首页 | 官方网站   微博 | 高级检索  
相似文献
 共查询到17条相似文献,搜索用时 125 毫秒
1.
作为深度学习的一种有效算法,深度卷积网络已成功应用在处理图像、视频和音频等领域.通过建立一卷积神经网络模型并应用于网络入侵检测,选取的卷积核与数据进行卷积操作提取特征的局部相关性从而提高特征提取的准确度.采集到的网络数据通过多层"卷积层-下采样层"的处理对网络中正常行为和异常行为的特征进行深度刻画,最后通过多层感知机进行正确分类.KDD 99数据集上的实验表明,文中提出的卷积神经网络模型与经典BP神经网络、SVM算法等相比,有效提高了入侵检测识别的分类准确性.   相似文献   

2.
页岩储层总有机碳(Total Organic Carbon,TOC )含量的地震预测普遍采用密度回归拟合法,仅考虑了单因素的线性关系,预测结果误差较大。针对常规方法的不足,提出基于深度学习的TOC含量预测方法。首先,从测井资料中优选出与TOC含量曲线相关度相对较高的多个弹性参数曲线作为样本集输入数据,TOC含量曲线作为样本集输出数据,构建针对TOC含量预测的深度前馈神经网络模型;然后,调试网络模型结构,并利用共轭梯度法进行网络参数寻优;最后,将叠前振幅随偏移距变化(Amplitude Versus Offset,AVO )反演得到的弹性参数数据体输入到深度前馈神经网络模型,预测得到最终的TOC含量数据体。通过四川盆地页岩储层实际测井、地震资料的应用,对比了该方法相对于常规回归拟合法的优越性,验证了方法的实用性和可行性,为页岩储层TOC含量预测提供了新思路。  相似文献   

3.
滚动轴承是机械设备中的核心部件,其运行状态对设备的运转有重要影响。深度学习作为滚动轴承故障诊断的重要方法越来越受到重视。由于传统的故障诊断方法没有充分利用数据时序性,提出了一种将第一层为宽卷积核的深度卷积神经网络和深度长短时记忆网络相融合的模型(WDCNN-DLSTM)。WDCNN(Deep Convolutional Neural Networks with Wide First-layer Kernels,第一层宽卷积核深度卷积神经网络)将传统的CNN第一层卷积核尺寸加宽,提高了模型对一维振动信号中的空间特征信息的提取能力;DLSTM(Deep Long Short-term Memory Network,深度长短时记忆网络)将多个LSTM模块进行堆叠,提高了模型对一维振动信号中时序信息的提取能力。WDCNN-DLSTM将二者通过连接层融合,优势互补,提高了模型的判别能力。通过实验结果表明,相较于一些其他模型,所提出的方法具有更高的精确度。在变负载的情况下,也仍然实现了更好的分类效果。  相似文献   

4.
多变量模糊控制系统的前馈解耦   总被引:10,自引:0,他引:10  
为实现多变量模糊控制系统的动态解耦,基于前馈解耦思想和神经网络理论,提出了一种多变量模糊控制系统解耦的新方法——模糊前馈解耦法,模糊控制器和解耦部分独立设计,解耦由两层神经网络实现,节点少,其活化函数采用分段线性函数.利用简化的学习算法,根据系统输出误差,在线调整网络权值,从而实现动态解耦而无需辨识被控对象的模型,该方法结构简单且计算量小,适于实时多变量过程控制,仿真证明了该方法的有效性。  相似文献   

5.
基于组合神经网络的软件可靠性预测研究   总被引:2,自引:1,他引:2  
为了进一步提高神经网络的预测能力,提出了一种前馈神经网络混合学习算法,并将其应用于组合神经网络.该算法由一种模式提取算法(Alopex)和伪逆算法组成.在该混合学习算法中,网络的学习任务被分解为2个部分:隐藏层的权值先随机给定,然后使用Alopex算法不断地对其进行扰动;输出层的权值使用伪逆算法确定.所使用的组合神经网络由多个结构相同的前馈神经网络组成,每个前馈神经网络都使用混合学习算法(采用不同的初值)进行训练.实验结果表明,这种组合神经网络能够显著提高软件可靠性的预测精度.  相似文献   

6.
通过将传统多层前馈神经网络结构改造为具有跨层连接的网络,提出了相应的多层前馈神经网络改进算法.通过分析网络误差函数,从理论上证明了:相对于无跨层连接网络,有跨层连接网络能以更加简洁的结构逼近理想状态.最后,用一个隐层神经元解决了传统网络必须用两个隐元才能解决的异或问题.  相似文献   

7.
深度学习通过建立深层神经网络来模拟人脑进行分析、学习和解释数据,被广泛用于图像识别领域.首先,简述了深度学习在图像识别中的研究现状;其次,介绍了卷积神经网络、深度置信网络、循环神经网络和生成对抗网络等几种常用于图像识别领域的深度学习网络模型;然后,从人脸识别、动作识别、跌倒检测等方面,论述了深度学习在图像识别领域的典型应用;最后,探讨了该领域的研究难点及发展前景.深度学习可以从不同的图像中自动提取相似的特征并进行分类,识别率高,鲁棒性强,推动了人工智能背景下图像识别的发展.无监督学习、对抗网络等将成为深度学习领域的热点.  相似文献   

8.
本文研究前馈神经网络的结构以及快速二阶学习算法,首先提出一种能和适应分布网络结构的深层前馈网络模型,并利用构造性方法证明了该网络的通有逼近性质,为改进网络学习效率及大范围收敛性,提出了网络权值学习的单调同伦方法,该方法具有与牛顿法相同的二阶收敛性,数值实例显示了该方法的高效性与大范围收敛性,深层前馈网络模型具有自适应分布网络结构,高度非线性逼近性以及可实现快速学习算法等特点。  相似文献   

9.
基于过程神经网络与气动热力参数的航空发动机状态监视   总被引:2,自引:0,他引:2  
采用前馈过程神经网络方法预测发动机排气温度,讨论了网络输入输出参数的选择问题,基于正交基函数简化了前馈过程神经网络的聚合运算,提出了从前馈过程神经网络向传统前馈神经网络网络模型的转化方法,基于传统前馈神经网络先验知识给出了学习算法,进行了网络训练及仿真,取得了满意的结果。  相似文献   

10.
电力负荷预测的精确度对于电厂的实际发电量、配电、系统维护以及与电价相关的能源供应商运营计划等都有着极大地影响;研究了前馈深度神经网络和递归深度神经网络在中期电力负荷预测中的应用及其准确性和计算能力分析;首先,针对收集的原始数据集进行预处理,提出了一种时域-频域分析特征提取方法,该方法可以充分地挖掘隐藏在原始数据集中的深层信息;然后利用前馈深度神经网络和递归深度神经网络模型进行中期电力负荷预测;最后,利用某城市5年期间的实际负荷数据,预测未来1年中不同季节的负荷;通过仿真结果表明:时域-频域分析法和深度神经网络协同使用于中期负荷预测具有更高的准确性。  相似文献   

11.
最小学习机     
针对极端学习机(ELM)不能用于多层前向神经网络学习的问题,通过揭示单层前向神经网络(SLFN)的ELM与岭回归以及中心化的岭回归之间的关系,提出了SLFN的最小学习机。通过证明核化的中心化岭回归与核化的PCA之间的关系,提出以无限可微的核函数为激励函数的多层前向神经网络(MLFN)的最小学习机LLM.SLFN/MLFN的最小学习机能够保持ELM的上述优势。  相似文献   

12.
基于组合神经网络的教师评价模型研究   总被引:1,自引:1,他引:0  
本文提出的基于组合神经网络的教师评价模型,可以弥补以往基于神经网络的教师评价模型的不足,不但可以给出教师的综合得分或所属类别,还可以给出教师在每个方面的得分.所使用的组合神经网络,由多个结构相同的BP神经网络组成;用构建的组合神经网络和传统BP神经网络分别进行实验.仿真实验表明,该模型相对误差较小,可以满足评价需求.  相似文献   

13.
提出了一种对非线性系统的神经网络自学习控制方法,基于逆动力学控制的思想,构造了神经网络结构一致的控制器和辩识器。辨识器采用多层前向网络结构和广义Delta学习规则算法实现了对系统逆动力学模型的动态辨识,并通过在线动态传递权值给神经网络控制器的方法实现了神经网络辨识器的神经网络控制器的有机结合,从而使整个控制系统具有很强的自适应和自学习能力,所提出的控制方案可适用于不含滞后环节和包含滞后环节的非线性  相似文献   

14.
提出了一种新颖的具有自构筑能力的神经网络结构,称之为Modular-tree和两个相应的自构筑算法。在此结构中,任何现存的前馈神经网络均可以作为子网。对于一个给定的学习任务,利用提出的生成算法通过对输入空间递归地划分,自动生成一树状的模块神经网络,从而避免了网络结构预置问题。由于使用了“分治”原理,Modular-tree具有良好的性能及快速训练的能力。此结构已用于多个监督学习问题(包括:标准测试  相似文献   

15.
激励函数可调的前馈神经网络在线学习算法   总被引:1,自引:0,他引:1  
针对标准BP算法的不足,提出了一种激励函数可调的前馈神经网络在线学习算法。该方法去除了样本的预处理过程,以在线方式训练前馈神经网络,同时修正网络的权重,阈值与激励函数。,上于避免了神经元的输出饱和现象,算法的收敛速度明显提高,并在一定程度上防止了局部极小解的出现。仿真结果证明了这种算法的有效性。  相似文献   

16.
前馈型神经网应用于非线性系统辨识的一个问题是确定系统阶次。采用前馈神经网进行非线性系统定阶与神经网的推广性问题密切相关。OLS算法是构筑径向基神经网的一种学习算法,但是采用OLS算法构筑神经网存在推广性问题。ROLS算法将OLS算法与正则化(regularization)方法相结合,以提高算法的推广能力。本文将基于径向基网的ROLS算法应用于非线性系统定阶。本文对提出的方法进行了仿真研究,结果验证了方法的有效性。  相似文献   

17.
以前馈神经网络为研究对象,提出了一种容错型神经网络学习算法.将系统运行过程中可能发生的各类故障随机地引入网络训练过程,使系统获得更加稳健的内部表示.仿真结果表明,该学习算法能够有效地提高神经网络的容错能力和泛化能力.  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司    京ICP备09084417号-23

京公网安备 11010802026262号