·
搜索结果:找到“神经网络”相关结果113482条
排序: 按相关 按相关 按时间降序
  • 【期刊】 不确定时滞神经网络的无源性分析

    刊名:广东工业大学学报 作者:彭诗友 ; 彭世国 关键词:神经网络 ; 李雅普诺夫泛函 ; 时滞 ; 无源 机构:广东工业大学自动化学院 ; 广东工业大学自动化学院 年份:2017
    摘要:对神经网络系统的无源性进行了研究,根据无源性网络理论,得出神经网络满足无源保守性更弱的条件。另外研究了参数不确定时滞神经网络的鲁棒无源性。根据李雅普诺夫稳定性理论、Jensen不等式、Schur补及自由权矩阵等方法,研究表明,从构造一个新颖李雅普诺夫泛函并化简李雅普诺夫泛函导数的二次积分项,能够得到神经网络保守性更小的无源条件。同时,得到了满足神经网络无源条件的李雅普诺夫泛函的所有二次项对称矩阵可非正定。实验仿真证明了本文方法的有效性。
  • 【期刊】 基于忆阻时滞神经网络的耗散研究

    刊名:工程科学与技术 作者:张芬 ; 李智 关键词:神经网络 ; 耗散 ; 忆阻 ; 时滞 机构:西安电子科技大学机电工程学院 ; 西安电子科技大学机电工程学院 ; 咸阳师范学院数学与信息科学学院 ; 西安电子科技大学机电工程学院 年份:2017
    摘要:针对一类基于忆阻时滞神经网络的耗散问题,提出一种结合倒凸技术和Wirtinger积分不等式的耗散方法.首先,应用微分包含和集值映射理论,将忆阻时滞神经网络转化成传统的时滞神经网络;接着,构造含有时滞系数的状态向量2次项和3重积分项的Lyapunov-Krasovskii泛函(LKF),应用倒凸技术和Wirtinger积分不等式估计LKF微分,得到了确保时滞神经网络严格耗散的时滞依赖条件,这些条件可以用线性矩阵不等式形式表示并且易于用Matlab软件实现.将该方法推广到研究时滞神经网络无缘分析问题中.在数值例子中,针对不同的时滞变化率上界,与现有文献的最优耗散性能指标进行比较,实验结果表明,本文方法将其提高了5%.另外,在相同时滞条件下,仿真分别给出了神经网络系统有外部输入和无外部输入的状态轨迹,由仿真结果可以看出外部输入的存在的确破坏系统稳定性.
  • 【期刊】 一种可视化神经网络控制器构建方法

    刊名:自动化应用 作者:李联飞 ; 刘向 ; 徐江 ; 尤翔 关键词:神经网络 ; 可视化 ; 切换 ; 学习控制 机构:中国重型机械研究院股份公司 ; 中国重型机械研究院股份公司 年份:2018
    摘要:为简化实际应用中神经网络控制器构建的复杂性,针对SISO系统结合Simunlink工具箱建立了一种可视化调节界面用以获得神经网络控制器,并同PI控制器结合充当实际控制器。设计了切换策略用以实现不同偏差作用下神经网络输入的调节以及同PI控制器之间的切换。通过二阶系统的仿真验证了该方法的有效性。
  • 【期刊】 字符级卷积神经网络短文本分类算法

    刊名:计算机工程与应用 作者:刘敬学 ; 孟凡荣 ; 周勇 ; 刘兵 关键词:神经网络 ; 字符级 ; 文本分类 ; 高速公路网络 机构:中国矿业大学计算机科学与技术学院 ; 中国矿业大学计算机科学与技术学院 ; 中国科学院电子研究所 年份:2019
    摘要:由于短文本具有长度短、特征稀疏以及上下文依赖性强等特点,传统方法对其直接进行分类精度有限。针对该问题,提出了一种基于字符级嵌入的卷积神经网络(CNN)和长短时记忆网络(LSTM)相结合的神经网络模型进行短文本的分类。该模型同时包括了高速公路网络(Highway networks)框架,用于缓解深度神经网络训练时的困难,提高分类的准确性。通过对几种数据集的测试,结果表明提出的模型在短文本分类任务中优于传统模型和其他基于CNN的分类模型。
  • 【期刊】 基于群智能算法的神经网络建模研究

    刊名:电子科技 作者:王闪闪 关键词:神经网络 ; 群智能算法 ; 全局最优解 ; 优异性能 机构:上海理工大学光电信息与计算机工程学院 ; 上海理工大学光电信息与计算机工程学院 年份:2017
    摘要:针对神经网络建模过程中不合理的权值选取,使训练陷入局部最优解而得不到全局最优解这一问题.采用群智能算法得出全局最优解,并且利用检验样本达到最低点时的权值与阈值正确建立神经网络模型.结果表明,网络模型的评价参数表现良好,其中预测精度与相关系数分别为97.55%和96.2%.从而证明了基于群智能算法的神经网络,在遵循建模条件情况下能够保证取得全局最优解,建立的模型性能良好,具有一定的理论与市场应用价值.
  • 【期刊】 神经网络的分振幅光偏振仪数据处理

    刊名:激光杂志 作者:李艳 ; 蒋力 关键词:神经网络 ; 分振幅光偏振仪 ; 数据处理 ; 时间序列 机构:宁波大红鹰学院 ; 宁波大红鹰学院 年份:2017
    摘要:分振幅光偏振仪是使用范围十分广泛的测量传感器,为了解决分振幅光偏振仪数据过程中存在的精度低难题,提出了基于神经网络的分振幅光偏振仪数据处理方法.首先收集分振幅光偏振仪的输入信号和输出信号,将它们组合在一起作为神经网络的学习样本,然后采用神经网络分振幅光偏振仪的学习样本进行拟合,进行分振幅光偏振仪数据处理,最后采用应用实例对该方法的有效性进行分析,结果表明,该方法提高了分振幅光偏振仪数据处理精度,而且测量效果要优于其它方法.
  • 【期刊】 差分进化神经网络干扰观测器的设计

    刊名:石油化工自动化 作者:孙明 关键词:神经网络 ; 干扰观测器 ; 差分进化 ; 倒立摆 ; Matlab仿真 机构:江南大学物联网工程学院 ; 江南大学物联网工程学院 年份:2019
    摘要:针对常规非线性干扰观测器对等效干扰估计误差大、容易受参数摄动等影响,基于差分进化(DE)算法设计了神经网络干扰观测器。首先,采用神经网络逼近未知综合干扰,通过设计状态动态方程检验干扰观测器的估计效果;其次,引入DE算法在线调节神经网络权值,使逼近误差最终一致有界;最后,在Matlab中用该方法估计一类非线性不确定性系统——倒立摆所受的外界干扰。仿真结果表明:该方法能有效地提高观测器估计干扰精度,避免了权值设置及整定的盲目性。
  • 【期刊】 多源DEM融合的高差拟合神经网络方法

    刊名:测绘学报 作者:沈焕锋 ; 刘露 ; 岳林蔚 ; 李星华 ; 张良培 关键词:神经网络 ; 多源DEM融合 ; TIN差分曲面 ; 坡度自适应 机构:武汉大学资源与环境科学学院 ; 武汉大学资源与环境科学学院 ; 中国地质大学(武汉)信息工程学院 ; 武汉大学遥感信息工程学院 ; 武汉大学测绘遥感信息工程国家重点实验室 年份:2018
    摘要:本文侧重于介绍智能化摄影测量机器学习的高差拟合神经网络方法。观测手段和处理方式等限制导致全球高质量无缝DEM数据的缺乏,进而制约了它在水文、地质、气象及军事等领域的应用。本文提出了一种基于高差拟合神经网络的多源DEM融合方法,尝试融合全球DEM产品SRTM1、ASTER GDEM v2和激光雷达测高数据ICESat GLAS。首先,根据ICESat GLAS的相关参数及与DEM数据的高程差值,结合坡度自适应的思想设置高差阈值对ICESat GLAS进行滤波,剔除异常数据点。然后,以ICESat GLAS数据为控制点,利用神经网络模型拟合ASTER GDEM v2的误差分布。以地形坡度信息和经纬度坐标作为网络输入,ICESat GLAS和ASTER GDEM v2的高程差值作为目标输出,训练得到预测高差,将其与ASTER GDEM v2高程值相加即可获得校正结果。最后,引入TIN差分曲面的方法,利用校正后的ASTER GDEM v2高程值对SRTM1的数据空洞进行填充,融合生成空间无缝DEM。本文通过随机选取数据进行真实试验,对模型进行了精度验证,并给出了处理结果的定量评价和目视效果。结果表明,不论是空洞还是整体区域,本文方法相比其他DEM数据集和其他方法的处理结果都能够在RMSE上表现出优势,同时,本文提出的方法能够有效克服ASTER GDEM中异常值的影响,得到空间无缝DEM。
  • 【期刊】 基于低秩正则化的神经网络学习方法

    刊名:计算机工程与设计 作者:陈嫒嫒 ; 刘光灿 关键词:神经网络 ; 低秩矩阵因子分解 ; 反向传播算法 ; 正则化 ; 数据分类与回归 机构:南京信息工程大学 ; 南京信息工程大学 ; 江苏省大数据分析技术重点实验室 年份:2018
    摘要:针对神经网络参数过多容易导致过拟合这一问题,结合神经网络学习与低秩学习的基本思想,提出一种低秩正则化神经网络,每层的权值矩阵被约束为低秩的,降低网络的有效参数规模,达到防止过拟合的效果.由于低秩约束的存在,低秩正则化神经网络的学习过程不能直接利用传统BP算法来完成,因此,提出一种扩展的BP算法,用于求解含低秩约束的神经网络学习问题.实验结果表明,所提方法在分类精度、收敛速度以及预测精度上优于对比方法.
  • 【期刊】 一种可视化神经网络控制器构建方法

    刊名:自动化应用 作者:李联飞 ; 刘向 ; 徐江 ; 尤翔 关键词:神经网络 ; 可视化 ; 切换 ; 学习控制 机构:中国重型机械研究院股份公司 ; 中国重型机械研究院股份公司 年份:2018
    摘要:为简化实际应用中神经网络控制器构建的复杂性,针对SISO系统结合Simunlink工具箱建立了一种可视化调节界面用以获得神经网络控制器,并同PI控制器结合充当实际控制器.设计了切换策略用以实现不同偏差作用下神经网络输入的调节以及同PI控制器之间的切换.通过二阶系统的仿真验证了该方法的有效性.
  • 【期刊】 基于低秩正则化的神经网络学习方法

    刊名:计算机工程与设计 作者:陈嫒嫒 ; 刘光灿 关键词:神经网络 ; 低秩矩阵因子分解 ; 反向传播算法 ; 正则化 ; 数据分类与回归 机构:[1]南京信息工程大学 ; [1]南京信息工程大学 ; 江苏省大数据分析技术重点实验室 年份:2018
    摘要:针对神经网络参数过多容易导致过拟合这一问题,结合神经网络学习与低秩学习的基本思想,提出一种低秩正则化神经网络,每层的权值矩阵被约束为低秩的,降低网络的有效参数规模,达到防止过拟合的效果。由于低秩约束的存在,低秩正则化神经网络的学习过程不能直接利用传统BP算法来完成,因此,提出一种扩展的BP算法,用于求解含低秩约束的神经网络学习问题。实验结果表明,所提方法在分类精度、收敛速度以及预测精度上优于对比方法。
  • 【期刊】 SAR变体目标识别的卷积神经网络

    刊名:中国图象图形学报 作者:冯秋晨 ; 彭冬亮 ; 谷雨 关键词:SAR目标识别 ; 变体目标 ; 深度学习 ; 多尺度特征 ; DenseNet 机构:杭州电子科技大学通信信息传输与融合技术国防重点学科实验室 ; 杭州电子科技大学通信信息传输与融合技术国防重点学科实验室 年份:2019
    摘要:目的深度学习已经大量应用于合成孔径宽达(SAR)图像目标识别领域,但大多数工作是基于MSTAR数据集的标准操作条件展开研究。当将深度学习应用于同类含变体目标时,例如T72子类,由于目标间差异小,所以仍存在着较大的挑战。本文从极大限度地保留SAR图像输入特征出发,设计一种适用于SAR变体目标识别的深度卷积神经网络结构。方法设计网络主要由多尺度空间特征提取模块和Dense Net中的稠密块、转移层构成。多尺度特征提取模块置于网络底层,通过使用尺寸分别为1×1、3×3、5×5、7×7、9×9的卷积核,提取丰富空间特征的同时保留输入图像信息。为使输入图像信息更加有效地向后传递,基于Dense Net中的稠密块和转移层进行后续网络层设计。在对训练样本进行样本扩充基础上,分析了输入图像分辨率及目标存在平移和不同噪声水平等情况对模型识别精度的影响,与用于SAR图像目标识别的深度模型识别精度在标准操作条件下进行了对比分析。结果实验结果表明,对T72 8类变体目标进行分类,设计的模型能够取得95. 48%的识别精度,在存在目标平移和不同噪声水平情况下,平均识别精度分别达到了94. 61%和86. 36%。对10类目标(包括不含变体和含变体情况)在进行数据增强的情况下进行模型训练与测试,分别达到了99. 38%和98. 81%的识别精度,略优于其他对比模型结构识别精度。结论提出的模型可以充分利用输入图像以及各卷积层输出的特征,学习目标图像的细节差异,不仅适用于SAR图像变体目标的识别任务,同时在标准操作条件下的识别任务也取得了较高的识别结果。
上一页 1 2 3 4 5 6 7 8 9 10 下一页 跳转