利用神经网络(NN)的自学习能力以及模糊逻辑的动态性和及时性等特点,将模糊逻辑和 NN 有机地结合起来,构造出了五层模糊神经网络(FNN),并用训练 NN 的相应学习算法-BP 算法来训练网络。本文将 FNN 用于网络自相似业务预测研究中,并与单...利用神经网络(NN)的自学习能力以及模糊逻辑的动态性和及时性等特点,将模糊逻辑和 NN 有机地结合起来,构造出了五层模糊神经网络(FNN),并用训练 NN 的相应学习算法-BP 算法来训练网络。本文将 FNN 用于网络自相似业务预测研究中,并与单纯的 NN 算法相比较。仿真结果表明,FNN 能很好地预测复杂网络业务,与传统的 NN 算法相比,不仅收敛速度快,且得到更好的预测效果。本文为复杂网络业务流量预测研究提供了一种有效途径。展开更多
在基坑开挖过程中,为准确预测未来一段时间内基坑挡土墙侧移量,文章基于杭州市富阳区某工程中2、3号测斜管对基坑挡土墙的侧移监测数据,分别采用LSTM神经网络(Long Short Term Memory)和FNN(Feedforward Neural Network)神经网络对挡土...在基坑开挖过程中,为准确预测未来一段时间内基坑挡土墙侧移量,文章基于杭州市富阳区某工程中2、3号测斜管对基坑挡土墙的侧移监测数据,分别采用LSTM神经网络(Long Short Term Memory)和FNN(Feedforward Neural Network)神经网络对挡土墙建立动态预测模型,并采用R2和均方误差(MSE)作为两种神经网络预测模型的评价指标。研究结果表明,LSTM神经网络相较于FNN神经网络表现出更高的预测精度,更适用于基坑挡土墙侧移的动态预测问题,可为基坑施工过程中挡土墙侧移和安全预警提供参考。展开更多
文摘利用神经网络(NN)的自学习能力以及模糊逻辑的动态性和及时性等特点,将模糊逻辑和 NN 有机地结合起来,构造出了五层模糊神经网络(FNN),并用训练 NN 的相应学习算法-BP 算法来训练网络。本文将 FNN 用于网络自相似业务预测研究中,并与单纯的 NN 算法相比较。仿真结果表明,FNN 能很好地预测复杂网络业务,与传统的 NN 算法相比,不仅收敛速度快,且得到更好的预测效果。本文为复杂网络业务流量预测研究提供了一种有效途径。
文摘在基坑开挖过程中,为准确预测未来一段时间内基坑挡土墙侧移量,文章基于杭州市富阳区某工程中2、3号测斜管对基坑挡土墙的侧移监测数据,分别采用LSTM神经网络(Long Short Term Memory)和FNN(Feedforward Neural Network)神经网络对挡土墙建立动态预测模型,并采用R2和均方误差(MSE)作为两种神经网络预测模型的评价指标。研究结果表明,LSTM神经网络相较于FNN神经网络表现出更高的预测精度,更适用于基坑挡土墙侧移的动态预测问题,可为基坑施工过程中挡土墙侧移和安全预警提供参考。