混沌自适应非洲秃鹫优化算法训练多层感知器

针对训练多层感知器(MLP)时,算法对初始值敏感、易陷入局部最优和收敛速度慢等问题,对新型启发式算法非洲秃鹫优化算法提出改进算法IAVOA。在初始化种群时引入Logistic混沌映射,增加种群的多样性;对最优秃鹫和次优秃鹫增加自适应权重系数,自动调整这两类秃鹫对普通秃鹫的引导作用;IAVOA用于MLP的训练,采用均方误差的平均值作为适应度函数寻找MLP的连接权重和偏差的最佳组合。选取4个不同复杂度的分类数据集,比较IAVOA算法与现有启发式算法对MLP训练后,MLP对数据分类的性能,仿真结果表明,IAVOA算法训练的MLP在数据分类准确率、全局搜索能力、收敛速度和稳定性方面均具有良好的性能。

基于多层感知器和SAR参数的海浪有效波高反演方法

本文在分析雷达海面图像的多个参数与海浪有效波高相关性的基础上,应用哨兵1A卫星Level-2 SAR数据中的后向散射系数、图像强度归一化方差、截止波长、主波波长、主波波向、图像偏度和峰度参数提出了基于多层感知器(MLP)的海浪有效波高反演方法。详细讨论了输入参数组合不同时,MLP模型反演的整体海浪有效波高(SWH)、风浪有效波高(SWH_(WW))和涌浪有效波高(SWH_(S))的精度。针对极端海况下数据较少导致模型产生的系统偏差,文中采用校正函数减小该误差,从而增强了模型的适用性。与欧洲中期天气预报中心(ECMWF)和Jason3卫星提供的整体海浪有效波高数据进行对比,本文方法所得结果的均方根误差分别为0.471和0.535 m,相关系数为0.923和0.922。与ECMWF提供的风浪和涌浪有效波高相比,本文方法反演所得风浪和涌浪有效波高的均方根误差分别为0.534和0.512 m,相关系数分别为0.898和0.815。

基于多层感知器的BPNN车辆稳定性最优鲁棒控制

为了增强非线性车辆模型的稳定性以及鲁棒性,提出了一种基于多层感知器的反传神经网络车辆稳定性最优鲁棒控制。采用四轮主动转向模型,建立了多层感知器前馈反向传播神经网络模型作为逼近器。采用最优鲁棒控制来调节车辆的横摆角速度和侧滑角,以满足期望的车辆响应。建立的神经网络模型通过状态变量训练来区分车辆的非线性动力学特性和相应的最优反馈增益。利用Lyapunov稳定性方法对控制器的鲁棒性与稳定性进行了分析,并采用滑模控制器跟踪期望的横摆角速度和侧滑角响应。仿真结果表明,所提出的方法能显著提高车辆的鲁棒性以及控制性能。

多元线性回归模型与多层感知器神经网络在铀矿测井泥质含量预测中的应用

在铀矿资源勘探工作中,泥质含量的测定对于确定地下岩层的性质和砂岩型铀矿床的分布具有重要意义。文章旨在避免常规测井解释计算方法受到希尔奇系数选取准确性的限制,提出了利用多元线性回归模型和多层感知器(MLP,Multilayer Perceptron)神经网络对测井数据进行分析与预测的方法。通过选取某地区的测井数据,采用多元线性回归模型和MLP神经网络进行了泥质含量关系模型的构建和验证。结果显示,多元线性回归模型在泥质含量低层位出现过拟合现象,而MLP神经网络则表现出更高的预测准确性,MLP神经网络在泥质含量预测中优于传统多元线性回归模型,为铀矿勘探中泥质含量的准确预测提供了有效工具,并有望改进现有的泥质含量评价方法。这些研究成果可显著提升测井解释的效率和准确性,对后续铀矿勘探开发工作的开展具有积极影响。

准东阜康凹陷XRD录井多层感知器法储层物性评价探索

快速准确评价储层物性是试油选层及压裂定段的关键。为研究准东阜康凹陷二叠系上乌尔禾组优质储层分布层段,探索了多层感知器法在准东阜康凹陷XRD录井储层物性评价中的应用。通过收集大量的XRD录井数据,优选5种特征矿物构建多层感知器法神经网络模型,验证发现所建立的模型能够较好地拟合储层物性参数与矿物含量之间的关系。经过训练的模型在测试数据集上取得了较高的预测准确率,为快速、准确评价储层物性提供了新途径。在KT 5及F 47井应用取得了较好的评价效果,具有一定的推广应用价值。

基于多层感知器的LCC-MMC并联型特高压三端混合直流输电线路故障检测方法探讨

针对现有故障检测方法存在阈值整定困难、特征量提取过程复杂的问题,提出一种基于多层感知器(MLP)的电网换相换流器和模块化多电平换流器(LCC-MMC)并联型特高压三端混合直流输电线路故障检测方法。首先,分析直流线路昆北侧边界、T区边界、龙门侧边界的频率特性,指出三端直流线路不同区域发生故障时的故障特征差异;其次,通过小波变换对线模电流、线模电压进行多尺度小波分解,提取小波能量,并结合正、负极电压变化量组成故障特征量。然后,将故障特征量作为MLP的输入量、故障区域作为输出量,构建基于MLP的故障区域识别模型;将测量点提取到的故障特征量输入训练完成的模型即可达到故障区域识别的目的。通过大量仿真验证了所提故障检测方法准确率高,且可耐受300Ω的过渡电阻。

基于X-多层感知器耦合模型的滑坡易发性评价——以贵州省松桃自治县为例

滑坡易发性评价是区域滑坡灾害风险评估的基础。当前主要滑坡易发性评价方法主要采用单一数据驱动模型,在实际应用中易出现漏报、误报问题。本文针对单一数据驱动模型的弊端,提出结合多层感知器(Multi-Layer Perceptron, MLP)构建耦合模型进行滑坡预测分析;选取贵州省松桃苗族自治县作为研究区,借助ArcGIS软件平台,将高程、坡度、坡向与起伏度等12个因子作为评价指标因子;采用归一化频率比(NFR)模型与信息量(I)模型对研究区进行易发性评价,再分别与MLP模型结合成为NFR-MLP、I-MLP耦合模型并开展滑坡区预测分析;将得到的易发性结果分为高、较高、中等、较低、低易发区五类;结合区划结果频率比、接受者操作特征曲线(ROC)线下面积AUC值以及新典型滑坡实例,检验模型的精确度与可靠性。结果表明:(1)精确度大小为:I-MLP耦合模型>I模型>NFR-MLP耦合模型>NFR模型。因MLP模型具备高度的容错性和鲁棒性,致使X-MLP耦合模型更加适应复杂多变的环境因素;(2)I-MLP耦合模型预测性能较为出众,相较于单一模型精度提升5.7%。本研究结果可为研究区地质灾害防治提供一定指导建议。

多策略混合改进蝴蝶算法的多层感知器训练优化

传统调参方法容易生成局部最优,提出多策略混合改进BOA算法的MLP训练方法。针对标准BOA算法寻优精度、收敛速度的不足,设计多策略混合改进蝴蝶优化算法MSHBOA。利用佳点集进行种群初始化,避免随机种群的遍历不足;引入量子搜索局部开发和自适应惯性权重全局搜索提升个体寻优能力;设计概率阈值自适应调整机制,动态协调全局搜索与局部开发比重;设计柯西变异和混沌映射的个体混合扰动机制,增强算法脱离局部最优的能力。将MSHBOA应用于多层感知器MLP训练优化,结果验证训练算法在均方误差、分类准确率、局部最优抵抗性和稳定性方面均表现更好。

感知器求解逻辑分类问题方法研究

本文研究在MATLAB环境下 ,利用感知器求解逻辑分类问题。首先阐述单层感知器求解逻辑“与”和逻辑“或”问题 ,其次研究了多层感知器对“异或”问题的求解。结论表明 :在MATLAB环境下 ,利用感知器对逻辑“与”、“或”、“异或”进行求解时 ,网络训练时间短 ,仿真效果好 ,而且能够实现逻辑“与”和逻辑“或”输出的 0误差。

基于多层感知器的分布式光伏发电系统发电量预估

针对光伏发电有着间隔性、不确定性以及波动性等问题,研究了一种基于多层感知器的光伏发电预测系统来提高光伏发电的稳定性和连接性。首次将多层感知器引入光伏发电量预测领域,大幅提高了光伏功率预测效果。在多层感知器模块内加入批归一化层,采用远程监控系统、二次控制回路、云图装置、定位装置、测控装置、计量装置以及一些综合自动化技术提高发电量预测的准确率。最终通过对各目标参数的考量,实现对分布式光伏发电系统发电量的实时预测,减少对居民用电的影响。试验结果表明,对光伏功率的预测精准度在九成以上,为下一步技术研究提供思路。

基于感知器的图卷积推荐系统

互联网信息陡增,导致信息过载,为客户更加精准地推荐商品变得越来越困难.与传统推荐算法相比,基于图神经网络的推荐算法可以更好地提取客户与商品之间的关联关系.但是,在此类算法中潜在特征的乘法内积的简单线性组合无法准确捕获客户交互数据的复杂结构.针对这类问题,提出了基于感知器的图卷积推荐算法,即在利用图神经网络提取关联关系时,使用感知器分别对客户和商品的特征进行提取.使用召回率和归一化折损累计增益作为评价指标,在3组公共数据集中进行了对比实验.实验结果表明,该方法比已有相关算法的效果有所提升.

基于多层感知器的农村房屋危险等级分类

基于多层感知器技术提出了一种农村房屋危险等级分类方法。首先确定了房屋关键风险因素的初始列表,并通过专家讨论和实地调查进行验证,然后基于皮尔逊相关性分析对864个农村老旧房屋问卷样本进行了验证。通过SPSS 25.0软件进行多层感知器Multilayer Perceptron(MLP)模型的构建,从房屋居住安全性角度对农村老旧房屋进行危险等级分类,并采用样本数据操作特征(ROC)曲线评估房屋分类效应。该模型在数据完整时与数据缺失时的房屋危险性等级评判准确率分别为95.3%与94.5%。通过敏感性分析与因子重要性分析得出影响房屋危险等级排名前三的因素分别为墙体、梁柱、屋盖楼盖。该研究可为缺乏相关专业领域知识的村民以及相关基层管理人员提供一种自我诊断房屋的方法,具有一定的理论和实践意义。

上海交大研制出高灵敏度宽频微动超机械感知器

[本刊讯]上海交通大学机械与动力工程学院何清波课题组提出机械式频分多路复用概念,研制出高灵敏度宽频微动超机械感知器,相关成果于2023年9月7日在线发表于《自然·通讯》(Nature Communications)。

关于多层感知器的函数逼近能力

给出了一个关于多层感知器（ＭＬＰ）连续函数逼近能力更为普遍的新结论，表明ＭＬＰ的函数逼近能力与隐层数目及隐层神经元特性函数的选取关系不大。

基于多层感知器的配电线路故障定位研究

为实现对故障线路的精准排查,减少由于线路故障导致的大规模停电事件,引进多层感知器,设计了一种针对配电线路故障的全新定位方法。文章计算节点电流基频分量,实现对配电线路WSN节点输电的采样;设计多层感知器在配电线路中的规划与部署,建立三相配电线路与多层感知器之间的连通关系,计算配电线路节点故障电流差;引进μPMU时钟,利用其高精度与同步性优势,进行配电线路电压与故障线路电压之间相位关系的感知,通过此种方式进行输电线路故障定位中的伪故障点排除,实现对线路故障定位方法的设计。对比实验结果证明,文章设计的方法可以有效控制故障定位结果的偏差,从而提高故障定位精度。

基于多层感知器的分布式光伏中短期发电量预测研究

为提高光伏发电决策的科学性和可靠性,引进多层感知器,开展分布式光伏中短期发电量预测方法的设计研究。首先通过收集和分析光伏发电站的历史发电数据、天气数据和其他相关参数,构建光伏发电站多层感知器模型;其次引进LSTM,对模型输入数据与光伏发电量的非线性关系进行学习;最后将非线性关系学习结果作为参照与依据,根据发电站所处地理位置与不同条件下的总辐射照度,预测并计算中短期发电量。对比实验结果表明:文章设计的发电量预测方法,具有较高的预测准确性和较强的鲁棒性。

基于多层感知器神经网络的测井曲线重构方法研究

测井曲线在识别岩性、判别油气层、分析地层地质构造,以及计算孔隙度、渗透率和饱和度方面具有无可替代的作用。然而,在实际的测井数据应用时往往会遇到测井曲线因为仪器测量或者井眼坍塌等原因,造成某些井段部分测井曲线失真或间断性缺失的情况,重测不仅价格昂贵且操作困难。为此,提出基于多层感知器神经网络系统的测井曲线重构技术,基于训练数据建立曲线预测模型,该模型由1个输入层、1个输出层和1个或多个隐藏层组成。在模型中引入激活函数加入非线性因素,并且在模型训练学习时引入损失函数和MBGD(小批量梯度下降法)的最优化方法不断迭代寻求最优参数组合。最终通过预测曲线与原始测量曲线误差对比以进行质量控制,从而得到测井曲线重构的最佳结果。结果显示:通过该技术重构得到的曲线精度高、计算速度快、普适性强,便于在油田推广使用。

感知器神经网络模型研究

文章介绍人工神经网络中的典型模型单层感知器和多层感知器,给出标准的感知器学习算法及算法的实现步骤,在此基础上介绍了感知器神经网络模型的改进算法,并对这些算法的特点进行了分析。

基于感知器模型的布尔函数实现

通过对感知器模型的研究,结合数字电路知识,实现了基本逻辑运算,并通过MATLAB验证了感知器能够实现逻辑运算,并能进行正确分类。

一种动态感知器的设计

A dynamic perceptron is designed by introducing time delay factors into the state functions of static perceptrons. The dynamic δ rule is deduced by using the gradient decent method. It can be used to identify a type of nonlinear process that the system′s inputs, its past inputs and states can influence the system’s outputs.