ART2网络结构与算法的改进

ART2网络中的模式匹配过程,以及相似度警戒测试过程均以模式的相似性量度值为基础。传统ART2网络的相似量度是一种关于模式相位信息的量度,在需要考虑模式幅度信息及处理集群分布样本时,效果很不理想。文章针对此不足,提出以欧氏距离为相似测度的新型网络:MART2。输入模式的幅度信息被提取出来,并送到相应的中间模式和警戒测试部分。新网络中引入三个辅助函数共同计算输入模式与存贮模式的相似度,使得在进行模式匹配和警戒测试时,幅度信息没有丢失。实验证明,MART2在处理集群分布样本时,性能优于传统ART2。MART2是对ART2网络的一种补充。

ART2wNF及其稳定性-可塑性动态平衡性能分析

稳定性-可塑性两难问题的核心是系统如何在不削弱或忘记已学习模式的同时,自适应地学习新事物.目前公认自适应谐振理论(Adaptive resonance theory,ART)能够部分解决稳定性–可塑性两难问题,但依然存在学习受样本输入顺序影响大,且存在学习中心渐变样本时,带来的所谓模式漂移的问题.受进化生物学关于人类学习的幼态延续特征的启发,本文为每个F2层节点配备活跃度指示器λ,并将其反馈回F1层参与STM(Short term memory)向量的计算,使这种新型ART2网络在行为特征上具备幼态延续的显著特征,本文称之为ART2wNF(Adaptive resonance theory with neoteny feature).论文从理论上证明算法的可行性,并通过分析对随机生成样本集合的学习过程,对比了ART2wNF算法与常规ART2网络在可塑性、稳定性方面的差异以及ART2wNF在克服样本输入顺序影响等方面的优势.

一种改进的ART2网络学习算法

分析了现有ART2网络存在的问题,提出了一种改进的ART2算法。该算法首先利用样本数据自身来初始化权值,然后按照同一类中的数据点到其聚类中心的距离之和越小(即类内偏差越小),聚类效果越好的原则来设计特征表示场和类别表示场之间的权值修正公式,最后通过比较输入样本和聚类中心的模来有效地利用模式的幅度信息。分析证明了该算法不仅能有效解决模式漂移问题、充分利用幅度信息,而且能提高聚类速度。

用ART2神经网络方法进行结构的损伤识别

用ART2神经网络方法对建筑结构的损伤进行了识别 ,实验证明该方法的识别精度高 ,具有自动从环境中学习的能力 ,对未知的损伤 ,ART2网络将能自动地给出新的识别输出 。

基于改进ART2网络的电力负荷脏数据辨识与调整

为提高电力负荷预测和特性分析的精度,应首先对负荷历史数据的脏数据进行辨识和调整。文中提出了基于改进ART2网络的脏数据辨识与调整模型。该模型首先基于类内样本与类中心距离不同会对类中心的偏移产生不同影响的思想,改善了传统的ART2模式漂移的不足,然后根据残差理论以及电力负荷曲线固有的特征,增加了鉴别修正子系统。利用模型中传统的ART2部分对负荷曲线进行分类并提取其特征曲线,然后再利用鉴别修正子系统对输入的负荷数据进行脏数据辨识与调整。实例分析说明了该方法的有效性。

基于改进ART2神经网络的绝缘子故障在线诊断

根据绝缘子在线检测的特点,提出了基于改进ART2神经网络的绝缘子故障在线诊断技术.改进的ART2神经网络在F2层增设初始状态层,即F2层分为上子层F22和下子层F21.F22层存储绝缘子首次投运时的初始状态和已知的典型故障类型,F21层存储新增故障类型.在绝缘子故障诊断过程中,首先应用电晕电流脉冲测量仪在线测量绝缘子的电晕电流脉冲,然后绘制电晕电流脉冲的N-φ图,并将其作为故障诊断的特征量送入改进的ART2神经网络进行模式识别.被检测的特征量先与F22层中的初始状态和已知的典型故障类型进行比较,如果匹配则判为该类;如果不匹配,再与F21层中的新增故障类型进行比较;如果都不匹配,则在F21层中创建新增故障类型.改进ART2神经网络解决了传统ART2神经网络聚类中心漂移问题,杜绝了绝缘子故障漏判的发生.仿真实验结果表明,应用改进的ART2神经网络可有效实现绝缘子故障在线检测,获得较好的诊断结果.

基于ART2网络的彩色像素分析及其应用

像素分析是图像处理相关领域的其他分析(例如形状、纹理等)的基础,正确而有效地识别图像或视频流中像素的色彩及亮度是顺利进行后续工作的保证。在对RGB颜色空间做合理映射变换的基础上,提出了将ART2网络运用于彩色像素的归类,并通过图像处理的过程和结果演示了警戒值调节和"幼态延续"学习的作用。对处理结果的理论分析表明,这种方法符合人类观察图像的心理和生理过程,对阴影等干扰信息具有较强的适应性。

基于ART2A-E的交叉互联XLPE电缆绝缘在线诊断技术研究

研究110 kV及以上电压等级的XLPE电缆绝缘的在线监测与诊断技术,确保电缆的安全可靠运行具有重要意义。笔者根据屏蔽层交叉互联接地XLPE电缆在线监测的特点,提出了基于ART2A-E(Adaptive Resonance Theory)神经网络的交叉互联电缆绝缘在线诊断方法。首先,通过分析电缆绝缘老化的特点以及电缆加速老化的实验结果,建立交叉互联XLPE电缆的仿真模型。然后,计算首末端A、B、C三相接地线电流与电缆初始安装时的接地线电流幅值和相位的相对劣化度得到12个特征量,并以此特征量作为ART2A-E的输入样本进行模式识别。仿真实验结果表明,ART2A-E神经网络可以识别发生在交叉互联中的任意一段电缆的绝缘故障,为交叉互联电缆的绝缘在线诊断开辟了新的途径。

基于ART2神经网络的手势动作肌电信号识别

针对手势动作肌电信号识别中存在的识别效率和稳定性问题,采用一种基于ART2神经网络的手势识别方法,并进行了单用户和多用户的实验研究.对8名受试者、8类手势动作模式的单用户实验,取得了较高的识别正确率,与BP网络相比,ART2分类器具有识别率高、实时性好、鲁棒性强的优点;同时,多用户的实验结果表明,ART2网络对手势动作肌电信号的识别具有良好的自适应性和稳定的分类能力.

ART2神经网络辨识发酵过程的不同阶段

传统划分菌体生长时期是建立在菌体浓度的基础上,并未考虑菌体生长过程中的影响因素。本文在分析菌体生长过程的基础上,建立了ART2神经网络来实时判断菌体所处的生长阶段。模型的特征向量采用菌体浓度以及反映菌体生长状况的呼吸参数和其所处的环境因素参数。实验表明,该方法能准确地判断菌体所处的生长阶段。

一种ART2神经网络的改进算法

传统的ART2神经网络由于预处理阶段的归一化,易将重要但幅值较小的分量作为噪声清除,造成在分类中丢失重要信息,同时还存在模式漂移的不足,分析产生这些不足的原因,并基于去单位化以及类内样本与类中心的距离不同而对类中心偏移产生不同影响的思想,对传统的ART2神经网络算法进行了改进。对一组渐变数据的测试表明,改进后的网络有效改善了模式漂移现象。同时,改进的ART2神经网络在核辐射场数据处理分类中有一定的实用价值。

基于ART2改进算法的故障聚类研究

ART2(自适应谐振理论2)算法是神经网络中一种可以对模拟输入信号或二值信号进行无监督聚类的算法,所以ART2算法能够降低数据挖掘中原始数据的预处理的复杂度,提高挖掘效率。针对ART2算法中出现的聚类中心偏移的缺点,采用ART2算法与K-均值算法相结合的方法来抑制ART2中聚类中心偏移的现象。通过仿真对该方法进行了验证。

有教师指导细化拟合的ART2神经网络的研究

ART2神经网络广泛应用于模式识别问题 ,但有时具有某一属性的模式在模式空间中不一定聚集紧密 .当几个模式由于发散而在空间互相交错时 ,要用ART2神经网络产生复杂的模式空间分类曲面将它们分开则相当困难 .另外 ,ART2对所分的类型并没有任何先验知识 ,也就是说 ,ART2本身无法指明所得各类模式的归属 .本文提出一种新颖的ART2神经网络 ,使用先细化后拟合的方法解决了复杂交错的模式分类问题 .将这种ART2神经网络用于高频心电图特征数据分类 ,结果显示大大提高了分类的正确率 .

引入遗忘机制的ART2改进模型

论文针对ART2网络学习与记忆的特点,在原始ART2的基础上提出具有遗忘机制的改进模型,并开发了相应的MATLAB程序。改进模型解决了原始ART2网络权值学习的随机偏移问题,有效地过滤了噪声,提高了分类结果的稳定性,降低了空间存储消耗。文章进一步运用改进模型对典型输入样本进行了分类,得到了理想的结果。

基于改进算法的ART2网络用于微晶玻璃颜色分类

微晶玻璃颜色分类是最终控制产品质量的重要步骤 .作者改进了传统ART2网络的学习算法 ,借用典型向量的概念 ,以模式的近似均值作为典型向量来快速学习新模式 .改进学习算法极大地改善了ART2网络的模式漂移现象 ,而且能缩短搜索振荡过程 .文中分析了微晶玻璃颜色分量的统计信息 ,经过适当变换将高维颜色特征映射到 16维特征空间中的一个超平面上 .以超平面上的特征点作为改进算法ART2网络的输入进入网络分类器进行学习分类 .实验证明改进算法网络用于微晶玻璃颜色分类时 ,运行正确、可靠 。

基于优化递归小波与改进型ART2网络的内燃机故障诊断

曲轴角振动信号是内燃机故障诊断的有效依据。针对传统小波变换存在数据窗长、实时性差的局限性,构造出一类用递推公式进行小波变换的小波基。基于该类小波基的小波变换不受分析窗的制约,能够实时地提取暂态特征。同时提出此类小波时频特性的优化方法,对内燃机曲轴角振动信号进行递归小波分解,并提取特征。针对传统ART2网络只利用模式的相位信息而丢失幅度信息和网络性能依赖于样本顺序等不足,在网络权值更新时引入平均滤波和关联函数,以便提高网络稳定性和收敛速度,同时降低其对样本输入顺序的敏感性。最后,将改进型ART2网络应用于内燃机故障诊断。实验结果表明,递归小波能反映内燃机状态信号的特征;改进型ART2网络训练耗时小于传统ART2网络的3%,识别率为100%。

具有更严格警戒测试准则的ART2神经网络

在 ART2神经网络的标准警戒测试准则中 ,通过引入截断双曲线函数来计算输入矢量与神经网络由顶向下权重矢量之间的相似程度 ,而提出了一种新的具有更严格警戒测试准则的 ART2神经网络 .截断双曲线函数一方面抑制输入样本中的噪声 ,另一方面 ,如果输入矢量某些分量与由顶向下权重矢量对应分量之间存在冲击变化时 ,则截断双曲线函数将放大这些对应分量之间的冲击变化 .而且这种新的警戒测试准则具有更强的抗噪声能力 ,即在较低的输入信噪比水平上 ,具有更严格警戒测试准则的 ART2神经网络比标准 ART2神经网络具有更高的正确识别率 .

基于ART2网络的三维模型聚类分析方法

为解决三维模型聚类中存在的聚类结果对数据输入顺序和维度敏感的问题,将基于自适应谐振理论的ART2网络引入到模型聚类中。以Rand指数、调整Rand指数和互信息指数3种聚类有效性评价指标为依据,通过实验分析了ART2网络中a,b,c,d,θ五个参数对聚类有效性的影响,并给出了一组较优的参数组合。在此基础上,定性地分析了警戒系数对聚类结果的影响,其中包括最大聚类数的确定和聚类结果对输入顺序的敏感度。聚类结果验证了ART2网络在模型聚类上的可行性和实用性。

使用LSA降维的改进ART2神经网络文本聚类

针对文本数据高维度的特点和聚类的动态性要求,结合隐含语义分析(LSA)降维,提出一种改进的ART2神经网络文本聚类算法,通过LSA凸显文本和词条之间的语义关系,减少无用噪声,降低数据维度和计算复杂性;采用改进的折中学习方法,减少计算步骤,加快ART2神经网络计算速度,并利用最近邻动态重组方法提高ART2网络聚类的稳定性,减弱算法对样本输入顺序的依赖。实验表明,改进的文本聚类算法能有效地实现动态文本聚类。

基于幅值分量的ART2神经网络的改进

ART2神经网络由于其预处理阶段的归一化环节,丢失了幅度信息,其相似量度是一种模式相位信息的量度,存在“同相位不可分”的缺点。文章针对此不足,将样本的幅度作为样本特征分量的办法,对传统的ART2网络进行了改进。实验证明,改进后ART2网络在处理集群分布样本时,性能优于传统ART2网络,同时,改进的ART2网络在核辐射场数据处理分类中有一定的实用价值。