多层前向人工神经网络图像分类算法

传统人工神经网络的输入均为向量形式,而图像由矩阵形式表示,因此,在用人工神经网络进行图像处理时,图像将以向量形式输入至神经网络,这破坏了图像的结构信息,从而影响了图像处理的效果。为了提高网络对图像的处理能力,文中借鉴了深度学习的思想与方法,引进了具有矩阵输入的多层前向神经网络。同时,采用传统的反向传播训练算法(BP)训练该网络,给出了训练过程与训练算法,并在USPS手写数字数据集上进行了数值实验。实验结果表明,相对于单隐层矩阵输入前向神经网络(2D-BP),所提多层网络具有较好的分类效果。此外,对于彩色图片分类问题,利用所提出的2D-BP网络,给出了一个有效的可行方法。

基于人工神经网络的复合材料层合板隔声性能预测

面向纤维增强复合材料层合板隔声设计需求,应用正交试验方法设计18组对称铺设复合材料层合板结构,并以基于切比雪夫多项式展开的半解析法对复合材料层合板结构在10~1500 Hz频率范围内的传声损失进行预测。以单层厚度、纤维铺设角度作为人工神经网络的输入,复合材料层合板结构1/3倍频程传声损失作为输出,分别建立前馈(Back Propagation,BP)神经网络、径向基函数(Radial Basis Function,RBF)神经网络和广义回归(General Regression,GR)神经网络预测模型。结果表明,RBF神经网络的预测效果最好,均方根误差仅为1.0937,GR神经网络和BP神经网络的预测效果逊于RBF神经网络,均方根误差分别为2.6499和2.9697。最后,基于分析结果构建具有良好局部预测性能的神经网络模型以用于复合材料层合板结构的隔声性能预测。

人工神经网络在电力设备红外测温中的应用研究

变电站中电力设备发热会对电网运行造成很大隐患,极大地降低电能质量和供电可靠性,因此有必要在变电站常规巡检中监测变压器、高压开关柜、绝缘子、导线接触点的温度,以确保变电站电气设备正常稳定运行。传统的变电站温度采集方式极为费时、费力,并且由于相间及相地电压非常高,使得传统测温方法对人员的安全也有很大的威胁,而且也容易误检、漏检,容易造成人员和资源的浪费。针对这此现象开展无人机巡检红外照片自动测温是保障电气设备稳定运行的有效措施,如何快速且自动地识别无人机红外巡检照片中的设备温度异常点是一个亟待解决的问题。本文提出一种通过人工神经网络近似红外图像像素RGB值到摄氏温度值映射关系的方法,该方法将红外图像像素点的RGB值作为人工神经网络的输入,网络的输出为摄氏温度值。我们使用变电站常规巡检中获取的红外图像为数据源,对具有三个隐藏层的全连接人工神经网络进行训练,测试结果显示该人工神经网络对塔材和绝缘子的拟合程度较好偏差值小于1℃,对树木和天空的拟合能力较差偏差大于1℃。

多层前馈人工神经网络结构研究

研究表明,由多层FNN的BP算法误差函数构成的非线性方程组的独立方程个数和FNN的待求未知变量的个数应该相等,该方程组才能有唯一组解.由此导出网络结构方程式,进而导出隐层层数判别式和每层神经元个数判别式.依据Kolmogorov定理,由该判别式得出求解FNN隐层层数和每个隐层神经元个数的具体算法.计算机仿真结果表明该方法简明实用.

多层人工神经网络合理结构的确定方法

隐层结构如何选择是多层人工神经网络应用中一个关键问题·基于多层神经网络优化算法原理和非线性方程理论,建立了多层神经网络计算输出和理想输出关系的非线性方程组,分析了权阈变量、标准样本数量和输出层单元数量的内在关系,给出隐层层数和每个隐层单元数量选取应该满足的基本条件·提出多层神经网络合理结构,即隐层层数和每个隐层单元数量选取的一般原则,给出隐层结构定量求解的直接计算方法和间接优化计算方法·对具体算例进行了合理结构分析,通过神经网络优化算法对多种结构组合比较,表明所提出的合理结构分析方法的正确性·这种方法将为多层神经网络在工程应用中如何选取合理结构提供理论依据和选取有效方法·

人工神经网络中隐含层节点与训练次数的优化

目前构建定量构效关系人工神经网络模型中隐含层节点数和网络训练次数大多是依靠试验方法来确定 ,针对该方法运算工作量较大、模型质量和预测精度没有保证等问题 ,通过编写程序获得有关网络的预测精度和百分误差与网络隐含层节点数和训练次数之间关系的大量数据 ,采用Matlab语言分别绘制预测精度和百分误差与网络隐含层节点数和训练次数之间的三维关系图 ,从图中可以很容易判断出达到最佳预测精度和最小百分误差的隐含层节点数和训练次数 .

人工神经网络方法在水力压裂选井评层中的应用

文章全面分析了影响水力压裂选井评层的因素,结合选取因素的全面性、独立性和泛化性原则,确定了影响水力压裂选井评层的主要因素,明确提出以经济准则作为评判标准。运用人工神经网络方法预测压裂施工的投入产出比,克服了现在油田上常用方法的不足,建立了水力压裂选井评层的人工神经网络预测模型、评价方法。理论上明显优于模糊评判中的井层优劣排序。油田实例证明在多因素“数据有限”(小样本)且非线性影响时,人工神经网络方法适应性强、精度高,在水力压裂领域中具有广阔的应用前景。

多层砖房震害预测的人工神经网络方法及实践

应用云南省最近几次地震中多层砖房的震害实例，构造了多层砖房震害预测的人工神经网络 方法，并利用这些数据进行了网络训练。结果表明，这种方法对已训练数据有很好的适应性，但如 果要将之应用于震害预测，则尚需积累大量的震害数据，并进行大量的网络试验工作。

应用改进的BP人工神经网络快速预测储层敏感性

标准的神经网络算法存在训练时间长,在一些特定的给定初值情况下会陷入局部最小等缺点,应用受到一定限制。该文介绍了改进的BP人工神经网络训练算法,该算法在一个权值修改过程中对权值修改两次,以达到加速收敛避免陷入局部最小等目的,利用该算法进行了储层敏感性快速预测软件研制。分析表明,该算法受人为因素干扰小,所需参数少,结果比较可靠,总体符合率达到91％,改进后的算法训练所需时间与标准BP网络相比缩短了许多,是一种适用于现场的良好方法。

利用人工神经网络预测电离层F_2层骚扰

利用人工神经网络技术 ,提出预报离散随机的电离层骚扰事件的新方案 .本文重点讨论了预报电离层骚扰的人工神经网络的构造 ,采用模糊理论和模式识别的思想构造了网络的输入层和输出层 .将与电离层骚扰相关的日面现象如太阳耀斑、黑子等的日面位置、强度等参量作为网络的输入 ,该方案预报结果检验中 ,使传统方法难以预报的小型和中型电离层 (骚扰达到 80 %以上 )的预报准确率有所提高 .最后还提出了利用人工神经网络识别单一型别骚扰事件的方案 ,预报准确率在 95%以上。

多层粘接结构中脱粘界面的人工神经网络余弦变换谱特征识别

针对钢－橡胶多层粘接结构中界面脱粘的超声检测难题，利用余弦变换（ＤＣＴ）提取的表征检测信号的模式特征矢量，通过人工神经网络模式识别方法对不同界面脱粘时实验检测信号的正确识别，实现了脱粘一、二、三和四界面的检测。本文脱粘界面信号模式的人工神经网络识别系统对现代工业中ＮＤＴ＆ＮＤＥ的自动化有着积极的意义。

基于人工神经网络的电动汽车前大灯意象造型设计研究

目的针对电动汽车造型设计中的前大灯意象造型问题,分析设计要素与用户情感之间的关系。方法分析现有电动汽车前大灯样本,提出一种新的前大灯造型描述方法,形成设计要素。结合用户意象调研分析方法获得关键意象,建立语义量表;由设计要素与语义量表构成训练样本,建立神经网络模型;基于神经网络的泛化能力,结合了枚举算法与控制变量思想,分析设计要素与用户情感的关联性。结论分析获得目标意象下的电动汽车前大灯设计要素最优组合形式,以及设计要素与目标意象的相关性;结合实验数据提出造型综合评价模型,将用户对前大灯造型美观程度的感知解释为对其造型的综合评价,以设计要素为线索,造型综合评价与目标意象评价呈源与流的关系;基于造型综合评价模型中设计要素、综合评价、目标意象评价之间的联系,通过分析设计要素与目标意象评价的相关性,间接获得设计要素与造型综合评价的相关性,作为设计活动中保证预期造型综合评价和各目标意象评价的参考。

基于灰关联与人工神经网络综合评价模型的多层砖房震害预测

结合几次大地震中多层砖房的实际震害资料,基于灰关联识别方法,解析了各影响因子对多层砖房抗震性能的影响程度。以反映结构抗震性能的各类物理参数作为输入数据,以给定地震动峰值加速度下建筑物破坏状态的概率作为输出数据,采用8-6-5层结构,建立了基于BP人工神经网络的非线性模型,并对震害样本进行了训练。结果表明:利用灰关联分析,可得出各因子对多层砖房抗震性能影响程度的大小排序,有利于实际的工程抗震设计;基于BP人工神经网络模型的多层砖房的震害预测结果与震害实例的实际情况比较吻合,其思路和方法可推广于其他不同类型的建筑结构的震害预测。

基于人工神经网络——多层感知器(MLP)的遥感影像分类模型

新一代遥感信息分类方法的应用,主要是将近年来发展起来的人工神经网络、模糊理论、人工智能等技术用于遥感信息分类,从算法上改进分类的精度。论述人工神经网络中的多层感知器(MLP)的基本思想,结合实例,用多层感知器(MLP)方法对单源及多源融合遥感影像进行了分类,并与各种分类方法的结果进行比较。

人工神经网络在致密砂岩气层识别中的应用

致密砂岩气层识别是一个难题。如何在已有的地质、钻井、测井、地震等资料的基础上 ,利用现代人工智能方法进行气层识别 ,值得我们去探讨。作者在本文中利用一个改进的 BP网络模型 ,充分利用现有的地质、测井等资料 ,以单井为单元进行垂向气层识别 ,然后又以地震资料为约束进行气层横向预测 ,结果非常令人满意。

人工神经网络方法估算海洋上混合层深度的初步研究

上混合层深度是海洋上层热力结构特征的重要参数。结合南海南部海区一连续温盐深观测站的实测资料和NCEP再分析风场资料,以海洋表层温度和风应力为输入,以温度差值判断方法计算所得上混合层深度为输出,采用BP神经网络和广义回归神经网络2种方法进行训练,建立了南海南部海区的上混合层深度人工神经网络计算模型。实验显示,两种模型仿真结果与温度差值方法计算结果均方根误差分别为3.58m、3.09m,线性相关分别达0.87、0.91,绝对误差分别为2.80m、2.37m,相对误差分别为9.40%、7.40%。这一结果表明,人工神经网络方法精度较高,是一种切实可行的上混合层深度估算方法。

人工神经网络在地震前兆混沌时间序列预测和处理中的应用

人工神经网络是用来模拟人脑智能特点和结构的一种模型 ,具有很强的非线性映射功能 .把它引用到地震前兆观测数据的分析处理中 ,可为前兆观测更好地服务于地震分析预报开辟出一条新路 ,也是对人工神经网络方法应用的推广 .本文分析了时间序列的可预测性 ,给出了用人工神经网络预测地震前兆混沌时间序列的方法 ,并以江宁台和徐州台 SQ型地倾斜仪观测及溧阳台体应变观测的时间序列为例 ,对其作了预测和处理 .结果表明 :用该方法处理达到的精度能满足实际工作的需要 ,因而该方法在今后的实际地震分析预报工作中具有重要应用价值 .

人工神经网络在油层识别中的应用

用神经网络技术，利用测井数据判别油水层，结果表明，方法有效。

综合录井油气层评价的人工神经网络方法研究

将人工神经网络模型引入综合录井油气层评价中，提出了一种改进的ＢＰ算法。采用层次模式识别的方法，对塔里木油田的实际数据进行了试算，以识别油层、气层、含水油层、油水同层、含油水层、气水同层、油气水同层、水层、干层。实验结果表明：该方法可行，且不受气测参数有效范围的限制。