共查询到20条相似文献，搜索用时 93 毫秒
1.
本文针对粒子群算法具有不易陷入局部极小、收敛速度快等特点,提出了一种基于粒子群的小波神经网络学习算法,优化了小波神经网络中的各个参数,并将应用于函数仿真试验。试验表明,该算法能减少迭代次数、提高收敛精度,是小波网络的有效训练算法。 相似文献
2.
针对传统粒子群算法在供应链销售管理的应用中表现出收敛性不佳的问题,本文提出了一种基于分布式优化粒子群算法的供应链销售管理模型,首先将免疫算法中繁殖策略与基本粒子群算法相结合,保持种群的多样性,然后引入变异操作并结合神经网络中的Sigmoid型函数对粒子群算法的特征子集进行了优化,最后采用最优化学习策略在算法陷入局部最优时跳出来。仿真试验结果表明,本文提出基于分布式优化粒子群算法的供应链销售管理模型,在收敛性能上远远优于标准粒子群算法。 相似文献
3.
粒子群算法网络异常检测技术研究 总被引：1，自引：0，他引：1
提出了一种新的基于粒子群算法入侵检测方法模型。算法采用粒子群优化算法,有效地降低网络拓扑路径长度,通过优化算法来寻找聚类的中心。实验结果表明,提出的改进算法与传统的入侵检测算法相比,具有更好的入侵识别率和检测率。 相似文献
4.
基于QPSO灰色神经网络的基坑锚固荷载预测 总被引：1，自引：0，他引：1
《科技通报》2016,(1)
针对锚索锚固工程的复杂性,提出一种利用量子粒子群(QPSO)优化灰色神经网络的学习算法。在锚索荷载监测历史数据的基础上,将灰色预测残差值作为BP神经网络的输入,并用QPSO算法对常规灰色神经网络(GNN)的权值和阈值进行优化,构建了基于量子粒子群的灰色神经网络模型(QP-SO-GNN)。以某矿山深基坑支护为例,进行锚索荷载预测。结果表明:QPSO-GNN模型预测结果稳定,其模型精度和泛化能力均优于常规GNN,表明了该方法的有效性和可行性,可以为锚固设计提供一种切实可行的参考依据。 相似文献
5.
6.
7.
径向基神经网络具有良好的分类特性,被广泛应用于入侵检测系统的研究中,然而RBF神经网络需要事先确定隐层神经元数目,并且容易陷入局部最优.利用遗传算法优化隐层神经元数目,并且基于粒子群思想优化隐层到输出层的权值,同时给出了详细的算法流程.经Lincoln实验室入侵检测系统数据评估集合测试,该智能算法的检测成功率大大提高,并且训练时间比较短,完全可以应用于入侵检测系统中. 相似文献
8.
9.
《科技通报》2016,(9)
针对标准KNN算法在交通运输路况预测的应用中还存在误差较高等问题。本文提出了一种基于改进粒子群并行优化KNN算法的交通运输路况预测模型,首先在采用粒子群算法对KNN算法进行优化前,引入变异操作并结合神经网络中的Sigmoid型函数对粒子群算法的特征子集进行优化,然后采用最优化学习策略对改进粒子群算法的运算性能进行优化,最后采用改进的粒子群算法把改进的KNN算法的待优化参数随机初始化为一组粒子的位置和速度,并根据适应值函数计算每个粒子的适应度。仿真实验结果表明,本文提出的改进粒子群算法具有较好的收敛性能,基于改进粒子群并行优化的KNN算法在交通运输路况的预测中误差较小。 相似文献
10.
通过对火电厂锅炉燃烧控制系统送风调节系统研究现状分析,提出一种基于粒子群优化算法的锅炉燃烧优化方法。其基本思想:首先利用燃烧特性试验数据,借助于Matlab软件建立了火电厂锅炉燃烧特性的神经网络模型,在此基础上利用粒子群优化算法寻找送风调节系统最佳氧量设定值,进而调节送风量,实现锅炉燃烧的整体优化。结果表明:基于粒子群优化神经的算法为锅炉燃烧优化方法优化提供一条新的途径。 相似文献
11.
交通流量预测是智能交通系统研究的重要组成部分。提出了一种粒子群(PSO)优化RBF神经网络的交通流量预测方法。该方法以误差能量函数为适应度函数,利用PSO算法对RBF神经网络参数进行优化,有效克服交通流量数据非周期性、非线性和随机性等问题。仿真实验结果证明比单纯用RBF预测模型精度高、收敛速度快,表明粒子群优化的RBF神经网络模型具有良好的应用价值。 相似文献
12.
智能电网的—个重要特征是通过高精度的用电量预测进行电能智能调配,用电量信息的精确预测是电网智能化的关键指标.针对用电量数据非线性的特点,提出了一种基于粒子群优化的PSO-CV-SVR模型.该模型基于支持向量回归机原理,以粒子群算法和交叉验证的思想优化模型参数.将该模型应用于江苏省全社会用电量的预测分析,结果表明该模型优于BP-神经网络方法,提高了预测的精度. 相似文献
13.
指纹识别技术是当今应用最广泛的生物识别技术之一。在指纹识别过程中,图像处理、特征提取、匹配等过程数据量庞大,计算比较烦琐。BP神经网络具有良好的自学习能力、强大的分类能力和容错能力,将其应用到指纹识别中是可行的。为改进BP神经网络计算速度较慢,梯度下降法不能处理一些不可微传递函数的问题,采用粒子群算法对BP算法进行优化,提高了指纹识别的速度和准确度。 相似文献
14.
《科技通报》2016,(4)
通过对网络流量的准确预测提高对网络的调控和监测水平,避免网络拥堵,确保网络畅通。传统的网络流量预测算法采用粒子群算法,在处理大规模的流量数据时,容易导致信息发散和易陷入局部极值点,流量预测准确度不高。提出一种基于多标记学习混合差分粒子群进化的网络流量预测算法。构建多分簇的无线网络流量数据传输模型,对网络流量进行时间序列分析,采用粒子群优化算法分别比较网络信息流中的频率波动是否相同,对相同的进行合并,基于自回归移动平均算法,进行粒子群信息链特征优选准则设计,采用多标记学习混合差分粒子群进化算法,把网络流量数据嵌入到内核空间的超球体中,进行离线阶段的网络流量预测优化。仿真结果表明,该算法对网络流量预测的精度较高,误差减少,具有较好的应用价值。 相似文献
15.
传统的基于粒子群算法的前馈神经网络训练系统进行数据库访问时,易陷入局部极值,产生零点轨迹信息搜索效率较低,局部极小点和搜索方向紊乱。提出一种改进的粒子群优化算法。构建基于误差反传的神经网络系统结构,引入混沌映射概念,提出了一种根据粒子搜索状态,动态调整粒子飞行速度和位置的粒子群优化算法,提高多波束粒子群深度零点轨迹信息的提取的搜索效率,根据粒子的轨迹信息,研究如何动态调整粒子的搜索速度和方向,提高了训练和控制精度与效益。仿真实验表明,该算法进行多波束粒子零点轨迹信息搜索,效率较高,通过外力的干涉尝试调整粒子的方向,使得粒子可以逃离这个稳定阶段,提高了粒子收敛速度,提高控制搜索精度,运行时间较短。算法在智能控制等领域具有较好的应用价值。 相似文献
16.
《内蒙古科技与经济》2015,(17)
针对注塑过程中工艺参数的优化选择问题,提出一种改进粒子群算法优化BP神经网络的成型工艺参数优化方法。将正交实验所得工艺参数作为训练样本,通过粒子群优化BP神经网络算法构建其预测模型,寻找最佳的注塑成型工艺参数。结果表明,该方法能够更快、更好地获得注塑成型中的工艺参数。 相似文献
17.
为提高上市公司财务舞弊识别模型判断的准确度,文章以1998--2009年中国证监会网站上公开披露的财务舞弊的56家上市公司的75个舞弊年度为研究对象,并选取了与舞弊公司同行业、同年度的75个非舞弊上市公司年度作为控制样本,运用量子粒子群算法改进的BP神经网络建立财务舞弊的识别模型。研究结果表明,采用量子粒子群算法与BP神经网络结合的方法建立的财务舞弊识别模型判断的准确度较标准BP神经网络判断的准确度有了较大提高。这对于防范上市公司财务舞弊、提高监管效率、降低投资者的损失等方面具有一定的积极意义。 相似文献
18.
《中国科技信息》2017,(22)
为了减少地铁车站设备故障导致的人员伤亡,本文提出了粒子群算法结合BP神经网络对屏蔽门系统的故障进行预测。利用BP神经网络结构作为粒子群算法的适应度函数对BP网络的权值与阈值进行优化。在确定神经网络结构之后,该模型以权值和阈值作为粒子,利用粒子群算法的寻找全局最优的思想为BP网络寻找最优权值和阈值。减少了BP神经网络的训练结果出现较大偏差的概率。该算法可以适用于地铁站内受多种不定因素影响的设备,本文采用屏蔽门系统故障较为频繁的门锁机构来分析模型,得到的预测结果相差不到一天范围内,因此该算法具有理想的预测精度。最后利用MATLAB仿真验证该算法的可用性。 相似文献
19.
本文设计了一种基于神经网络的伺服运动控制算法,采用单神经元PID与CMAC相结合的控制算法,单神经元实现对参数的实时自动的调整;CMAC网络完成被控对象的逆模型辨识,仿真结果证明该算法综合了CMAC和单神经元的优点,具有算法简单、收敛速度快,良好的鲁棒性和抗干扰能力。 相似文献