Results 21 to 30 of about 410 (100)
Guangtongxin yanjiu, 1996 提出了一种改进的ＢＰ神经网络模型，即多层双并联神经元可学习的人工神经网络，给出了相应的算法。并以异或问题和对称性检测问题为例，对改进算法和传统算法的优缺点进行了比较 ...
王爱国, 肖定中
doaj
Gaoya dianqi, 2022 为改善BP神经网络算法需要大量训练数据和预测精度有限等问题,提出了以输入层、隐含层和输出层为目标的分层优化思路。首先,利用灰色模型良好的小数据趋势辨别能力对输入层数据进行处理,以更好地提炼数据内部蕴含的数学规律,压缩神经网络所需训练数据样本数量;然后,利用遗传算法优越的全局寻优能力确定隐含层的初始权值和阈值,抑制神经网络隐含层参数无法准确获取所导致的误差较大和泛化能力弱的问题;最后,采用蚁群优化算法对输出层数据进行优化,以进一步改善神经网络模型的计算精度。以波动性较强的风电功率进行算例验证,结果表明 ...
朱显辉 +4 more
doaj
Gaoya dianqi, 2020 为了对变压器有载分接开关的运行状态进行识别,该研究首先对其运行状态和故障特征进行总结分析,针对分接开关运行过程中产生的振动信号,利用集合经验模态（EEMD）分解为多个固有模态函数分量（IMF）,再经过希尔伯特变换法,结合能量熵提取得到基于时频分析的特征向量。将特征向量输入自适应遗传算法（AGA）优化的BP神经网络模型中进行故障识别,并进行数据仿真,与相空间重构后提取的特征向量（PPDC）进行对比,验证不同网络模型下,所提方法的识别准确率和收敛速度。结果表明,以PPDC故障样本作为模型输入时 ...
曹宏
doaj
Gaoya dianqi, 2021 针对传统基于BP神经网络磁滞模型收敛速度慢、建模过程需要对磁特性的表征参数进行复杂的人工提取等问题,提出了一种基于深层卷积神经网络的电工钢片矢量磁滞特性模拟的方法,该模型将磁通密度的时间序列数据和磁场强度的幅值和相位作为卷积神经网络的训练数据,利用残差模块提高卷积神经网络的收敛速度。改进模型既可以避免传统磁滞模型中繁杂的人工特征提取的过程,也可拓展应用于特征参数不易提取的非正弦激励下磁滞模型的建立。通过对比不同网络结构的磁滞模型,改进的深层卷积网络磁滞模型既能减少迭代次数,又能保证磁滞特性模拟的精细性。
董纪兴 +3 more
doaj
四川大学学报. 自然科学版, 2014 本文提出了一种基于进化神经网络预测RNA二级结构的方法.该方法利用进化算法优化了神经网络结构和权值,改善了传统BP人工神经网络容易陷入局部最优等缺陷.实验结果表明该算法能够获得一个最优结构和权值的神经网络,利用该网络去预测不带伪结的RNA二级结构能获得理想的效果,敏感性和相关系数都有所提升,证明了该改进算法的可行性.
牟超, 何静媛, 石杨
doaj
Gaoya dianqi, 2000 介绍了一种用于信号分类识别的小波神经网络，其网络权值由小波函数集充当，并在学习过程中应用了共轭梯度法。将此小波神经网络用于变压器油色谱诊断，经仿真计算，证实它具有比ＢＰ网络更好的逼近性能，可以达到较高的准确率。
李红雷, 肖登明, 赵杰, 潘勇斌
doaj
Gaoya dianqi, 2006 分析了传统专家系统的不足,介绍了人工神经网络方法,建立了基于人工神经网络中的带冲量项的BP算法的网络模型,并将该模型应用到编制变电站绝缘在线检测专家系统中。
兰国良 +4 more
doaj
Gaoya dianqi, 2003 针对传统自适应重合闸存在的缺陷,提出了基于人工神经网络的自适应重合闸方法,并设计了一个3层BP神经网络,利用EMTP进行仿真计算,仿真结果表明,该网络具有较好的识别性能。
陈璟华, 陈少华, 杨宜明
doaj
Gaoya dianqi, 2020 文中提出了基于变压器振动噪声及BP神经网络的故障诊断方法,通过振动噪声检测系统获得变压器振动噪声信号,经FFT变换计算得到特征值,特征值作为输入量经训练好了的BP神经网络预测得到变压器故障类型。通过对6种变压器典型形态试验的诊断,验证了该方法的有效性。该方法充分利用变压器振动噪声信号,通过BP神经网络算法实现变压器带电故障诊断,大大提高了变压器故障诊断率,为变压器运维人员提供了一种带电巡检的有效途径。
余长厅, 黎大健, 汲胜昌, 邓军
doaj