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。

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。

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。

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。

基于多层感知器的低压电力线时变信道非线性均衡方法

通过添加适当的循环前缀(CP)的正交频分复用(OFDM)技术是一种去除高速通信中符号间干扰的有效方法,但低压电力线作为载波通信通道使用时是一种时变多径信道,采用 OFDM 技术进行高速载波通信时信号的正交性会因此而受到一定程度的破坏,产生子载波间干扰(ICI)。该文采用基于多层感知器(MLP)的均方差(MSE)准则实现了一种时变信道的非线性均衡。为了验证所提出的非线性均衡方法的有效性,选取具有宽带耦合放大器的实际低压电力线通信(PLC)信道作为实验用非线性信道模型。对比了基于 MSE准则的线性和非线性均衡器对系统性能的影响,表明该文采用的非线性均衡方法可以更有效地补偿信道的多径性和时变性造成的影响和改善电力线载波通信系统的性能。

多层感知器自监督在线学习非结构化道路识别

针对智能车辆非结构化道路识别中存在的环境自适应性和在线学习算法实时性问题,提出了一种结合多线程技术和多层感知器自监督在线学习技术的道路识别算法.通过识别结果在线自动更新训练集,并利用评估函数判断是否触发重训分类器,确保当前分类器对行驶道路环境的有效识别.同时,算法中道路图像采集、分类器训练、训练集更新、分类器识别等计算操作分别在各自线程中实现,利用信号量对数据流进行同步互斥,优化计算资源,充分利用了多层感知器分类计算快的特点,并克服其训练耗时问题.实际道路检测实验结果表明,算法具有较好的自适应性及实时性,能够满足智能车辆非结构化道路导航需求.

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。

多层感知器模型在中医人格、体质预测糖尿病性冠心病患病风险中的应用研究

目的探讨多层感知器(MLP)模型在中医人格、体质预测糖尿病性冠心病患病风险中的预测效能,为该病客观化预测提供新方法。方法采用单因素Logistic回归进行变量筛选,筛选有统计学意义的中医人格、体质类型指标,作为MLP及多因素Logistic回归的分析变量,以构建中医人格、体质对糖尿病性冠心病患病风险的预测模型。采用受试者工作特征曲线(ROC曲线)比较2种模型的预测效能。结果 MLP预测模型的灵敏度OR95%CI=0.915(0.862,0.968)、特异度OR95%CI=0.846(0.793,0.912)、AUC OR95%CI=0.913(0.806,0.987),均优于Logistic回归预测模型[灵敏度OR95%CI=0.834(0.695,0.953)、特异度OR95%CI=0.762(0.623,0.901)、AUC OR95%CI=0.869(0.730,0.941)]。结论在中医人格、体质对糖尿病性冠心病患病风险的客观化预测中,MLP模型较Logistic回归模型具有更好的预测效能。

基于多层感知器模型的区域滑坡敏感性评价研究——以四川低山丘陵区为例

以四川省低山丘陵区为研究区,基于滑坡编目数据,在深入分析研究区滑坡孕灾环境的基础上,选取坡度、地形起伏度、岩土类型和断裂构造等八类孕灾环境因子。通过融合确定性系数和多层感知器,提出CF-MLP模型,并对研究区滑坡的敏感性进行评价,计算得到的滑坡敏感性指数在ROC曲线中的线下面积为0.84,说明该模型预测结果对滑坡具有较好的识别作用;基于模型预测结果对研究区进行敏感性区划,共分为高敏感性、中敏感性和低敏感性三个区域,与历史滑坡的分布现状相一致。实践证明,CF-MLP模型在一定程度上解决了滑坡孕灾环境因子数据的合理量化问题,提高了多层感知器网络的收敛效果,有利于建立更为准确的滑坡敏感性分析模型。

用多层感知器模型由吸收光谱反演浮游植物色素

浮游植物吸收光谱已逐渐成为高光谱水色遥感的可获取参量。文章采用了多层感知器模型,由珠江口担杆群岛附近水体的浮游植物吸收光谱进行了色素浓度的反演,感知器的输入量是浮游植物吸收光谱,输出量分别对应叶绿素a、叶绿素b、叶绿素c、光保护类胡萝卜素和非光保护类胡萝卜素五大类主要色素的浓度。分析结果表明,叶绿素a和叶绿素c估算结果的平均相对偏差比较低,在测试数据集中两者的偏差分别为19.06%和15.90%;光保护类胡萝卜素和非光保护类胡萝卜素的估算浓度的相对偏差比较高,对于测试数据而言,分别为37.62%和36.96%;叶绿素b浓度在测试数据集中的估算相对偏差约为27.47%。五大类色素在测试数据集和训练数据集的估算偏差比较接近,已训练好的多层感知器可用于担杆岛水体中色素信息的反演。同时,此色素反演方法也为遥感监测水体浮游植物种群动态提供了重要的手段。

基于多层感知器的深度核映射支持向量机

为改善支持向量机的性能,从深度学习的角度研究核学习的方法,提出了基于多层感知器的深度核映射支持向量机模型(deep kernel mapping support vector machine,DKMSVM)以及相应的学习算法.该模型首先通过多层感知器学习一个从原始输入空间到合适维度空间的核映射代替传统意义上的核函数,然后直接在合适维度空间使用支持向量机进行分类,而不是采用核技巧进行求解.实验结果验证了DKMSVM的有效性.

基于前馈多层感知器的网络入侵检测的多数据包分析

提出了一种新型网络入侵检测模型,在该模型中,首先将截获的数据包结合历史数据包数据库进行协议分析,找出可能存在的入侵行为的相关数据包,然后采用前馈多层感知器神经网络对这些相关的数据包进行回归分析,最终获得检测结果。该模型与传统采用单数据包检测方式的网络入侵检测系统(NIDS)模型相比,具有更低的漏检率。

多层感知器火灾探测器研究

本文提出了一种新的火灾探测的方法，即一种基于多层感知器（MLP）火灾探测器方案。这使得在火灾探测中的信号处理在方法上做了彻底改进，提高了早期发现火灾的能力。实验结果也表明这在火灾自动探测中是一种十分有效的方法。

一种改进的多层感知器神经网络技术

多层感知器 (multi-layerperceptronnetworks ,MLPN)是一具有多层神经元、前馈、误差反传结构的神经网络 ,它的学习和预测能力受多方面因素的影响。首先我们从理论证明和数值分析的角度研究了传输函数、神经元的数目、网络层数及网络误差的迭代方式等与MLPN学习和预测能力的关系 ,对常规的MLPN作了改进 ;然后结合一个理论模型分析的例子 ,讨论了改进的MLPN对非线性函数的学习能力 ;最后 ,以某地野外磁测数据的去噪为实例 ,将本文介绍的神经网络技术用于插值 ,从而达到去噪的目的。

多层感知器信用评价模型研究

建立多层感知器 (MLP)神经网络信用评价模型 ,用来对我国 2 0 0 0年 96家上市公司进行信用评级。按照各上市公司的经营状况分为“好”、“中”、“差”三类 ,每一类由 32家上市公司构成数据样本。对于每一家上市公司 ,主要考虑其经营状况的四个主要财务指标 :每股收益 ,每股净资产 ,净资产收益率和每股现金流量 ,所有数据都来自于 2 0 0 0年上市公司年报。对于MLP网络结构 ,隐层结点的个数是采用试验的方法来确定的 ,先从 1个开始 ,然后逐个逐个地增加 ,一直增加到不能再改善网络性能为止。仿真结果表明 ,多层感知器信用评价模型分类的准确率达到 79 17%。此外 ,还详细给出MLP网络模型的学习算法和步骤。

基于非线性主分量分析—多层感知器网络的变压器油中溶解气体数据分析

采用人工神经网络进行变压器DGA数据的分析与诊断。为全面评价变压器的实际运行状况,综合利用了各特征气体含量及其比值信息,并借鉴模糊数据处理思想构造初始输入特征集合。借助一个特殊的复合神经网络进行数据分析与故障诊断。其中,非线性主分量分析网络执行多元输入特征信息的融合及主特征选择,形成待识别故障类的敏感特征量;随后的多层感知器执行故障模式识别。试验结果表明,在DGA分析的基础上,应用非线性主分量分析-多层感知器复合神经网络可有效实现变压器不同故障模式的智能化识别,获得较好的诊断结果。

多层感知器的灵敏度分析

灵敏度分析对于神经网络结构设计具有指导意义 .已有的灵敏度分析方法往往针对特定的激活函数 ,并且对网络输入和权值扰动有严格的限制 .该文采用另一种以 1- e-λx1+e-λx型激活函数的倾斜度作为参数的函数形式逼近激活函数 ,得到了一类神经元的统一的灵敏度解析表达式和网络灵敏度计算算法 .该方法取消了对输入和权值扰动的限制 ,可以研究激活函数倾斜度对网络灵敏度的影响 .计算机模拟试验证明了此方法的正确性 ,并且提出了网络结构设计的几条准则 .

基于多层感知器网络的过度医疗防治绩效评价研究

目的通过多层感知器网络的构建评价过度医疗防治的效果,为进一步完善过度医疗防治体系提供参考。方法基于多层感知器网络,构建了具有3层神经网络、9个隐含层节点数的过度医疗绩效评价模型。结果多层感知器网络的训练结果与专家评价(期望结果)两者评价是完全一致的。结论该多层神经网络及其评价指标的选取能够很好地应用于医疗服务中的过度医疗防治绩效评价。

基于差分进化生物地理学优化的多层感知器训练方法

针对生物地理学优化训练多层感知器存在的早熟收敛以及初始化灵敏等问题,提出一种基于差分进化生物地理学优化的多层感知器训练方法。将生物地理学优化(biogeography-based optimization,BBO)与差分进化(differential evolution,DE)算法相结合,形成改进的混合DE_BBO算法;采用改进的DE_BBO来训练多层感知器(multi-layer perceptron,MLP),并应用于虹膜、乳腺癌、输血、钞票验证四类数据分类。与BBO、PSO、GA、ACO、ES、PBIL六种主流启发式算法的实验结果进行比较表明,DE_BBO_MLP算法在分类精度和收敛速度等方面优于已有方法。