基于动量因子优化学习率的BP神经网络PID参数整定算法

针对传统BP神经网络学习过程中学习率选取过大导致振荡的问题,提出一种新的BP神经网络PID(比例-积分-微分)参数自适应整定算法.采用BP神经网络对PID参数进行自适应调节和优化,并利用动量因子优化学习率和增加动量项抑制BP神经网络训练中出现的振荡现象,以加快收敛速度.实验结果表明,该算法有效缓解了振荡现象,加快了算法的收敛速度.

动量因子BP神经网络算法在设备故障预测中的应用

设备故障预测是设备预防性维护的重要组成部分。本文针对传统方法处理设备故障预测的不足,采用动量因子BP神经网络算法来预测设备状态。通过网络学习和诊断实验表明:动量因子BP神经网络算法不仅能解决设备故障预测的非线性问题,而且预测结果非常准确、误差精度较高、收敛速度较快。

奇对称误差函数变动量因子盲均衡算法

在分析奇对称误差函数判决反馈盲均衡算法(OFA-DFE,Odd symmetry error Function blind equalization Algorithmbased Decision Feedback Equalizer)基础上,提出了基于奇对称误差函数变动量因子判决反馈动量盲均衡算法(VMFMO-FA-DFE,Variable Momentum Factor Momentum OFA-DFE)。该算法采用具有奇对称性的误差函数来减少均衡器的均方误差,利用变因子的思想对动量项进行控制,并把变动量因子引入到判决反馈算法中,对判决反馈的前向权进行调整,以进一步提高算法的性能。水声信道的仿真结果表明,该算法具有较快的收敛速度和较小的均方误差。

基于动量因子技术的BP神经网络改进算法及应用

介绍了基于动量因子技术的改进BP网络训练算法,并将其应用于飞机电气设备故障诊断。以飞机交流异步电动机为例,建立了故障诊断模型,仿真结果表明该算法的应用具有可行性,有较强的推广前景。

引入动态动量因子的共轭梯度多模盲均衡算法

为了克服传统多模算法收敛速度慢的缺点,提出了引入动态动量因子的共轭梯度多模盲均衡算法。该算法将共轭梯度方法及动量项引入多模算法中,得到了引入动量项的共轭梯度多模盲均衡算法的迭代公式。在研究动量因子变化规律的基础上,进一步引入指数函数的变形形式,构造了动量因子与误差之间的非线性函数关系。利用误差的递减规律实现动量因子的自适应减小,从而达到加快收敛速度,降低稳态误差的目的。理论分析和仿真结果均表明:提出的新算法与传统多模算法及共轭梯度多模算法相比较,能够有效地提高收敛速度,并且降低了稳态均方误差。

带自适应动量因子的变步长盲源分离方法

基于自然梯度算法提出一种带自适应动量因子的变步长盲源分离方法,在平稳和非平稳环境下进行正定盲源分离处理。该方法利用性能指标构造函数来估计混合矩阵,依据估计混合矩阵得出估计性能指标再反馈更新构造函数;然后将选取合适经验参数的构造函数代入算法,同时自适应调整算法步长和动量因子;最终得到估计源信号。仿真表明该方法在平稳和非平稳环境下都可以估计出混合矩阵,能有效分离混合信号且收敛速度快稳态误差小。

随机动量因子的SMLMS算法及分析

本文作为对文献[2,3]的补充和改进,提出了一种具有随机动量因子的SMLMS算法。SMLMS算法将传统MLMS算法中的常动量因子改变为一衰减的随机变量,从而为自适应滤波器提供更小的误调量和更好的误差扰动的补偿。

基于改进动量因子Adaline算法的SAPF谐波检测方法

针对传统大功率高电压情况下并联有源电力滤波器(SAPF)装置谐波检测精度不高的问题,提出一种基于改进动量因子优化Adaline网络的自适应谐波电流检测算法。引入双动量因子修正Adaline网络的权值调整公式,以提升网络稳定性并加快收敛。采用载波相移—正弦波脉宽调制(CPS-SPWM)方式,构建基于改进动量因子Adaline算法的级联H桥SAPF仿真模型,仿真结果表明:与传统Adaline检测算法相比,所提算法响应误差减小16.56%,收敛速度提升33.33%,具有较好的电流检测效果。

动量因子对BP算法的影响

本文对BP神经网络算法进行了讨论,并通过实例分析了几种改进算法的实用性.结果表明,适当的改进动量因子和隐单元个数将加快网络的收敛性,提高预测能力.

基于变动量因子的常模盲均衡算法研究

常模算法是最常用的盲均衡算法之一,针对常模算法剩余误差较大、收敛速度慢以及误码率高等缺点,引入变动量因子对其进行修正,并采用无线数字通信系统输出信号对其进行仿真验。仿真结果表明:引入变动量因子后,常模盲均衡算法的剩余误差有所降低,误码率显著降低,收敛速度有一定程度的提高。

基于动量因子的变步长盲多用户检测器

针对3种经典的盲多用户检测算法中,最小均方误差(LMS)算法收敛速度慢、而递归最小二乘算法(RLS)和Kalman自适应算法计算复杂度高的问题,该文提出了一种基于动量因子的变步长LMS算法。该算法在初始阶段使用较大的步长值,根据同一接收信号在相邻两次迭代过程中检测器的输出值之差来动态调整步长,加快了LMS算法的收敛速度。仿真结果表明,该算法的收敛和检测性能明显好于传统的LMS算法,稳态输出接近RLS算法和Kalman算法,而计算量仅略高于传统LMS算法,可以实时有效地抑制多址干扰。

引入动量因子的双自适应自然梯度算法

为克服自然梯度算法收敛速度和稳态误差之间的矛盾,提出了一种引入动量因子的双自适应自然梯度算法,该算法将动量因子分别引入到自然梯度算法的步长因子和分离矩阵中,并根据实时分离度自适应调整动量因子,从而在加快算法收敛速度的同时,降低稳态误差.仿真实验证明,提出的新算法的性能明显优越与固定步长和自适应步长自然梯度算法.

统计动量因子常模盲均衡算法的研究

在移动通信中,常模盲均衡算法CMA不能克服波频率偏移引起的接收信号相位旋转,针对这一问题,给出了一种基于统计动量因子的常模盲均衡算法(SMCMA)。通过仿真说明其影响,可见SMCMA算法能有效克服相位旋转,并且在收敛速度,降低剩余误差有明显的优势。

基于自适应动量因子的区间神经网络建模方法

区间神经网络建模是区间控制的核心部分,也是提高系统鲁棒性的重要方法.针对区间神经网络算法收敛速度慢的问题,提出一种自适应动量因子算法.算法利用区间运算建立输入与输出数据的映射模型,通过引入具有自适应特性的动量项,使用最速下降法对动量项进行自适应更新,在加快系统收敛速度的同时,克服系统稳态误差大和容易陷入局部最小值的弊端.典型算例实验表明:区间神经网络能够较为精确地建立区间网络模型,自适应动量因子算法提高了区间神经网络整体性能.

基于动量因子DD-LMS算法在高速相干接收机中的应用

光纤中的色散是引起传输信号码间串扰(ISI)的直接原因,传统的用于均衡ISI的自适应盲均衡算法收敛速度慢、误差大,不适用于高速相干接收机。为解决该问题,本文引入动量因子,改进基于判决引导的最小均方(DD-LMS)算法用于优化光纤信道色散影响,理论推导并论证动量因子对盲均衡算法的收敛性能及误差函数的影响,同时探究不同函数的动量因子对算法的优化性能。本文在OptiSystem光仿真软件上搭建单载波传输速率224 Gib/s相干光传输系统。结果表明,相较于传统时域均衡器(TDE),在其后端添加此自适应滤波器,系统平均误码率能下降约2.5 dB。在光信噪比为15 dB、传输距离为500~1000 km的情况下,色散补偿模块误码率能稳定在10^(-2)左右,在色散信道中具有较强鲁棒性。

一种动量因子自适应自然梯度的盲分离方法

自然梯度算法是处理盲源分离问题的一个重要方法。基于信号分离度的概念以及BP算法中的动量因子,在自适应步长的基础上加入了基于分离度自适应变化的动量因子,提出了一种改进算法来更好处理速度和分离之间的矛盾;通过仿真验证了改进算法的优越性。

一种具有自适应动量因子的BP神经网络算法实现

互联网技术的快速发展给人们带来了海量的数据,极大地影响了消费者的选、购效率,高效的推荐系统变得尤为重要。传统的基于BP神经网络的协同过滤会导致局部极小值、收敛缓慢等问题。它通过改进BP神经网络算法,很好地优化了收敛缓慢的问题。解决方案是在增加动量项的基础上将动量项改为自适应的,使其能够实时变化,很好地解决了权值调整震荡导致的不稳定性。经实验证实该改进算法大大提高网络训练效率,并且提高推荐效率。

带有改进自适应动量因子的四容水箱DRNN控制系统设计

针对多变量耦合的四容水箱系统,提出一种带有自适应动量因子的对角递归神经网络(DRNN)自学习PID控制方法。首先依据四容水箱实验平台的结构,简要介绍了被控对象的数学模型,并给出了以PID为主控制器,DRNN用于辨识系统动态的总体控制方案;其次,考虑到耦合系统中控制输入与系统输出的之间耦合作用,为了减小整体跟踪误差,给出了调节PID控制器参数的全局性能指标;然后为了防止网络权值调整过程中出现收敛缓慢和震荡问题,设计了自适应动量因子;最后通过数值展示与仿真对比,验证了该文所提方法的有效性。

MLMS算法中动量因子的分析

本文从另一角度分析了动量 LMS 算法中动量因子的作用及影响,得到了一些新的认识和新结果,并得到计算机模拟结果证实.

基于梯度下降算法和动量因子的醇基燃料锅炉燃烧温度非线性控制方法

醇基燃料锅炉燃烧温度与控制参数之间的关系不是简单的线性关系,增加了控制的难度,提出基于梯度下降算法和动量因子的醇基燃料锅炉燃烧温度非线性控制方法。建立醇基燃料锅炉的气流三维流动方程,确定燃烧速率、实际温度与期望温度之间的差值以及差值变化率等温度非线性控制参数。搭建燃烧温度控制的模糊神经PID控制器,采用梯度下降算法和动量因子对PID神经网络的权值展开训练,将所得温度非线性控制参数输入训练后的模糊神经PID控制器,实现醇基燃料锅炉燃烧温度非线性控制。实验结果表明,所提方法对于燃烧速率、实际温度与期望温度之间的差值以及差值变化率计算结果精准,温度控制精度高,温度变化率低,燃料能源利用率高,实际应用效果好。