题给出了实验结果和理论说明，并在此基础上提出了BP网络的一般设计原则。其次，本文针对BP算法的两个主要问题：训练慢的易陷入局部区域最小，提出了渐进分类法，设计了级联形式的网络结构，这样使得BP网络的训练速度大为提高 ...
张可可
core
, 2016 移动机器人在复杂环境自主运行就必须具有较高的智能性。模糊神经网络技术结合了模糊逻辑与神经网络的优点,充分发挥模糊控制的推理及神经网络的学习机制以增强机器人系统的智能性。本文采用超声波红外以及电子罗盘传感器采集未知环境的信息,通过模糊神经网络信息融合实现机器人的自主避障 ...
张伟, 高宏伟, 杨小菊, 米海山
core
Dianci bileiqi, 2022 由于许多输电线路处于强风沙区域，其对绝缘子的破坏尤为严重，因此对输电线路绝缘子进行检测无疑是重中之重。笔者针对现阶段强风沙环境下基于深度学习的球机远程检测精确度不高的问题进行了研究。为提高强风沙环境下绝缘子检测的精确度，提出一种基于卷积神经网络的Ms-Net绝缘子目标识别算法。Ms-Net网络为提高目标检测精确度以及缩短训练时间，将Mask R-CNN的101层卷积层改进为56层，并且在特征提取的第2至第5阶段的每个残差块前引入基于注意力机制的挤压与激励网络(SENet)结构 ...
金维旭 +4 more
doaj
, 2008 分析了BP、RBF和ARTMAP等人工神经网络在实现非线性映射方面的共同之处，基于RBF等网络对于人脑功能方面的模拟和仿生模式识别的思想，总结出一种处理这类问题的基本框架。该框架的特点是将问题分解为样本覆盖问题和基于模型的映射拟合问题。在利用该框架研究某个函数集在连续函数空间中的稠密性的基础上，提出了一种新的人工神经网络模型——主方向神经网络（PDNN）。通过与BP网络和RBF网络在函数拟合和混沌时间序列预测方面的对比实验 ...
殷维栋
core
, 2021 深度学习架构的出色性能使得机器学习在流体力学中的应用得到新的发展,可以应对流体力学中诸多问题和需求。卷积神经网络(CNN)强大的非线性映射能力以及分层提取信息特征的功能,使其成为当下流场特征研究不容忽视的工具。围绕这一研究前沿与热点问题,概述和归纳了这一研究领域的进展与成果。首先,对深度学习在流体力学中的发展以及卷积神经网络进行了简单的回顾。然后,从卷积神经网络能够识别特征出发,先后介绍了基于卷积的深度学习特征识别在流场预测、流动外形优化、流场可视化精度提升和生成对抗等应用方面的研究进展。最后 ...
叶舒然, 王一伟, 黄晨光, 张珍
core
, 2003 将BP神经网络和遗传算法相结合 ,得到一种新的神经网络 ,并将这种神经网络成功用于计算腐蚀管道的剩余强度和最大允许输送压力。通过示例分析 ,得到下面结论 :不同计算方法计算得到的剩余强度和最大允许输送压力相差较大 ,Wes - 2 80 5 - 97规范、ASME -B31G规范、CVDA— 84规范等都比J积分方法计算得到的剩余强度和最大允许输送压力偏大 ;DM断裂力学方法计算得到的剩余强度和最大允许输送压力比J积分偏小 ;J积分方法和基于J积分方法的改进的遗传神经网络方法计算结果比较接近 ...
喻西崇 +3 more
core
Gaoya dianqi为了提高电力系统暂态电压在系统拓扑结构发生变化时能够稳定评估，以及提高在时空方面的特征提取能力，提出一种图卷积网络与循环神经网络相融合的方法。首先，引入图卷积网络对电力数据进行图表示，将电力系统建模为网络结构，自动学习电压节点的特征表示。其次，提出使用循环神经网络来处理暂态电压数据的时间依赖关系，捕捉暂态电压数据的时序特征。然后，提出自适应增强模块，用于将两个输出特征表示相互融合，提高模型在系统拓扑结构上的时空特征提取能力。最后，通过算例验证表明，相比于传统的评估模型，所提方法具有更高的预测精度和有效性。
徐焕 +5 more
doaj
Zhendong Ceshi yu Zhenduan针对整体叶盘通道粗加工过程中刀具磨损状态难以准确识别、切削力信号特征利用不足的问题，提出一种基于改进密集连接卷积神经网络（dense convolutional neural network， 简称DCNN）的刀具磨损状态识别方法。首先，采集不同磨损阶段下的切削力信号，并按照初期磨损、中期磨损和剧烈磨损的不同状态构建样本数据集；其次，采用小波变换将一维切削力信号转换为二维时频谱图，建立切削力时频特征与刀具磨损状态之间的映射关系；然后，构建改进DCNN模型，利用密集连接结构增强特征复用能力 ...
doaj +1 more source
Gaoya dianqi, 2017 对局部放电进行有效识别可以为评估变压器设备绝缘状况提供科学的参考依据,然而局部放电类型的识别往往需要人为地提取描述特征,适应性很差。针对此问题,提出一种基于卷积神经网络的智能识别新方法。根据视觉注意机制分割出放电信号图像,并将灰度化和双线性插值归一化处理的图像作为卷积神经网络的输入。该方法模拟人脑的机制来解释数据,可以直接对采集到的放电信号图像进行自动特征学习与模式识别。实验中对4种典型放电类型的识别率超过了94%,显著优于传统的方法。试验结果表明,该方法无需进行复杂的特征提取 ...
刘兵, 郑剑
doaj