共查询到19条相似文献，搜索用时 218 毫秒
1.
《东南大学学报》2020,(2)
为了解决模型更新混合试验中BP神经网络算法泛化能力较差的问题,引入了一种新方法——AdaBoost回归树算法作为混合试验中的模型更新算法.在学习阶段,选择回归树作为弱回归模型进行训练,然后将多个弱回归模型集成为一个强回归模型,最后对训练结果进行表决输出.利用在线AdaBoost回归树算法和BP神经网络算法作为模型更新算法,对一个二自由度非线性结构进行了数值模拟.结果表明,在线AdaBoost回归树算法的预测精度比神经网络高48.3%,证实了AdaBoost回归树算法比BP神经网络算法具有更好的泛化能力,并且有效消除了权重初始化的影响,提高了混合试验中恢复力的预测精度. 相似文献
2.
李伟 《石家庄铁路职业技术学院学报》2012,(2)
为准确、快速、高效地预测电网短期负荷,提出改进的粒子群算法(DPSO),并与BP算法相结合,形成改进的粒子群—BP(DPSO-BP)神经网络算法,用此算法训练神经网络,实现神经网络参数优化,得到基于DPSO-BP算法的神经网络模型.算例分析表明,与传统BP神经网络法和PSO-BP神经网络方法相比,该方法改善BP神经网络的泛化能力,预测精度高,收敛速度快,对电力系统短期负荷具有良好的预测能力 相似文献
3.
4.
《实验室研究与探索》2018,(11)
为提高铁路轨道扣件状态检测的效率和准确率,提出基于卷积神经网络的轨道扣件状态检测算法。通过原始图像数据增强、采用修正线性单元、引入弃权技术等优化方法,减小过拟合,提高卷积神经网络的泛化能力。经试验对比,该算法不需要进行特征提取等预处理操作,有效地解决了训练精度和泛化能力差的问题,准确率达到98. 1%,优于传统基于特征提取的图像识别算法。 相似文献
5.
为了解决传统的各种单一预测方法中存在的问题,运用一种BP神经网络的预测方法,将人工神经网络理论和算法应用于冰蓄冷技术的研究,并在正交实验66组数据中选择56组作为BP神经网络的输入样本,余下的10组为检测样本的输出样本。在对网络进行训练的基础上,建立了蓄冷时间与管壁温度之间的数学模型。 相似文献
6.
神经网络集成通过训练多个神经网络并将其结论进行适当的合成,可以显著地提高学习系统的泛化能力。然而,设计一个好的神经网络集成也并非易事。集成算法若要取得好的效果,必须在个体准确性与彼此差异性之间取得一个平衡。针对这种情况,本文分析了一种改进的神经网络集成构造方法――基于噪声传播的神经网络集成算法。 相似文献
7.
微博热点话题预测是一类小样本、不确定性的复杂预测问题,传统线性方法不能刻画微博热点话题的变化规律,神经网络存在过拟合、泛化能力不强等缺陷.为了提高微博热点话题的预测精度,提出了一种改进量子粒子群(QPSO)算法优化LSSVM的微博热点话题预测模型(MQPSO-LSSVM).首先采用MQPSO算法优化LSSVM的参数,然后将优化后的LSSVM对微博热点话题变化趋势进行建模,最后选取具体微博热点话题数据进行仿真实验.实验结果表明,MQPSO-LSSVM提高了微博热点话题的预测精度,预测结果具有一定实用价值. 相似文献
8.
为了提高南京某所某型雷达伺服系统故障诊断准确率,考虑到传统故障诊断算法的局限性,提出一种基于 Stacking 集成算法的雷达伺服系统故障诊断方法。针对某所某型雷达伺服系统的历史监测数据,首先采用孤立森林算法识别异常样本|然后基于原始数据构造出新的特征,使用卡方检验进行特征选择,并使用SMOTE 算法解决样本不平衡问题|最后,通过建立一种新颖、准确的基于 XGBoost、随机森林和 BP 神经网络的Stacking 集成模型进行故障诊断。实验结果表明,该方法在测试集上的诊断准确率达到了 96.2%,比传统方法诊断准确率提高了 1.8%,证明该方法能够很好地完成雷达伺服系统故障诊断任务。 相似文献
9.
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
10.
针对传统的单个RBF神经网络集成中个体的隐节点个数和初始参数难以客观确定的不足,为了提高泛化能力,提出一种以高斯核函数的混合优化的RBF神经网络的方法,首先引入正交最小二乘法动态客观的获取数据中心的个数、数据中心及权值;然后通过计算隐层中心点间最小距离作为扩展常数;最后使用剃度法调节权值、中心及扩展常数使网络参数和结构达到最优.该方法结合了正交最小二乘法和剃度算法的优点,通过从结构和算法两方面的调整提升了单个的传统的RBF网络的性能.并将上述优化混合的RBF神经网络与主成分分析方法相结合建立模型.本文以广西5月逐日降水事先初选的众多预报因子进行主成分分析算法提取有效的几个综合因子,然后使用混合算法优化的径向基网络建立降水预测模型.结果表明,该模型具有较好的收敛效果和泛化能力,在预报性能上明显优于同期的T213降水预报,具有一定的普遍适用性. 相似文献
11.
针对车牌字符在车牌图象退化时识别率较低的问题,提出一种基于神经网络集成的车牌字符识别方法。基于小生境遗传算法在提高进化的局部搜索方面的良好性能来动态构建个体网络差异性大的神经网络集成,进而提高整个集成系统的泛化能力。将该方法应用于车牌字符的识别,实验结果表明,该方法能有效地生成差异度较大的个体网络,得到的神经网络集成能有效提高车牌字符的识别率。 相似文献
12.
To improve the accuracy of sand-dust storm forecast system, a sand-dust storm ensemble forecast model based on rough set (RS) is proposed. The feature data are extracted from the historical data sets using the self-organization map (SOM) clustering network and single fields forecast to form the feature values with low dimensions. Then, the unwanted attributes are reduced according to RS to discretize the continuous feature values. Lastly, the minimum decision rules are constructed according to the remainder attributes, namely sand-dust storm ensemble forecast model based on RS is constructed. Results comparison between the proposed model and the back propagation neural network model show that the sand-storm forecast model based on RS has better stability, faster running speed, and its forecasting accuracy ratio is increased from 17.1% to 86.21%. 相似文献
13.
Short-term load forecasting (STLF) plays a very important role in improving the economy and security of electricity system operations. In this paper, a hybrid STLF method is proposed based on the improved ensemble empirical mode decomposition (IEEMD) and back propagation neural network (BPNN). To alleviate the mode mixing and end-effect problems in traditional empirical mode decomposition (EMD), an IEEMD is presented based on the degree of wave similarity. By applying the IEEMD method, the nonlinear and nonstationary original load series is decomposed into a finite number of stationary intrinsic mode functions (IMFs) and a residual. Among these components, the high frequency (namely IMF1) is always so small that it has little contribution to model fitting, while it sometimes has a great disturbance for the STLF. Therefore, the IMF1 is removed in the proposed hybrid method for denoising. The remaining IMFs and residual are forecast by BPNN, and then the forecasting results of each component are combined with BPNN to obtain the final predicted load series. Three groups of studies were done to evaluate the effectiveness of the proposed hybrid method. The results show that the proposed hybrid method outperforms other methods both mentioned in this paper and previous studies in terms of all the three standard statistical indicators considered in this study. 相似文献
14.
针对复杂非线性多通道时变信号模式分类问题,提出了一种集成卷积神经网络（CNN）与随机森林（RF）相融合的方法。该方法以CNN为基学习器,自动提取信号样本的抽样特征,同时省去降维与人工选择特征的过程,以RF为次级学习器,增加样本扰动,同时增加属性扰动。为增强样本多样性,使得该模型尽可能充分利用信息,在训练集中随机抽取7份子训练集,再利用7份子训练集训练出7个不同的学习器;最后通过投票法和学习法建立集成模型,提高了识别精度。实验结果表明,在测量区间上,该方法对3种ECG信号类别的平均分类精度达94.60%,提高了1.1%,取得了良好结果,验证了模型和算法的有效性。 相似文献
15.
针对现有卷积神经网络模型参数量大、训练时间长的问题,提出了一种结合VGG模型和Inception模块特点的网络模型。该模型通过结合两种经典模型的特点,增加网络模型的宽度和深度,使用较小的卷积核和较多的非线性激活,在减少参数量的同时增加了网络特征提取能力,同时利用全局平均池化层替代全连接层,避免全连接层参数过多容易导致的过拟合问题。在MNIST和CIFAR-10数据集上的实验结果表明,该方法在MNIST数据集上的准确率达到了99.76%,在CIFAR-10数据集上的准确率相比传统卷积神经网络模型提高了6%左右。 相似文献
16.
ZHAO Ying NAN Jun CUI Fu-yi GUO Liang 《浙江大学学报(A卷英文版)》2007,8(9):1482-1487
This paper deals with the study of a water quality forecast model through application of BP neural network technique and GUI (Graphical User Interfaces) function of MATLAB at Yuqiao reservoir in Tianjin. To overcome the shortcomings of traditional BP algorithm as being slow to converge and easy to reach extreme minimum value,the model adopts LM (Leven-berg-Marquardt) algorithm to achieve a higher speed and a lower error rate. When factors affecting the study object are identified,the reservoir's 2005 measured values are used as sample data to test the model. The number of neurons and the type of transfer functions in the hidden layer of the neural network are changed from time to time to achieve the best forecast results. Through simulation testing the model shows high efficiency in forecasting the water quality of the reservoir. 相似文献
17.
INTRODUCTION An Artificial Neural Network (ANN) is an in-formation-processing paradigm that is inspired by the way biological nervous systems, such as the brain, process information. It is composed of a large number of highly interconnected processing elements (neu-rons) working in unison to solve specific problems. In recent years, neural network has been widely applied in the field of engineering construction as a large dimensional nonlinear dynamic system, because of its support for … 相似文献
18.
针对时变信号小样本集建模分类问题,提出一种深层多尺度径向基过程神经网络（DLMS-RBFPNN）。该模型由时变信号输入层、多尺度径向基核变换层、全连接层和感知机分类器构成。兼顾时变信号的频谱特征和分布形态的多样性,基于径向基过程神经网络,通过将不同宽度参数的Gauss核函数进行线性叠加,构成多尺度核,完成不同尺度上对过程信号形态特征的提取、辨识和相似性度量。通过在径向基核函数层之上叠加全连接层和分类器,实现时变信号不同尺度特征的融合和分类。DLMS-RBFPNN具有较少的模型参数,适用于小样本集建模,在机制上可提高对时变信号过程细节特征和趋势特征的辨识及记忆能力。在分析DLMS-RBFPNN性质的基础上,建立一种基于动态聚类算法的核中心函数确定方法以及基于PSO的模型参数优化求解算法。以旋转机械基于示功图信号的故障诊断为例进行实验,结果验证了模型和算法的有效性。 相似文献
19.
李新东 《黑龙江教育学院学报》2012,31(3):198-200
将过程神经网络应用于GDP预测,可以将时间序列中的时间累积效应充分考虑到预测中,能较好地解决传统GDP预测方法中的一些不足。运用黑龙江省1981年至2010年GDP与其影响因素数据,结合相关理论,建立了基于过程神经网络的GDP预测模型,对GDP进行了预测。结果表明,将过程神经网络应用于GDP预测问题中,可以得到较高的预测精度,预测效果较好。 相似文献