基于神经网络代数算法的电磁环境评价

前馈三层神经网络具有很好的非线性映射能力,而前馈三层神经网络的代数算法能够实现零代价函数的网络精确学习过程,本文将其应用于电磁环境复杂度的评价.首先从时域、空域、频域和能量域四个方面选择电磁环境的评价指标,再建立零代价函数的电磁环境评价模型,进一步说明前馈三层神经网络的代数算法在电磁环境评价上的应用.

基于代数算法神经网络对股票价格的研究

利用零代价函数神经网络算法,首先,选用2004年和2007年各40个交易日的上证指数收盘价作为训练样本,对建立的三层神经网络进行训练和仿真,实现了网络的精确映射,网络输出误差几乎为零,然后,以2007年数据和2004年数据分别作为训练样本和测试样本,测试该网络的泛化能力.

零和博弈对抗中的代价函数选择与性能评价

为了解决零和博弈(Zero-sum Game)的GAN(Generative Adversarial Networks)模型中传统对抗性神经网络的判别器损失值过高问题,改进了对抗性神经网络的代价函数.在零和博弈的非完备信息中,由于博弈对抗的生成器与判别器双方互知的MNIST数字图像信息是有限的,为了恰当的分析出博弈过程中某种因素在对抗中的作用,代价函数在零和博弈对抗神经网络中显得尤为重要.对零和博弈对抗环境中的代价函数选择与性能评价进行相关研究,进而实现获取较大优势的零和博弈.实验表明:改进型对抗性神经网络的代价函数优于传统对抗性神经网络损失函数方法.

功能型零碳园区建设路径分析

园区是产业集聚发展的核心单元,零碳园区建设对于区域推进碳达峰碳中和、实现高质量发展具有重要意义,商务、仓储物流、校园等功能型园区具有碳排放来源清晰、减碳路径明确、示范效果好等优势,是建设零碳园区的重点领域。为探索功能型园区实现零碳的建设路径,形成具有可复制推广价值的实施方法,首先梳理了零碳园区的定义、产业发展现状及相关政策,针对功能型园区的能源需求及碳排放特点,提出了实现零碳的建设步骤,包括碳排放现状评估、零碳关键技术分析、园区改造规划设计、系统运营监测及综合评估5个阶段。以南京麒麟科创园内的某园区为案例,提出了零碳建设路径,分析了园区改造的成本效益关键影响因素,基于构建的评价指标体系开展了综合评估。结果表明,该园区进行零碳改造,静态投资回收期为8年,光伏装机规模、碳汇交易价格对项目成本效益影响较大,若光伏系统铺设面积增加50%、碳汇价格达500元/t CO_(2),投资回收期可降至6.7年。提出的功能型园区零碳建设规划方法,可广泛用于办公、校园、医院等各类场景,具有广阔应用前景。

零代价函数条件下的前馈神经网络统计灵敏度分析

讨论了输入层和输出层为恒等变换神经元.隐层为非线性变换神经元的三层神经网络的统计灵敏度,给出了权值和输入样本的加性扰动灵敏度计算的理论公式.当输入扰动较小时,通过选择多种不同的隐层神经元函数,按照本文理论结果计算出来的灵敏度数值与仿真实验的结果十分吻合,说明了本文理论分析结果的正确性.当输入扰动较小时,隐层取不同函数时灵敏度的值是不同的,但数值基本上稳定不变.对于某些隐层函数,当输入扰动值较大时,网络的灵敏度数值迅速下降,但是网络输出的平均相对误差却迅速增加.在求灵敏度时,网络的权值是用代价函数为0的精确算法求得的.