Results 101 to 110 of about 8,258 (161)
, 1995 本文首次把四元数（Ｈａｍｉｌｔｏｎ量）引入到神经网络中，提出了四元数１６态离散神经网络模型，应用信噪比理论和计算机模拟考察了该模型的存储稳定性和存储容量该模型的存储容量比与Ｈｏｐｆｉｅｌｄ模型相同 ...
刘瑞堂 +3 more
core
Gaoya dianqi, 2018 针对电力变压器故障难以快速、准确定位和辨识的问题,提出一种基于多神经网络与证据理论相融合的变压器故障诊断方法。该方法将神经网络强非线性拟合的能力与证据理论在不确定性推理问题中能折衷处理主、客观矛盾的优势相结合。利用神经网络的学习、记忆、识别功能,对油中溶解气体数据与常规电气试验数据进行初步处理,再应用数据融合原理,对神经网络处理的初步结果进行证据理论融合,实现对变压器故障的精准诊断。实例分析结果表明,该方法对于变压器故障诊断准确率达73%。
张文元 +4 more
doaj
[The inverse stochastic resonance in a small-world neuronal network under electromagnetic stimulation]. [PDF]
Sheng Wu Yi Xue Gong Cheng Xue Za Zhi, 2023 Yang H, Tian S, Zhu H, Xu G.
europepmc +1 more source
Gaoya dianqi, 2013 在变压器故障诊断中,目前BP神经网络算法存在训练样本分布不均匀,收敛速度慢、容易陷于局部极小点等问题,导致整体的诊断性能下降。通过对模糊聚类及LM算法改进的神经网络深入研究,并引入变压器故障诊断中,该算法应用模糊聚类对搜集到的样本预处理,提高样本的质量,再用LM算法改进的神经网络来优化搜索方向,可以实现网络训练速度及测试精度的提高。通过实例仿真实验,验证了该方法能够有效诊断出变压器的故障。
宋志杰, 王健
doaj
[Progress in neural network mechanism of tinnitus using functional magnetic resonance imaging]. [PDF]
Lin Chuang Er Bi Yan Hou Tou Jing Wai Ke Za Zhi, 2023 Ren K +5 more
europepmc +1 more source
基于量子遗传神经网络与D-S证据理论的断路器机械特性故障诊断
Gaoya dianqi, 2018 针对目前断路器故障诊断系统诊断结果不精确的现状,提出一种量子遗传神经网络与D-S证据理论的方法,利用小波包变换和频带分析技术,得到分合闸线圈电流与机械振动波的高频及低频信号,提取2类信号每个频带的能量值分别作为2个独立的量子遗传径向基（RBF）神经网络的输入量,并得到2个初步诊断结果,最终利用D-S证据理论技术将2个RBF神经网络的评价结果融合。实验结果表明:量子遗传算法改进的RBF神经网络收敛速度快,结果精确;同时,D-S证据理论融合后的诊断结果准确度更高,并且诊断结果可信度提升。
刘建华, 周明平, 侯川川
doaj
[Heart sound classification algorithm based on time-frequency combination feature and adaptive fuzzy neural network]. [PDF]
Sheng Wu Yi Xue Gong Cheng Xue Za Zhi, 2023 Wang Q +5 more
europepmc +1 more source
Dianci bileiqi, 2014 谐波的检测分析对于电力系统谐波治理非常重要,但常用的FFT检测方法存在频谱泄漏及栅栏现象等缺陷,加窗插值算法的使用一定程度上弥补了这些不足却又增大了计算量和存储容量要求;人工神经网络具有快速处理数字信号能力,本文以谐波离散傅里叶变换后的三角函数和傅里叶系数分别作为BP网络的隐层神经元和权值可获得了一种训练速度更快的神经网络;通过该神经网络算法和效果相对较好的几种FFT插值算法的仿真实例比较,验证了该算法能够更快更精确地对电力系统谐波进行分析,对谐波治理具有较大意义。
李德超
doaj
Application of artificial neural network algorithm in pathological diagnosis and prognosis prediction of digestive tract malignant tumors. [PDF]
Zhejiang Da Xue Xue Bao Yi Xue Ban, 2023 Xiao Y, Wang S, Ling R, Song Y.
europepmc +1 more source
[Alzheimer's disease classification based on nonlinear high-order features and hypergraph convolutional neural network]. [PDF]
Sheng Wu Yi Xue Gong Cheng Xue Za Zhi, 2023 Zeng A +8 more
europepmc +1 more source