结合概率型神经网络(PNN)和学习矢量量化(LVQ)算法的文本分类方法

针对文本自动分类问题,提出一种基于概率型神经网络(PNN)和学习矢量量化(LVQ)相结合的文本分类算法,该方法借助TFIDF方法提取文本特征及特征值,形成文本分类特征向量,利用概率型神经网络构建分类模型,并利用LVQ学习算法对神经网络模型竞争层网络进行学习,使相应模式向量相互靠拢,远离其他模式,从而实现文本分类.实验结果表明,提出的该方法在文本分类中表现了很好的效果,不仅具有很好的分类准确率,还表现出很好的学习效率.

基于概率型径向基神经网络(P-RBFN)的人脸识别

1概述 近年来,人体生物特征(人脸、指纹、虹膜等)识别技术得到了越来越广泛的研究与应用,其中人脸识别技术尤其是一个热点[1,2],和其它人体生物特征进行个人身份鉴别的方法相比,人脸识别具有直接、友好、方便的特点.

永磁同步直线电机自组织概率型模糊神经网络控制

针对永磁同步直线电机易受参数变化和外部扰动等非线性因素影响的问题,本文采用了一种自组织概率型模糊神经网络控制方法来提高伺服系统的控制性能。概率型模糊神经网络(PFNN)可以有效地对系统中的不确性因素进行估计,且相比于神经网络(NN)有较强的鲁棒性,但是结构固定、隶属度低的节点对当前系统的控制力较差,难以调整系统动态过程中的稳态误差,因此本文在此基础上采用了一种自组织概率型模糊神经网络控制器(SOPFNN)。在对参数学习的情况下,同时采用了一种结构学习算法,来保证控制过程中每一节点都能发挥最大作用,进一步提高系统的跟踪性能。仿真结果表明,自组织概率型模糊神经网络控制不仅改善了系统的位置跟踪性能,还提高了系统的鲁棒性。

基于DWT-PNN的柔性直流输电系统故障检测方法

柔性直流输电系统故障极大地影响了电力系统的稳定性。现有输电线路故障检测方法存在阈值选取困难、对过渡电阻阻值变化敏感、检测时间长等问题。提出一种基于小波能量占比的使用概率型神经网络(PNN)进行故障类型检测与位置判别的方法。通过对不同故障类型下的母线和线路测量电压进行快速傅里叶分析得出暂态电压频率特性,再利用离散小波变换(DWT)求得不同尺度下的小波能量特性,通过大量的离线仿真数据对PNN进行训练,根据PNN的输出结果实现故障类型与故障位置的精确判定。在PSCAD/EMTDC仿真环境下搭建了四端柔性直流电网电磁暂态模型进行仿真验证,结果表明所提方法可以准确地对高阻接地故障的故障类型与位置判别进行检测,不受过渡电阻阻值影响。