一种基于小波变换和FIR神经网络的广域网网络流量预测模型

该文提出了一种基于小波变换和FIR神经网络的广域网网络流量预测模型,首先采用小波分解把网络流量数据分解成小波系数和尺度系数,即高频系数和低频系数,将这些不同频率成分的系数单支重构为高频流量分量和低频流量分量,利用FIR神经网络对这些分量分别进行预测,将合成之后的结果作为原始网络流量的预测。实验结果表明:采用该模型对实际的广域网网络流量数据进行预测,不仅可以得到较快的收敛效果,而且预测性能比现有的小波神经网络和FIR神经网络要好得多。

基于FIR神经网络的以太网网络流量预测

对原始数据进行R/S分析得到Hurst系数以选择合适的神经网络结构,重点分析了FIR的阶及两种不同学习算法(Wan和Back-Tsio算法)对预测结果的影响。结果表明FIR阶的选择依赖于流量数据的变化周期,Wan算法在Hurst数接近1的网络流量预测中具有更好的精确性。

FIR数字滤波器设计的复数神经网络方法

ＦＩＲ滤波器的设计是数字信号处理中的一个重要问题，神经网络则在优化设计方面显示了其良好的应用前景，但目前大多数应用均限于实数神经网络的情形．本文针对ＦＩＲ数字滤波器的设计问题，构造了具有复数状态、输出、联接权和偏置输入的Ｈｏｐｆｉａｌｄ网络，给出了网络的计算能量函数，并证明了算法的收敛性．通过近似线性相位、非共轭对称频响ＦＩＲ滤波器的设计实例表明，本文的工作对推广复数神经网络的应用与寻求更为复杂的ＦＩＲ滤波器设计的新方法均作了有效的尝试．

神经网络在FIR带通滤波器设计中的应用研究

本文详细讨论了FIR线性相位滤波器幅频特性与余弦基函数神经网络算法之间的关系 ,分析了神经网络的稳定性条件 ,给出了FIR带通滤波器的设计实例。

基于神经网络的FIR滤波器设计与应用

本文介绍了基于神经网络的FIR滤波器的设计方法 ,给出了神经网络的训练算法 ,并利用该设计方法构造了一个 5 0Hz带阻滤波器 ,与常规的用窗函数法设计的滤波器进行了对比 ,发现基于神经网络的方法所设计出的滤波器通带阻带无过冲无波动 ,具有更好的性能 .最后将这两种滤波器作用于受噪声污染的脑电信号 。

基于泛函连接神经网络的FIR滤波器设计方法

基于4种FIR线性相位滤波器幅频响应函数的统一表示形式,提出了一种泛函连接神经网络模型,并应用于线性相位FIR滤波器的设计.该网络模型在实际应用中保持了余弦神经网络模型的一切优点,并且能够设计出余弦神经网络不能够设计出的单位冲激响应为奇对称的FIR线性相位滤波器,该神经网络模型具有较强的泛化能力.多通带滤波器和90°移相器两种FIR线性相位滤波器的设计实例,表明了该网络模型在高阶线性相位FIR滤波器设计中的有效性和优越性.

复数FIR DF设计的神经网络优化方法

本文基于人工神经网络(ANN)能量函数优化理论,提出了一种FIR数字滤波器(DF)神经网络优化设计(NNO)方法的理论框架。该理论将实数与复数FIR DF设计工作统一起来。表征设计质量的加权均方误差被当作ANN能量函数,以此导出FIR-NNO的Lyapunov方程。文中说明了算法实现的基本原则,并给出了两个实数线性相位和一个复数非线性相位FIR DF设计实例。通过与其它几种方法的比较证明了该方法的有效性。

基于神经网络方法的可变分数延迟FIR滤波器设计

本文提出了设计可变分数延迟FIR滤波器的一种神经网络优化方法。首先建立一个连续Hopfield神经网络模型,通过选择网络的Lyapunov能量函数与优化目标问题的最小均方误差函数相一致的关系得到系统的最优解。仿真结果表明,在计算代价略有增加的情况下,其性能优于加权最小二乘方法。

基于神经网络的FIR多阻带数字滤波器的设计及应用

针对电子测量系统中的工频50Hz及其二次三次谐波干扰,本文运用BP神经网络设计一个三阻带数字滤波器,利用神经网络权值与FIR数字滤波器脉冲响应之间的关系,得出所设计滤波器的脉冲响应。实验表明,与窗函数法设计的三阻带滤波器相比,基于神经网络的FIR三阻带滤波器具有明显的优越性。

基于FIR神经网络的非线性盲信号分离

针对实验环境中可能出现的非线性卷积混合盲信号分离问题，在反馈结构最大似然盲信号分离算法的基础上，利用混合高斯模式概率密度函数估计方法，提出了一种采用有限冲激响应神经网络的非线性盲分离算法，并推导了新算法的权向量迭代公式．通过与其他盲信号分离算法的计算机模拟实验结果比较，新算法能更有效地进行非线性函数逼近，得到更小的输出均方误差，达到较好的非线性盲信号分离效果．

基于FIR神经网络的风电场虚拟风速传感器

风电机组风速传感器易发故障,故障可能导致机组安全风险和发电量损失。针对现行的故障处理方法因与机组控制策略紧密耦合而日益面临挑战,提出了一种基于数据处理的虚拟风速传感器原理与方法:由风电场上风向测量风速计算下风向推算风速,用推算风速取代故障传感器。着重讨论了基于FIR神经网络的推算风速计算方法和计算模型,探讨了系统实现的关键技术。实验证明了虚拟传感器的误差在机组控制系统可接受的程度内。提出的方法独立于机组自身属性,具有普遍适用性,可部署在任意类型的场,在物理传感器故障时向机组提供风速信号,支撑风电机组持续安全运行。

基于余弦基神经网络的FIR滤波器设计

提出了一种基于余弦基神经网络F IR滤波器的设计方法。根据线性相位F IR滤波器的幅频特性是有限项的傅里叶级数,构造了一个三层余弦基神经网络模型,并给出了最优隐层神经元的个数。经模拟仿真,滤波器性能非常理想,具有同时输出低通、高通、带通、带阻各种功能,通带、阻带无过冲无波动,边界频率可以精确控制。

基于FIR神经网络的热连轧机时滞动态模型辨识

介绍一种FIR神经网络模型及其时变反传算法,并把它用于纯滞后非线性MIMO系统模型辨识;以带钢热连轧受控对象为例,建立2机架的小偏差模型,并进行了仿真;使用FIR神经网络模型对仿真数据进行了模型辨识,辨识结果显示了网络良好的性能。

一种FIR神经网络的在线学习算法在系统辨识中的应用

通过在指标函数中增加遗忘因子,提出一种FIR神经网络的在线学习算法.该算法具有随训练的样本进度即时更新权值的在线训练能力,与同类方法相比,因没有复杂的矩阵计算,使计算时间大大减少.编制了算法程序,对真实的六机架热连轧机试验数据进行了辨识,所耗用的计算时间远远小于实际数据的采样时间,验证了该算法的在线辨识能力.

FIR神经网络在导航数据滤波中的应用

本文以寻北仪为例,介绍了一种新的惯性测量元件输出数据的滤波方案。即利用输出数据对一种叫做基于实时反向传播算法的FIR神经网络进行训练,继而通过神经网络来预测输出数据,再与实际输出数据加权平均,从而提高了数据的准确性。

基于BP神经网络算法优化FIR数字滤波器的研究

本文将BP神经网络算法应用于FIR线性相位数字滤波器的设计中，通过训练神经网络的权值，得到滤波器的单位冲激响应。利用此方法和传统的窗函数法分别设计了50hz带阻滤波器，通过对两种滤波器幅频特性进行比较，发现神经网络滤波器吴有更好的阻带衰减效果，并且无过冲波动，性能更优。

基于神经网络的线性相位FIR滤波器设计

针对FIR滤波器的神经网络设计法,提出一种泛函连接人工神经网络的改进算法。通过设置不同的加权误差函数值来控制各个样本的学习率,改善了网络的学习效果;制定了神经网络训练集的选取规则,使用该规则选取样本对网络进行训练,可设计通带阻带截止频率指标精确可控的滤波器,克服了现有算法只能设计具有通带截止频率的滤波器和不能精确控制任意截止频率的不足。仿真结果表明所提出的方法能很好地满足设计要求。

基于BP神经网络改进的FIR滤波器研究

详细研究了BP神经网络算法,分析了FIR线性相位滤波器幅频响应与BP神经网络算法的关系,对滤波器设计方法进行了改进,给出了设计低通滤波器实例。它克服了传统方法的主要缺陷,不涉及逆矩阵的复杂计算。仿真结果表明,该算法在低通、高通和带通滤波器设计中各项性能接近理想状态。

基于模拟退火神经网络的Ⅰ型FIR数字滤波器设计

提出一种基于模拟退火神经网络设计FIR数字滤波器的方法,是对用神经网络设计方法的一种改进。由于线性相位FIR数字滤波器的幅频特性是有限项的傅里叶级数,因此构造了一个三层余弦基神经网络模型,并用模拟退火算法进行了优化,然后给出了高阶滤波器优化设计的实例。仿真表明经优化设计后的滤波器具有更好的性能和更稳定的效果。

可规划相位FIR滤波器的神经网络设计方法

本文针对可规划相频响应的实系数FIR滤波器的逼近问题,采用一个三层复激活函数前馈神经网络来实现。该网络隐层各神经元的激活函数为复指数函数,将滤波器系数作为隐层各神经元到输出层的连接权值,通过对误差函数的最小化来调整权值,并根据网络特性与所要设计的滤波器的特点,提出了一些实际设计中训练样本集选取与误差加权值设置的规则。依托所采用的神经网络,根据上述规则,进行了两例可规划相频特性的实系数FIR滤波器的设计,结果表明所设计滤波器的相频响应较好地满足了设计要求。