期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到895篇文章
< 1 2 … 45 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于前馈神经网络井控多属性融合的断裂识别方法
1
作者 赵军 冉琦 +3 位作者 朱博华 李洋 梁舒瑗 常健强 《物探与化探》 CAS 2024年第4期1045-1053,共9页
塔里木盆地碳酸盐岩断控缝洞型油气藏埋藏深度大、构造复杂,且断裂高度发育,断裂是研究区域内成藏主控因素及可能的油气运移通道,对其空间展布位置及发育强弱的预测至关重要。断裂检测属性众多,不同断裂检测属性由于计算方法不同表征的... 塔里木盆地碳酸盐岩断控缝洞型油气藏埋藏深度大、构造复杂,且断裂高度发育,断裂是研究区域内成藏主控因素及可能的油气运移通道,对其空间展布位置及发育强弱的预测至关重要。断裂检测属性众多,不同断裂检测属性由于计算方法不同表征的断裂尺度及特征存在一定的差异性,且常规属性检测忽视了测井信息的利用与约束,为了获取更加全面、准确的断裂预测结果,本文优选多类断裂检测属性,并结合测井数据作为先验信息,利用前馈神经网络算法进行属性融合。首先优选AFE、likelihood、倾角等多类具有不同特征的断裂属性,结合测井放空漏失数据、成像测井信息及地震同相轴错段情况作为断裂发育类型判别条件建立了断裂特征识别样本库;在样本库基础上进行深度前馈神经网络训练,对比测试了不同隐含层深度条件下的学习效果,获取预测误差最小的神经网络预测模型;最后将神经网络预测模型应用于全工区断裂预测。经对比分析,认为深度学习融合属性预测断裂与测井解释结果更为吻合,且能综合不同尺度特征的断裂信息,有效提升了预测准确度和可靠性。 展开更多
关键词 断裂检测 井控 属性融合 前馈神经网络 缝洞型油气藏
下载PDF
基于地震属性和深度前馈神经网络的天然气水合物饱和度预测 被引量：1
2
作者 孟大江 陈玺 +2 位作者 路允乾 顾元 文鹏飞 《地质学报》 EI CAS CSCD 北大核心 2024年第9期2723-2736,共14页
天然气水合物饱和度是评价资源量的重要参数,常规的地震反演储层预测方法存在精度低、效率不高的问题,且无法解决地震数据与储层参数之间的非线性问题。随着人工智能技术的迅速发展,许多相关技术已经应用于地震勘探领域,其中人工神经网... 天然气水合物饱和度是评价资源量的重要参数,常规的地震反演储层预测方法存在精度低、效率不高的问题,且无法解决地震数据与储层参数之间的非线性问题。随着人工智能技术的迅速发展,许多相关技术已经应用于地震勘探领域,其中人工神经网络是人工智能的一个重要分支,其可以通过从大量的样本数据中不断学习,进而拟合复杂非线性函数来实现地下储层特征反演,有着很强的非线性映射和泛化能力。因此,本文在分析了常规线性公式以及岩石物理建模法优缺点的基础上,提出了基于地震属性和深度前馈神经网络预测水合物饱和度的方法。首先,基于测井和地震数据,通过筛选出不同类型与水合物饱和度相关性高的地震属性体,多维度构建样本标签数据;然后采用地震反演与端到端(地震数据-储层物性数据)反演相结合的策略,对全连接神经网络的隐藏层数、神经元数量、迭代次数等参数进行测试训练,最后将训练结果应用于地震数据体获得水合物饱和度预测结果。实际数据应用结果表明:基于地震属性和深度前馈神经网络预测的饱和度结果精度高、多解性低,与测井数据吻合好,证明该方法具有较好的应用价值;同时,预测的水合物空间分布特征表明研究区水合物成藏为平面游离气-水合物过渡成藏模式。 展开更多
关键词 天然气水合物 深度学习 饱和度 地震属性 深度前馈神经网络
下载PDF
基于前馈神经网络的多模式集成降水预报研究 被引量：1
3
作者 朱文刚 盛春岩 +2 位作者 范苏丹 荣艳敏 曲美慧 《干旱气象》 2024年第1期117-128,共12页
为提高山东定量降水预报准确率,采用深度前馈神经网络(Deep Forword Neural Networks,DFNN)和降水分级最优TS(Threat Score)权重集成方法对多模式集成降水预报进行研究。对2019年4—9月欧洲中期天气预报中心(European Centre for Medium... 为提高山东定量降水预报准确率,采用深度前馈神经网络(Deep Forword Neural Networks,DFNN)和降水分级最优TS(Threat Score)权重集成方法对多模式集成降水预报进行研究。对2019年4—9月欧洲中期天气预报中心(European Centre for Medium-Range Weather Forecasting,ECMWF)全球数值预报系统、中国气象局上海数值预报模式系统(China Meteorological Administration Shanghai 9 km,CMA-SH9)和中国气象局中尺度天气数值预报系统(China Meteorological Administration Meso⁃scale,CMA-MESO)逐24 h累积降水量预报进行有监督训练,得到4组DFNN(ES、EM、SM、ESM)深度学习模型,并利用多模式降水分级最优TS权重集成方法建立Mul-OTS(Multi-mode Optimal Threat Score)集成模型。用2020年4—9月各模式逐24 h累积降水量进行降尺度格点预报,对5种集成方案对比检验、个例分析应用。结果表明:不同起报时间、不同预报时效,5组集成方案均降低了平均相对误差,ESM方案最好,Mul-OTS方案最差;4组DFNN方案均提高了晴雨准确率,ESM方案最好,Mul-OTS方案低于模式预报;4组DFNN方案均提高了各降水等级TS、ETS评分,对弱降水的提高幅度大于强降水,Mul-OTS方案对小量级降水等级订正是负技巧,对大量级降水等级的订正效果较好,但仍不如ESM方案;个例分析发现降水强度和落区预报ESM方案均优于其他集成方案。因此业务上采用最优的ESM方案建立了定量降水格点预报系统,为智能网格预报提供重要支撑。 展开更多
关键词 前馈神经网络 最优TS权重 多模式集成 格点降水预报
下载PDF
前馈神经网络在预测连续泄漏系数中的应用 被引量：1
4
作者 何娟霞 黄丽文 +1 位作者 蒋文豪 段青山 《安全与环境学报》 CAS CSCD 北大核心 2024年第6期2179-2189,共11页
受泄漏孔几何参数、液位、液体物理特性及流动状态等因素影响,储罐连续泄漏系数难以直接采用流体力学建模求解。通过常压立式储罐连续泄漏试验获取数据样本,利用前馈神经网络(Feedforward Neural Network, FNN)算法构建连续泄漏系数(Cs... 受泄漏孔几何参数、液位、液体物理特性及流动状态等因素影响,储罐连续泄漏系数难以直接采用流体力学建模求解。通过常压立式储罐连续泄漏试验获取数据样本,利用前馈神经网络(Feedforward Neural Network, FNN)算法构建连续泄漏系数(Cs)与输入变量间的非线性关系,建立基于前馈神经网络算法的Cs预测模型。模型性能评估结果表明,模型的平均绝对误差(EMA)、解释方差分(SEV)及决定系数(R2)分别为0.015 4、0.949 2及0.948 2,表明模型预测性能良好。与相应连续泄漏试验值比较,预测Cs的总平均绝对偏差范围为5.28%~7.34%,质量流率平均偏差为4.60%~6.51%,连续泄漏量的平均偏差为0.84%~2.03%,模型预测结果优于采用泄漏经验常数的计算结果,证明该模型可有效预测连续泄漏期间Cs值及变化趋势。 展开更多
关键词 安全工程 储罐连续泄漏 泄漏系数 深度学习 前馈神经网络(FNN) 预测模型
原文传递
基于多层前馈神经网络的扩散系数求解
5
作者 刘金凤 李松华 《湖南理工学院学报（自然科学版）》 CAS 2024年第3期8-14,共7页
如何利用浓度分布的测量数据(间接采样)来确定扩散系数,并建立有效快速的数值求解方法是目前亟待解决的问题.由于扩散系数的求解属于反问题中的参数识别问题,通常具有不适定、非线性和计算量大等特点,所以在仅考虑给定温度下扩散对物质... 如何利用浓度分布的测量数据(间接采样)来确定扩散系数,并建立有效快速的数值求解方法是目前亟待解决的问题.由于扩散系数的求解属于反问题中的参数识别问题,通常具有不适定、非线性和计算量大等特点,所以在仅考虑给定温度下扩散对物质输运的影响的情况下,研究扩散系数与浓度、浓度梯度的关系,并利用物质扩散浓度的动态采样值和多层前馈神经网络对扩散系数进行求解,数值实验表明该方法十分有效. 展开更多
关键词 扩散系数 动态采样 多层前馈神经网络 扩散方程
下载PDF
基于前馈神经网络的钻孔精度影响因素预测模型
6
作者 杨晓勇 龙麒谭 《装备制造技术》 2024年第7期16-19,共4页
孔的加工是影响机械产品质量的关键工序之一,一旦出问题很难修复,钻孔精度的提升对于改进孔的加工质量、降低钻孔工件废品率、减少重复加工有着重要意义。机械产品中设计孔时经常有较高的精度要求,但实际孔加工时受到设备、钻头、材料... 孔的加工是影响机械产品质量的关键工序之一,一旦出问题很难修复,钻孔精度的提升对于改进孔的加工质量、降低钻孔工件废品率、减少重复加工有着重要意义。机械产品中设计孔时经常有较高的精度要求,但实际孔加工时受到设备、钻头、材料加工方法等的影响,其精度影响因素众多,要在加工前对孔的加工精度进行预测,无法利用数学关系建立准确的预测模型,因此将其精度主要影响因素进行分析,设计影响因素的主要数据采集点,通过小批量的实验采集数据建立钻孔实验数据库,结合其数据特点,基于多模态的需要,利用深度为2的前馈神经网络拟态模型将钻孔精度定义的定位精度、尺寸精度、形状精度、表面精度和垂直精度五种精度建立预测模型,利用Adam优化器,结合均方误差(mean-square error,MSE)以及梯度下降法进行反向传播训练,对比实际加工结果,本模型在训练集中达到了89%的孔加工精度预测准确度。基于本模型的结果即可针对孔加工过程不同的影响因素进行针对性调整优化,提升孔加工的整体精度。 展开更多
关键词 前馈神经网络 模型 精度 影响因素
下载PDF
基于卷积神经网络前馈补偿的选煤厂燃煤炉重介质分选智能控制技术
7
作者 刘军 《洁净煤技术》 CAS CSCD 北大核心 2024年第S01期577-582,共6页
燃煤炉选煤重介分选过程中,采集到的煤泥浆含量、磁物质含量等数据可能存在误差,无法准确捕捉到煤炭的关键特征,导致重介分选过程无法克服意外扰动,控制只能采用反馈形式,控制效果较差。为此,提出基于卷积神经网络前馈补偿的选煤厂燃煤... 燃煤炉选煤重介分选过程中,采集到的煤泥浆含量、磁物质含量等数据可能存在误差,无法准确捕捉到煤炭的关键特征,导致重介分选过程无法克服意外扰动,控制只能采用反馈形式,控制效果较差。为此,提出基于卷积神经网络前馈补偿的选煤厂燃煤炉重介质分选智能控制技术。通过仪器实时采集选煤工艺介质中的煤泥浆含量、重介质密度和磁物质含量等分选参数。通过卷积神经网络模型识别评价煤泥滤饼含水比例,作为重介分选智能控制依据;基于历史数据和煤泥饼含水量数据,设计前馈补偿方法。通过补偿精煤灰分分选中的扰动,得到精煤灰分的分选模型,估算出合理的分选参数数值。将通过仪器采集的含量参数作为前馈输入特征,根据实时监测和估算出的分选参数数值,对输出期望数值进行动态调整。实验结果表明,方法对燃煤炉选煤重介分选过程智能控制效果好,煤泥含水量波动较小,能保证选煤效率和质量。 展开更多
关键词 前馈补偿 卷积神经网络 燃煤炉 选煤重介分选 介质密度
下载PDF
基于深度学习前馈神经网络的单斜辉石温压计分析火山的岩浆通道系统
8
作者 夏群科(编译) 《矿物岩石地球化学通报》 CAS CSCD 北大核心 2024年第1期13-13,共1页
对火山的岩浆通道系统的深入了解,对理解岩浆如何储存和迁移,以及评估与火山活动伴生的地质灾害等问题,都是至关重要的。单斜辉石(Cpx)温压计是最重要的研究手段之一。在此之前,使用Cpx温压计的前提是准确评估天然样品中所选的Cpx是否... 对火山的岩浆通道系统的深入了解,对理解岩浆如何储存和迁移,以及评估与火山活动伴生的地质灾害等问题,都是至关重要的。单斜辉石(Cpx)温压计是最重要的研究手段之一。在此之前,使用Cpx温压计的前提是准确评估天然样品中所选的Cpx是否与共存熔体平衡。然而,无论是使用Cpx-熔体Fe-Mg交换系数,或是判断Cpx组分是否与模拟计算结果一致,均不足以准确判断Cpx的平衡状态。此外,由于无法准确获得Cpx中Fe^(3+)/ΣFe而将所有Fe视为Fe^(2+)的处理将导致高估Cpx中的硬玉端元(jadeite,NaAlSi_(2)O_(6)),并忽略霓石端元(aegirine,NaFe^(3+)Si_(2)O_(6)),进而高估了温压计算结果。另外,电子探针在评估矿物和熔融物中的水含量方面存在不足,这进一步影响了温压计的准确性。 展开更多
关键词 单斜辉石 温压计 火山活动 地质灾害 前馈神经网络 电子探针 深度学习 端元
原文传递
基于马氏聚类和前馈神经网络的风力机故障诊断
9
作者 胡新雨 郁海彭 +3 位作者 何智 韩伟 戴劲松 张旭 《机床与液压》 北大核心 2024年第12期217-223,共7页
通过建立数据驱动的故障预测模型,可以将故障状态从正常状态中分离出来,进而实现对风力发电机故障的精确诊断。为此,提出一种基于马氏聚类和前馈神经网络的风力机故障诊断策略,通过马氏距离评估实现数据聚类以及正常数据和异常数据的分... 通过建立数据驱动的故障预测模型,可以将故障状态从正常状态中分离出来,进而实现对风力发电机故障的精确诊断。为此,提出一种基于马氏聚类和前馈神经网络的风力机故障诊断策略,通过马氏距离评估实现数据聚类以及正常数据和异常数据的分离;然后以前馈神经网络为基础,根据工程经验构建风力发电机、齿轮箱和发电机3种预测模型;最后利用实验样机数据对所提出的故障预测策略进行验证。实验结果表明:所提的风力机故障预测策略可以有效识别风力机输出功率异常、齿轮箱温度异常和发电机温度异常,进而有利于合理地安排维修计划。 展开更多
关键词 风力发电机 数据驱动 马氏距离聚类 前馈神经网络 故障预测诊断
下载PDF
基于前馈神经网络的电力窃电行为识别方法
10
作者 黄宾阳 鄢鸿婧 +2 位作者 叶大勇 梁硕 黄德宏 《中国新技术新产品》 2024年第19期137-139,共3页
当前电力窃电行为识别机制的设定为内容识别,误识率较高,因此本文提出对基于前馈神经网络的电力窃电行为识别方法的设计。根据当前识别需求,先进行用电负荷数据处理及数据转换,采用自适应的方式,提高识别效率,建立自适应识别机制。以此... 当前电力窃电行为识别机制的设定为内容识别,误识率较高,因此本文提出对基于前馈神经网络的电力窃电行为识别方法的设计。根据当前识别需求,先进行用电负荷数据处理及数据转换,采用自适应的方式,提高识别效率,建立自适应识别机制。以此为基础设计电力窃电行为前馈神经网络识别模型,采用动态训练与追踪监测实现窃电识别。测试结果表明,与传统滤波电力窃电行为识别方法、传统改进孤立森林算法电力窃电行为识别方法相比,本次所设计的前馈神经网络电力窃电行为识别方法得出的误识率被控制在0.45%以下,这说明结合前馈神经网络,设计的电力窃电行为识别方法更高效,具备更高的识别精准度。 展开更多
关键词 前馈神经网络 电力把控 窃电行为 窃电定位 识别方法 远程感应
下载PDF
基于前馈神经网络的隐框玻璃幕墙结构胶损伤状态分析
11
作者 解恒辉 曲京儒 +2 位作者 屈招政 孟明卓 张珑 《安徽建筑》 2024年第10期40-42,共3页
针对现今隐框玻璃幕墙结构胶损伤监测困难的问题,文章引入前馈神经网络算法(Feedforward Neural Network, FNN),通过激励不同损伤的幕墙玻璃面板,获取大量面板频域信号作为模型数据集,进行训练。结果显示,模型在第3轮收敛,均方误差(Mean... 针对现今隐框玻璃幕墙结构胶损伤监测困难的问题,文章引入前馈神经网络算法(Feedforward Neural Network, FNN),通过激励不同损伤的幕墙玻璃面板,获取大量面板频域信号作为模型数据集,进行训练。结果显示,模型在第3轮收敛,均方误差(Mean square error,MSE)为0.010211;误差集中在0附近,呈现正态分布;所有数据拟合相关性均大于0.99。该方法大大提高了工作效率,为后续在线监测幕墙安全状态提供了新方法。 展开更多
关键词 隐框玻璃幕墙 结构胶损伤 前馈神经网络 频域信号
下载PDF
基于深度前馈神经网络的致密砂岩储层孔隙度预测 被引量：5
12
作者 李奎周 王团 +4 位作者 赵海波 唐晓花 田得光 郑绪瑭 高天宇 《大庆石油地质与开发》 CAS 北大核心 2023年第5期140-146,共7页
致密砂岩储层具有低孔低渗特点,由孔隙度变化引起的弹性参数和地震响应特征变化较弱,为解决常规的基于岩石物理关系线性映射孔隙度预测或者基于多属性融合的概率映射孔隙度预测方法难以表征孔隙度与地震属性间复杂非线性关系的问题,提... 致密砂岩储层具有低孔低渗特点,由孔隙度变化引起的弹性参数和地震响应特征变化较弱,为解决常规的基于岩石物理关系线性映射孔隙度预测或者基于多属性融合的概率映射孔隙度预测方法难以表征孔隙度与地震属性间复杂非线性关系的问题,提出了基于深度前馈神经网络的孔隙度预测方法。该方法首先以测井计算的有效孔隙度曲线作为训练目标,以井旁的地震数据属性和反演弹性属性作为训练特征构成训练样本;其次通过优选评价确定复杂结构深度前馈神经网络模型参数,建立井旁地震数据与孔隙度之间的非线性映射关系;最后将训练优良的深度网络模型应用到整个数据体,得到有效孔隙度预测成果,进而实现致密砂岩优质储层定量表征。松辽盆地北部三角洲前缘沉积的致密砂岩应用实例表明,基于深度学习的孔隙度预测结果与井资料吻合较好,相对误差为8.1%,较常规基于岩石物理关系的线性映射孔隙度预测方法误差减小8.2%;证明了该方法对致密砂岩储层孔隙度预测的有效性。研究成果可为井位部署及方案优化设计提供理论指导与技术参考。 展开更多
关键词 致密砂岩储层 孔隙度预测 深度前馈神经网络 非线性映射
下载PDF
基于时变深度前馈神经网络的风电功率概率密度预测 被引量：3
13
作者 彭曙蓉 彭家宜 +3 位作者 杨云皓 张恒 李彬 王冠南 《电力科学与技术学报》 CAS CSCD 北大核心 2023年第3期84-93,共10页
针对传统循环神经网络(RNN)和卷积神经网络(CNN)模型对风电功率进行较长时间尺度的短期预测时出现的时不变性问题,应用时变深度前馈神经网络(ForecastNet)模型进行短期风电功率不确定性预测。该模型的网络结构随时间变化以提高多步提前... 针对传统循环神经网络(RNN)和卷积神经网络(CNN)模型对风电功率进行较长时间尺度的短期预测时出现的时不变性问题,应用时变深度前馈神经网络(ForecastNet)模型进行短期风电功率不确定性预测。该模型的网络结构随时间变化以提高多步提前预测能力,模型交错输出以缓解梯度消失问题,使用混合密度网络得到各个时刻的概率密度分布。在避免传统深度学习模型中,该模型能避免递归多步预测累积误差的同时可以充分考虑相邻时刻风电功率的相关性;在模型隐藏层中,使用美国PJM网上的风电功率实际数据,分别应用全连接网络、卷积网络以及基于注意力机制的卷积网络3种神经网络模型进行预测,每次预测未来12 h的风电功率,滚动预测得到未来500 h的风电功率区间和概率密度,实验仿真结果能够证明所提预测模型的有效性。 展开更多
关键词 神经网络 风电概率预测 时变深度前馈神经网络 概率密度 风电功率区间预测
下载PDF
基于GA-BP神经网络的粗骨料UHPC的抗压强度预测
14
作者 周靖宜 蔡自伟 +1 位作者 李凌志 俞可权 《混凝土》 CAS 北大核心 2024年第2期11-19,共9页
为实现对粗骨料UHPC的抗压强度的预测和配合比设计方法的优化,搜集了国内外文献中168组粗骨料UHPC配合比和标准养护28 d抗压强度实测值,给出了各材料组分和抗压强度频数分布,并基于灰色关联分析法分析了各材料组分与抗压强度的关联关系... 为实现对粗骨料UHPC的抗压强度的预测和配合比设计方法的优化,搜集了国内外文献中168组粗骨料UHPC配合比和标准养护28 d抗压强度实测值,给出了各材料组分和抗压强度频数分布,并基于灰色关联分析法分析了各材料组分与抗压强度的关联关系,通过神经网络参数分析,建立了基于遗传算法的前馈神经网络,相比普通的BP神经网络具有更好的预测精度和泛化能力。最后基于建立的GA-BP神经网络给出了不同强度等级粗骨料UHPC配合比设计中粗骨料/胶凝材料、钢纤维体积掺量、砂胶比的建议取值范围。 展开更多
关键词 超高性能混凝土 抗压强度 粗骨料 前馈神经网络 遗传算法
下载PDF
基于前馈神经网络的分数阶事件触发控制器实现及应用研究 被引量：1
15
作者 于南翔 朱伟 《重庆邮电大学学报（自然科学版）》 CSCD 北大核心 2023年第6期1072-1079,共8页
为了提高事件触发控制算法的普适性,降低现有控制算法对具体数学表达式的依赖,提出了一种基于前馈神经网络的事件触发控制方法,实现了更具一般化的分数阶事件触发控制器设计。该方法充分发挥前馈神经网络可以任意逼近平方可积函数的优势... 为了提高事件触发控制算法的普适性,降低现有控制算法对具体数学表达式的依赖,提出了一种基于前馈神经网络的事件触发控制方法,实现了更具一般化的分数阶事件触发控制器设计。该方法充分发挥前馈神经网络可以任意逼近平方可积函数的优势,对传统事件触发控制过程进行学习,有效解决了传统方法对具体数学模型的依赖问题,且可进一步降低事件触发控制的次数。另外,相较于传统的整数阶控制器,分数阶控制器拓宽了事件触发控制算法的实际应用范围。以具体应用为背景进行仿真分析,结果表明,该算法不但能够保持传统事件触发控制算法在节省控制资源方面的优势,而且在可移植性方面优于传统的事件触发控制算法。 展开更多
关键词 前馈神经网络 数据驱动 事件触发控制 分数阶系统 同步控制
下载PDF
一种基于NARX神经网络的振动主动控制方法
16
作者 宋春生 熊学春 +1 位作者 陈泊远 杜刚 《噪声与振动控制》 CSCD 北大核心 2024年第2期1-7,260,共8页
针对主被动混合隔振系统中次级通道的非线性因素和时变特性,设计一种基于有源非线性自回归神经网络(Nonlinear Auto-regressive With Exogenous Inputs Neural Network,NARX-NN)的次级通道系统辨识的方法,并成功应用于振动主动控制系统... 针对主被动混合隔振系统中次级通道的非线性因素和时变特性,设计一种基于有源非线性自回归神经网络(Nonlinear Auto-regressive With Exogenous Inputs Neural Network,NARX-NN)的次级通道系统辨识的方法,并成功应用于振动主动控制系统中。首先,使用NARX神经网络对次级通道进行辨识得到准确的次级通道模型;其次,采用FIR滤波器重构初级通道的输出,从而获得作动器的输出信号,基于重构得到数据对辨识的网络进行在线学习,可以避免由白噪声激励在系统中带来的随机振动对控制效果的影响;最后搭建仿真模型以及实验平台,仿真结果表明,该控制算法可以克服次级通道的时变性导致的次级通道失真问题;实验结果表明,该算法对15、20 Hz的线谱分别取得30.1、40.4 dB的能量衰减效果,能够有效地实现振动主动控制。 展开更多
关键词 振动与波 Fx-LMS前馈控制 NARX神经网络 振动主动控制 在线系统辨识
下载PDF
时域声波障碍反散射问题的神经网络方法
17
作者 刘一雄 孟品超 《长春理工大学学报（自然科学版）》 2024年第5期126-133,共8页
研究了一种求解时域声波移动障碍物反散射问题的神经网络方法。该方法由一维卷积模块和多头自注意力机制模块构成,其中一维卷积模块的特征提取能力有效捕捉散射数据的局部特征;多头自注意力机制模块的全局信息捕捉能力综合分析散射数据... 研究了一种求解时域声波移动障碍物反散射问题的神经网络方法。该方法由一维卷积模块和多头自注意力机制模块构成,其中一维卷积模块的特征提取能力有效捕捉散射数据的局部特征;多头自注意力机制模块的全局信息捕捉能力综合分析散射数据的全局特征,采用误差的反向传播进行训练,反演障碍物的运动轨迹。实验结果表明,该方法能有效反演移动障碍物的运动轨迹。 展开更多
关键词 时域声波反散射问题 多头自注意力 一维卷积 前馈神经网络
下载PDF
一种用于预测车辆交通噪声的情感人工神经网络
18
作者 任芳贤 《黑龙江科学》 2024年第8期58-61,共4页
道路交通噪声的监测和评估需要一种可靠的道路交通噪声预测方法。提出利用情感人工神经网络(EANN)方法对某城市部分街道的交通噪声进行建模,采用两种不同的场景和不同的输入组合,与经典的前馈神经网络(FFNN)进行比较,验证了EANN模型的... 道路交通噪声的监测和评估需要一种可靠的道路交通噪声预测方法。提出利用情感人工神经网络(EANN)方法对某城市部分街道的交通噪声进行建模,采用两种不同的场景和不同的输入组合,与经典的前馈神经网络(FFNN)进行比较,验证了EANN模型的有效性。结果表明,将EANN模型应用于道路交通噪声预测,在验证阶段,FFNN和经验模型的预测效率分别提高了14%和37%。将交通量分类为子类(在场景1中)后输入到模型中,EANN和FFNN模型在验证阶段的性能分别提高了8%和12%。输入参数的敏感性分析表明,交通总量是影响研究区道路交通噪声的最主要因素,其次是小汽车数量、中型车数量、重型车辆数量、平均速度和重型车辆比例。 展开更多
关键词 车辆交通噪声 情感神经网络 敏感性分析 前馈神经网络
下载PDF
基于深度前馈神经网络的多因子人体表面积计算模型 被引量：2
19
作者 王雨露 李飞 +3 位作者 杨震 黄山 张罡 詹曙 《计算机工程与科学》 CSCD 北大核心 2023年第1期119-126,共8页
人体表面积(BSA)在临床医学上有着至关重要的作用,但现有BSA计算方法大多只使用身高和体重2个参数且采用匹配简单函数的方法来估计体表面积,临床上也认为现有的BSA计算方法误差较大。针对这些问题,提出一种BSA回归预测模型。该回归预测... 人体表面积(BSA)在临床医学上有着至关重要的作用,但现有BSA计算方法大多只使用身高和体重2个参数且采用匹配简单函数的方法来估计体表面积,临床上也认为现有的BSA计算方法误差较大。针对这些问题,提出一种BSA回归预测模型。该回归预测模型包含2个部分:首先,借助相关性和显著性分析选择相关性较高的体表面积影响因子;其次,利用人体数据训练深度前馈神经网络,构建回归模型。实验分别采取5-折交叉验证与测试集验证2种方法。首先,将深度前馈神经网络模型与传统人体表面积计算方法进行精度评估和结果对比分析;其次将深度前馈神经网络模型与3种模型进行精度评估和结果对比分析。在与传统方法对比中,深度前馈神经网络模型的决定系数高于2种传统方法的,且比传统方法提高了6%,误差与传统方法的相比降低了近一倍。在与3种模型的对比中,深度前馈神经网络的决定系数比其他模型的提高了至少2%,误差降低。一致性分析实验结果也显示,深度前馈神经网络95%一致性界限最小,一致性最好。总体来说,提出的回归预测模型可以得到更加精确的体表面积预测值。 展开更多
关键词 人体表面积 深度前馈神经网络 回归 预测 交叉验证
下载PDF
灰色神经网络模型在小麦产量预测中的应用
20
作者 李晨 邵明月 《中文科技期刊数据库（全文版）自然科学》 2024年第11期056-059,共4页
本文旨在研究如何利用灰色神经网络模型解决小麦产量预测中的不确定性和复杂非线性关系问题,以提高预测的准确性和可靠性。随着全球气候变化和农业生产环境的日益复杂,小麦产量的预测对于农业决策、资源分配和粮食安全具有重要意义。首... 本文旨在研究如何利用灰色神经网络模型解决小麦产量预测中的不确定性和复杂非线性关系问题,以提高预测的准确性和可靠性。随着全球气候变化和农业生产环境的日益复杂,小麦产量的预测对于农业决策、资源分配和粮食安全具有重要意义。首先,本文回顾了预测模型在农业领域,特别是小麦产量预测中的发展现状,指出了传统模型在处理不确定性因素和非线性关系方面的局限性。然后,针对这些问题,本文建立了灰色神经网络模型。在灰色预测模型中,本文简化了数据中的随机波动,利用灰色系统理论中的累加生成算子和GM(1,1)模型提取数据内在规律;在神经网络模型中,本文进一步简化了复杂非线性关系的直接建模难度,利用多层前馈神经网络的强大学习能力构建了影响因素与小麦产量之间的映射关系。通过将两者结合,本文建立了灰色神经网络组合模型,实现了对小麦产量的高精度预测。针对模型的求解,本文采用了反向传播算法对网络参数进行训练和优化。通过迭代调整网络权重和偏置项,使模型输出与实际小麦产量之间的误差最小化。在求解过程中,本文使用了MATLAB等数学软件进行编程和计算,实现了数据的预处理、模型构建、参数估计和预测结果的输出。灰色神经网络模型具有以下优点:一是结合了灰色系统理论和神经网络的优点,能够同时处理数据不确定性和复杂非线性关系;二是通过数据预处理增强了数据的规律性,提高了模型的预测精度;三是模型构建过程灵活,可根据实际情况调整网络结构和参数;四是预测结果稳定可靠,具有较高的应用价值。在模型检验中,本文分别讨论了模型的精度和稳定性,采用多种评价指标对预测结果进行了全面评估。 展开更多
关键词 灰色神经网络 小麦产量预测 GM(1 1)模型 多层前馈神经网络 反向传播算法
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 45 下一页 到第 页
使用帮助 返回顶部