共查询到20条相似文献，搜索用时 15 毫秒
1.
针对目前推荐系统广泛存在的数据稀疏性、预测评分不准确和神经网络模型复杂度较高等问题,提出深度神经网络模型ProfileDNN.模型借鉴自然语言处理中的Word2Vec表征学习方法预训练物品的嵌入向量,并利用物品的嵌入向量构建物品和用户画像,最后基于深度神经网络模型学习用户对物品的预测评分.基于3个公共数据集的对比实验表明,相比同类模型,ProfileDNN模型的复杂度更低,且推荐准确率最高提升达1.1%. 相似文献
2.
针对传统指数平滑时间序列模型预测精度不足及传统BP神经网络在训练过程中易陷入局部最优的问题,通过粒子群算法优化BP神经网络,对美国明尼苏达州2021年7月11日至8月25日新冠肺炎累计死亡和累计确诊人数进行时间序列预测,并与传统双指数平滑模型(Holt)、BP神经网络模型进行比较分析.实验结果显示,PSO-BP模型的预... 相似文献
3.
针对烧结过程的时变、强非线性等特点,基于神经网络和粒子群优化算法,提出一种预测透气性状态的集成方法.采用神经网络分别建立透气性预测模型,采用粒子群优化算法对神经网络进行训练,提高预测模型的实时性;进而借助模糊分类器将预测子模型实现有机融合.最后实际运行结果表明,提出的集成模型具有较高的预测精度和较强的自学习能力,并且在工况波动严重的情况下,仍然具有好的预测效果. 相似文献
4.
5.
俞海洋 《中国校外教育(理论)》2008,(2):118
本文给出了神经网络模型在预测过程中的学习算法和改进的神经网络的训练算法,并用于柴油发动机运行中的故障预测,经过多种柴油机的试验证明试验结果满意,对故障的实时检测有重要意义,具有良好的应用前景. 相似文献
6.
非线性复杂时变信号模式分类是信号处理和人工智能研究领域的重要课题。将稀疏自动编码器(SAE)与过程神经网络(PNN)栈式叠加,构建了一种深度过程神经网络模型(DPNN)。在传统深度神经网络无监督逐层初始化与梯度下降相结合的算法基础上,通过引入一种时变输入信号和连接权函数,基于一组正交函数基,建立DPNN的综合训练算法。DPNN模型可保持样本特征的多样性,有效提高对信号结构特征的提取能力和不同类别样本特征的区分度。将传统深度神经网络在信息处理机制上扩展为时间域,实现对时变信号直接分类处理,应用于心脑血管疾病的预测分析和处理取得了良好结果。 相似文献
7.
为了提高厄尔尼诺南方涛动（El Ni?o-southern oscillation,ENSO）预测的准确性,解决卷积核难以捕获ENSO的长距离前兆的问题,将ENSO预测视为一个时空序列预测问题,并提出一种基于注意力机制和循环神经网络的ENSO非稳态时空预测深度学习模型,称为ENSOMIM。该模型通过提出的新型注意力机制BGAM来局部和全局交互地学习空间特征,并使用高阶非线性时空网络对长期的时间序列特征进行编码。由于ENSO观测数据集样本数量少,为了更充分地训练模型,采用迁移学习的方法,使用历史模式模拟数据进行预训练再利用观测数据校正模型。实验结果表明,ENSOMIM更适合于大区域和长期的预测。在1984—2014年验证期间,ENSOMIM的Ni?o3.4指数的全季节相关性技巧比经典的卷积神经网络提高16%,均方误差降低17%,它可以为长达18个月的提前期提供有效预测,并且在23个月的提前期内相关技巧达到0.45。因此,ENSOMIM可以作为预测ENSO事件的有力工具。 相似文献
8.
采用BP神经网络建立灰铸铁钻削过程的切削能耗与切削参数之间的关系模型,并建立三元线性回归预测模型,对两种预测模型预测结果的准确性进行比对分析。考虑切削参数之间的交互作用建立三维表面图,对比分析钻削过程的切削能耗与切削参数的变化规律。结果表明,通过训练的BP神经网络在预测切削能耗方面具有更好的准确性,对钻削过程的切削能耗预测研究具有一定应用价值和指导意义。生产实际中,从减小切削能耗的角度分析,在满足加工质量的前提下,钻削灰铸铁时应优先选择较大的进给量和切削速度。 相似文献
9.
10.
郭龙钢 《洛阳工业高等专科学校学报》2013,23(1)
由于影响电力负荷的因素之间存在着非线性,所以采用神经网络方案来进行短期电力负荷预测.对应用于实际的神经网络算法进行了具体处理,如数据的归一化,输入向量和输出向量的选择.仿真结果表明其有较好的预测精度.该模型具有网络结构较小、训练时间短、易于实现的优点. 相似文献
11.
基于Elman神经网络城市供水管网漏损预测模型研究 总被引：1，自引：0，他引：1
王丽娟 《河北工业大学成人教育学院学报》2009,24(2):26-29
管道漏子的发生情况是进行漏损控制的基础,为了对管道漏子数进行有效预测,提出了一种基于Elman神经网络预测方法,采用自适应学习速率动量梯度下降反向传播算法,显著提高了网络的训练速率,有效地抑制了网络陷入局部极小点.文中分别采用Elman神经网络、BP神经网络和RBF神经网络对某城市外环线DN300管道漏子发生数时间序列进行仿真预测,经比较,证明前者具有收敛速度快、预测精度高的特点,表明利用Elman回归神经网络建模对管道漏子数进行预测是可行的,能为管网维护,管道更新提供有效依据. 相似文献
12.
作为EMS的一个重要模块,超短期负荷预测日益受到关注.可建立一个3层神经网络模型,并在其学习和训练过程中引进BP算法来修正网络权重,然后用小波函数代替神经网络中的Sigmoid函数,通过Mallat算法实现对负荷序列的分解和重构.典型算例表明该算法预测精度高,能取得满意的结果. 相似文献
13.
使用模糊自适应BP算法建立影响表面粗糙度参数与工件表面粗糙度之间的关系模型,依据给定的数据样本对模型进行训练,将训练好的网络进行实际的表面粗糙度预测.采用VB和Matlab语言相结合的方法建立一种实验系统,实现了数据采集和神经网络预测功能.实验结果表明,基于模糊自适应BP算法的工件表面粗糙度预测有一定的准确度. 相似文献
14.
随着神经网络在数据分析、预测及生产控制中的应用,神经网络的优化学习成为研究的一个重要课题.通过探讨BP神经网络模型的建立过程,针对BP神经网络的模型优化问题进行了详细研究.并通过对银行客户分类的仿真实验证明,优化模型能够有效地提高BP神经网络的收敛速度及预测精度. 相似文献
15.
为改善方案选择式交通感应控制输出的交通信号配时方案滞后于实时交通状态的缺点,提出用状态空间神经网络和扩展卡尔曼滤波模型预测未来交通状态的优化配时方案.采用能反映道路网络几何特征的状态空间神经网络拓扑结构,结合当前时段和前一时段的路段交通状态,预测下一时段交通状况并选择与其相匹配的信号配时方案;应用扩展卡尔曼滤波训练状态空间神经网络,提高其训练效率及精度.选用南京市广州路的实测交通数据和由多目标遗传算法得出的最优信号控制方案验证模型的有效性.研究结果表明,与BP神经网络和状态空间神经网络相比,所提出的模型能够根据道路状况选择合适的交通控制方案. 相似文献
16.
17.
为了解决常规方法拟合多维非线性函数的预测结果精度较低问题,采用非线性映射能力较强的BP神经网络进行多维非线性函数拟合。通过对BP神经网络结构及训练过程的分析,依据给定的两维非线性函数构建BP神经网络模型,并利用MATLAB软件对BP神经网络进行预测。仿真结果表明,BP神经网络对于两维非线性函数有良好的拟合能力,拟合误差小、收敛速度快,也使该方法具有较好的推广性。 相似文献
18.
将BP神经网络的理论和算法应用于轧钢力学性能的预测研究,采用实际的轧钢现场生产数据,建立工艺参数、化学成分与力学性能的映射模型。经过测试和评估,该BP网络能较好地预测轧钢产品的力学性能。 相似文献
19.
张光建 《成都航空职业技术学院学报》2016,32(1)
碳化使混凝土的内部组成及结构发生变化,直接影响混凝土结构的性质及耐久性.钢筋混凝土的碳化,会破坏钢筋钝化膜,导致钢筋发生锈蚀,降低钢筋混凝土结构件的耐久性,从而影响到建筑物安全.碳化深度的影响因素很多,实验结果证明,采用BP神经网络,建立碳化时间序列与深度的关系模型,使用MATLAB进行仿真,预测值误差正常.神经网络能对钢筋混凝土的碳化深度进行预测. 相似文献