基于双向权值调整算法的神经网络非线性系统辨识

使用神经网络建模是非线性系统辨识的一个重要方法。为克服传统BP算法训练多层前向神经网络进行系统辨识中存在的一些问题,本文提出一种使用双向权值调整学习算法训练单隐层前向神经网络进行非线性系统辨识的方法。此辨识方法使用结构简单的单隐层前向神经网络,在正向阶段由Moore-Penrose广义逆确定输出权值,反向阶段则按误差梯度下降原则对隐层权值进行调整。算法能在正向和反向两个过程对网络的权值做出调整,具有较快的学习速度,并且能在一定程度上保证神经网络的泛化能力。通过基准辨识仿真实验验证,基于此方法的非线性系统辨识具有建模结构简单、训练速度快且辨识精度高的特点。

中文网页体裁分类特征项的权值调整策略

研究了中文网页体裁分类的特征项选取问题及权重计算方法,探讨不同特征空间对体裁类别的判别能力问题,给出了一种评价方法。据此,提出一种特征项的权值调整策略,实验结果验证了该方法的有效性。

评估指标权值调整的平衡处理及自动实现研究

建立评估指标体系是进行评估的前提,而随着形势的变化和新的需求的产生,评估指标体系需要作一定的调整与变化,同时,各指标的权值也相应地需要进行调整。本文对评估指标权值调整及平衡处理的问题进行了深入的研究,形成了较为科学与完善的调整及平衡处理方法,并对其自动实现进行了初步设计。

双向权值调整的前向神经网络学习算法

提出一种新的前向神经网络的学习算法,该算法在正向和反向阶段对不同的层间权值进行必要的调整,在正向阶段按最小范数二乘解原则确定连接隐层与输出层的权值,反向阶段则按误差梯度下降原则调整连接输入层与隐层间的权值。新算法具有很快的收敛速度,并且能在一定的程度上保证所训练神经网络的泛化能力。实验结果初步验证了所提出算法的性能。

认知无线网络动态权值调整的频谱切换策略

认知无线网络中,次用户的目标信道选择受次用户传输功率、信道衰落因子、信道带宽、信道可用率等因素影响。针对基于多属性判决的频谱切换没有充分考虑各因素的重要程度和动态变化问题,本文提出了基于动态权值调整的频谱切换策略。根据主观经验和网络环境变化动态调整权值,采用多属性简单加权法计算各信道目标函数值,根据目标函数值降序排列结果选择切换的目标信道。仿真结果表明,本文所提出的算法能够减少次用户的切换次数,提高有效数据传输速率。

基于多路径网络的权值调整图像语义分割算法

为提高图像语义分割准确程度,针对场景解析中类别边缘分辨清晰度,提出了一种基于多路径网络的权值调整图像语义分割算法。通过引入多路径网络和权值调整并对图像场景中的物体类别具有的特征进行分析,提高图像的语义分割的准确程度;通过采用ADE20K数据集进行训练,提高边缘信息的分割效果,使模型具有更好的泛化能力。此算法加快了网络收敛速度。

基于权值调整的文本分类改进方法

文本分类是文本挖掘的基础与核心 ,可广泛应用于传统的情报检索和 Web信息的检索与挖掘等。提出了一种利用权值调整思想对向量空间法 (VSM)和朴素 Bayes分类器 (NBC)进行改进的文本分类方法 ,并探讨了利用 EM算法进行无导师 Bayes分类的方法 ,设计和实现了一个中英文文本分类系统 CZW。 3组实验数据表明 ,用某些评估函数调节单词权值可有效提高 VSM和 NBC等文本分类模型的精度 ,并且训练文本规模越大 ,改进的效果越明显。 NBC的分类精度最高可达 86 %。

权值自适应调整Unscented粒子滤波及其在组合导航中的应用

针对粒子滤波存在的重要性密度函数难以选取和粒子退化问题,提出了一种新的权值自适应调整Unscented粒子滤波算法。该算法在Unscented粒子滤波的采样过程中吸收权值自适应调整的优点,考虑最新量测影响,通过欧氏距离和反映量测噪声统计特性的精度因子来自适应的调整粒子对应权值分布,增加有用粒子的权值,降低粒子退化程度,保持粒子多样性。同时Unscented变换提高了滤波精度,使该算法能更好地适用于非线性、非高斯系统模型的计算。将提出的算法应用于GPS/DR组合导航系统进行仿真验证,结果表明,提出的权值自适应调整Unscented粒子滤波算法得到的东向定位误差控制在±5.5 m附近,北向定位误差则在±5.2 m附近,滤波性能明显优于扩展卡尔曼滤波和Unscented粒子滤波,能提高GPS/DR组合导航系统解算精度。

权值自调整模糊PI在无刷直流电机中的应用

无刷直流电机是一种多变量和非线性的控制系统,模糊控制器在该控制中得到广泛的使用。针对无刷直流电机构成的速度反馈控制采用了一种新的控制方案——权值自调整模糊PI预测控制。控制器由模糊控制环节、PI控制器、权值调整环节构成,整个系统使用电流和转速双闭环控制。PI控制器和模糊控制器的权值是通过误差、误差变化率设计的模糊调整器来在线调整,速度反馈采用灰色算法来预测。通过仿真实验结果表明上述控制方法较传统的PI控制,具有更强的鲁棒性,易于实现,通用性强。

一种基于DSP的权值自调整模糊PI直流电机调速系统仿真

针对直流电动机控制,介绍了一种基于TMS320LF2407DSP芯片的权值自调整模糊控制器和软硬件设计方法。通过采用权值自调整模糊PI控制算法,提高了控制系统的动、静态性能。仿真结果表明,控制系统鲁棒性好,易于实现,通用性强。

基于局部权值阈值调整的BP算法的研究

文章针对BP算法收敛速度慢的问题,提出一种基于局部权值阈值调整的BP算法。该算法结合生物神经元学习与记忆形成的特点,针对特定的训练样本,只激发网络中的部分神经元以产生相应的输出,而未被激发的神经元产生的输出则与目标输出相差较大,那么我们就需要对未被激发的神经元权值阈值进行调整。所以该论文提出的算法是对局部神经元权值阈值的调整,而不是传统的BP算法需要对所有神经元权值阈值进行调整,这样有助于加快网络的学习速度。

一种软件质量度量的权值分配及调整方法

首先简要介绍了一种软件质量度量模型,然后给出了权值的一些基本知识以及确立的原则,接着针对该软件质量度量模型列出了一个权值分配表,并设计了一种权值调整算法。该算法可实现对某一特性的权值改动,并同时对其他特性的权值进行重新分配。最后通过一个示例对算法作了进一步的说明。本文为定量评价软件质量提供了一个可行的权值分配及调整方法。

一种基于权值动态调整的MPTCP自适应拥塞控制算法

随着计算机网络技术的发展,用户对网络资源访问速度的要求越来越高。特别是近些年语音、图像以及视频等多媒体数据大量出现在互联网上,网络的拥塞问题也变得日益严重,拥塞控制对于保证网络的稳定性也具有非常重要的作用。本文提出了一种改进的MPTCP自适应拥塞控制算法,将权值动态调整策略融入拥塞控制中。算法的核心思想是当某一路径接收到数据包则增加其权值,相反如果丢失了数据包则降低其权值,修改权值时综合考虑了前一个时刻该路径的权值及其拥塞窗口的大小。仿真实验结果表明,本文提出的MPTCP拥塞控制算法改进方案有效地提高了系统的吞吐量,并且能够使得网络资源得到公平的利用。

一种降低误分类代价的权值分布优化算法

提出一种降低误分类代价的权值分布优化算法,其核心思想是在连续的提升过程中获得一系列的弱分类器,根据训练实例代价因子的大小及分类的结果不断更新训练集的分布,以减小累积的误分类代价。验证明这种改进后的算法减小了累积误分类代价。

基于IAFSA优化权值的医学图像检索

为提高医学图像的检索结果,提出一种基于改进人工鱼群算法的医学图像相关反馈检索方法 (ISAFA)。提取医学图像的颜色、纹理、形状特征,采用相似度量模型得到图像初步检索结果,根据用户的反馈信息,采用改进人工鱼群算法对特征权值进行调整,以获得更加理想的检索结果。检索结果表明,ISAFA提高了医学图像的检索准确率和检索效率,可以找到满足用户需要的医学图像。

基于优先级带宽保证和权值改进的WFQ算法研究

随着网络不断发展,实时性高的多媒体应用对网络提出更高的QoS需求.在分析加权公平排队WFQ算法在链路拥堵时不能保证低速率实时业务流要求及突发业务流时延迟加大,信号吞吐量低和误码率高等缺陷情况下,提出SRWFQ算法,引入优先级带宽保证和权值调整两项因子,经过NS-2网络仿真器在时延、网络吞吐量和丢包率QoS参数方面对两种算法进行仿真比较,通过仿真分析表明,SRWFQ改进算法能很好地支持实时业务流.

PSO算法优化BP网络的新方法及仿真实验

提出一种基于粒子群算法优化BP网络的权值调整新方法.该算法在基本BP算法的误差反传调整权值的基础上,再引入粒子群算法的权值修正,从而建立了基于粒子群算法优化的BP网络新模型.此模型不仅可以克服基本BP算法收敛速度慢和易陷入局部极值的局限,而且模型的精度较高,较好地提高了BP网络学习能力与泛化能力.将新模型应用于4个典型复杂函数的仿真实验,并与基本BP模型、基于遗传算法优化的BP网络模型(GA-BP)和传统的粒子群优化前向BP网络模型(PSO-BP前传)的仿真实验结果进行分析比较.仿真实例表明新PSO-BP优化模型性能尤其是泛化性能优于其它3种BP网络优化模型.

风电场风速和发电功率预测研究

风速预测对风电场和电力系统的运行都具有重要意义。对风速进行比较准确的预测,可以有效地减轻或避免风电场对电力系统的不利影响,同时提高风电场在电力市场中的竞争能力。基于时间序列法和神经网络法,该文对风速预测进行了研究,提出了预测风速的时序神经网络法。该方法用时间序列法建模,得到风速特性的基本参数,并用这些参数选择神经网络的输入变量;为了提高预测精度,提出了滚动式权值调整手段。该方法有效地提高了风速预测的精度。

基于蚁群算法的BP网络优化算法

将BP网络的训练误差和检验误差用于引导蚂蚁行经路径上的信息更新机制和选择机制,并据此计算蚂蚁行径中的转移概率;又将蚂蚁行经路径上的存储单元存放的参数值赋予BP网络训练,而存储单元存放的参数和训练误差值亦随BP网络训练误差的调整而改变。通过交互迭代优化,最终得到调整后的BP网络的最佳参数值。数值模拟计算结果表明:与传统的BP算法相比,在达到同一数量级的训练误差情况下,基于蚁群算法优化参数的BP算法训练次数少,而模型的精度高,在一定程度上提高了BP网络的学习能力和泛化能力。

文本分类中改进型CHI特征选择方法的研究

分析了影响传统CHI统计方法分类精度的因素,去除了特征项与类别负相关的情况。同时将改进后的方法用于特征词的权重调整,使其分类效果有了明显提高;将分散度、集中度、频度等因素引入到改进后的方法中,提高了其在类分布不均匀语料集上的分类精确度。最后通过实验证明了该方法的有效性和可行性。