一种基于GABP神经网络的RIS辅助近场无线定位方法

可重构智能表面(RIS)是6G潜在关键技术,将其部署在无线通信系统中,可辅助基站对用户进行定位,并提高定位性能。在毫米波频段,由于频率较高,RIS面板的阵列孔径及反射单元个数较大,近场区域范围扩大,用户将大概率处于RIS的近场区域中。为此,考虑RIS辅助的无线通信系统在近场条件下对用户进行定位,将用户定位问题建模为参数估计问题,并利用最大似然估计来实现对用户三维坐标参数的估计。为求解所建立的最大似然估计问题,结合遗传算法与反向传播算法神经网络的优势,提出了一种计算效率更高的GABP算法。仿真结果表明,所提GABP算法比传统的遗传算法计算效率更高。

基于GABP神经网络算法的计算机网络安全评估方法

随着计算机网络的不断发展,网络安全评估成为保障信息系统安全性的关键步骤。因此,本研究提出了一种基于GABP神经网络算法的计算机网络安全评估方法,此方法充分利用了遗传算法的全局搜索能力和BP神经网络的优越性能,以提高网络流量分类的准确性和效率。通过对比实验,验证了GABP神经网络相对于传统的标准BP神经网络在准确率、精确度、召回率和F1分数等性能指标上的显著提升。该方法为网络安全领域提供了一种全新的、有效的评估手段。

基于机器视觉和GABP算法的播种检测研究

为了判别育秧播种后每穴超级稻籽粒的数目,基于机器视觉运用了遗传改进的BP神经网络(GABP)算法并结合LabVIEW和Matlab设计了图像采集、处理及结果显示系统。针对采集到的图像,采用迭代阈值法分割并获取二值图像,运用投影法定位秧盘目标检测区域及秧穴,并提取超级稻的面积、周长、形状因子和7个不变矩共10个特征参数,建立基于GABP算法的播种检测模型,分别检测空穴、1粒、2粒、3粒。检测试验结果表明,4种情况的实际检测试验结果与人工检测相对误差分别为3.9%、2.0%、3.74%、5.63%,算法平均处理时间为1.018 s,为进一步实现在线穴播量检测系统设计及精密播种作业提供参考。

求解大规模三对角线性方程组的GaBP并行算法

根据大规模三对角线性方程组求解的特性,结合消息传递接口和开放多处理模型,设计分布式共享内存环境下求解大规模三对角线性方程组的GaBP并行算法。在Intel Xeon E5-2650并行计算集群环境上进行数值实验,结果表明,与基于消息传递接口的GaBP并行算法相比,该算法具有更高的加速比和更好的可扩展性,能充分发挥集群系统的综合计算性能,提高大规模三对角线性方程组的求解速度。

基于GABP神经网络预测法的工程机械再制造员工效率研究

面对资源的日益匮乏、相关法律的陆续出台以及工程机械废旧品数量的不断攀升,工程机械再制造越来越受到企业的重视。与高自动化制造过程不同,工程机械再制造过程中人员效率起到了至关重要的作用,而复杂的再制造环境造就员工频繁的学习——遗忘,使得操作效率起伏不定,故提出了用GABP神经网络预测方法来预测工程机械再制造员工的效率。本文应用统计方法分析影响员工操作时间的因素,剔除无显著相关性的因素;然后应用GABP神经网络算法对员工操作时间进行训练,进而高效准确地获得员工的操作时间;最后通过对样本数据的应用分析,获得了较好的预测效果。

基于GaBP的迭代加速优化算法

求解对称对角占优线性方程组的GaBP(Gaussian Belief Propagation)迭代算法具有低计算复杂性和高并行性的特点。利用GaBP算法的这两个特点,便于处理大规模稀疏线性方程组的求解。为了进一步提高求解的迭代效率,使用经典迭代算法中的加速优化方法,给出了对应的多种GaBP迭代加速优化算法。从动态松驰因子的GaBP算法和MannGaBP迭代加速优化算法的实验结果表明,在相同精度下,所提出的加速优化算法比经典迭代算法和GaBP算法具有更高的并行执行效率。

GABP神经网络算法在计算机网络安全评价方面的应用探析

计算机网络在各大领域中得到了广泛的应用,给社会发展以及生产技术带来了发展机遇。与此同时,计算机网络安全问题成为了当前社会各界关注的主要问题。目前,可通过一些常用的工具软件来对其网络进行扫描及评估,但对一些较为复杂化的计算机网络应用领域而言,需找到具有操作性强、适用面广、人为干扰小的安全评价方法,才能满足当前高速发展的计算机网络安全控制需求。

基于GPU的GaBP并行算法研究

GABP属于一种迭代算法,是求解线性代数方程组的一种有效方法;该方法以递归更新的概率推理算法为基础,具备了较高的并列性和较低的复杂性等特点,在现代线性代数方程组的求解过程中具有广泛的应用。

基于GABP算法的计算机复杂网络可靠性评估方法研究

网络技术的广泛使用和云计算技术的兴起,使网络安全问题面临新的挑战。目前的网络可靠性评估方法存在诸如适用范围小、操作性差以及存在干扰因素等问题,对基于GABP算法的计算机复杂网络的可靠性进行研究,并利用德尔菲法筛选评价指标,建立一种综合评价模型。

GaBP算法优化与实现

通过研究经典GaBP算法,实现了同步和异步GaBP算法程序设计和计算实验,并对结果进行了系统的分析。实验表明GaBP优化算法——异步GaBP算法比经典GaBP算法有更好的计算效率。

改进递阶GABP算法与一般BP算法在陀螺仪随机漂移建模中的应用分析

针对改进的递阶GABP算法的特点,将其应用于陀螺仪随机漂移建模.通过引入巴特莱特(Bartlett)提出的"95%置信限"理论,对改进递阶GABP算法与一般神经网络BP算法的陀螺仪随机漂移建模进行比较,分析得到改进递阶GABP算法更能在较短的时间内建立陀螺仪随机漂移误差的精准模型.

基于GABP和改进NSGA-Ⅱ的高速干切滚齿工艺参数多目标优化决策

针对高速干切滚齿过程中的工艺参数优化决策问题,提出一种基于加工工艺样本预测和多目标遗传优化算法的工艺参数优化决策方法。基于实际加工工艺样本集,以改进的多目标遗传算法(improved NSGA-Ⅱ)为主体模型,以最大刀具寿命、最小加工能耗为优化目标,以加工质量、加工时间为约束条件,利用遗传反向传播算法(GABP)神经网络建立关于加工优化目标的预测模型,将其作为多目标优化模型的适应度函数;通过DBSCAN算法获取待优化滚齿工艺问题的相似样本集,建立多目标优化问题输入区间;构建面向待优化滚齿工艺问题的多目标优化模型,迭代搜索最优工艺参数集。

一种基于优化存储格式的DLB_GaBP算法

基于动态运行的多线程或多进程环境中的多核并行处理机,常存在数据存储格式及数据读取方法不合理,并行运行任务的不均衡性状态,直接影响到系统工作的整体效率,因此,优化数据存储格式、均衡优化任务调度算法是保证整个系统运行效率的关键。利用高斯置信传播算法(GaBP)在求解对称对角占优线性方程组中具有高并行度、低复杂度的特性,结合对数据存储格式进行优化的基础上,设计实现一种具有动态负载均衡特性的多核并行GaBP算法(DLB_GaBP算法)。利用该算法并通过对稀疏矩阵集(UFget)的求解实验,在千万量级别以上的大规模计算环境中,DLB_GaBP算法具有更好的计算效率和更高的加速比,这为充分发挥多核并行处理机的运算能力及大规模计算问题的快速求解提供了一种新算法思路。

基于GABP神经网络的超声辅助AWJ冲蚀深度预测及参数优化

多孔HAP生物陶瓷材料硬度低、脆性大,传统生物陶瓷零件切削加工方法容易产生细小裂纹、应力集中等缺陷,微细磨料水射流加工技术可有效解决这些难题。本文采用超声辅助微细磨料水射流对多孔的HAP生物陶瓷块进行加工试验。基于GABP神经网络方法,利用获得试验数据样本来训练和检测GABP神经网络,建立了加工参数如系统压力、靶距、振幅等的微细磨料水射流冲蚀深度预测模型,预测误差和为0.007044,利用遗传算法进行参数寻优,较传统BP神经网络误差和降低了61.506%,大大提高了预测精度,实现了不同参数组合下冲蚀深度的预测。该预测和优化结果表明,当采用系统压力为25MPa,靶距为7.576mm,振幅为13.883μm时,可以获得最大冲蚀深度,其值为3.296mm。

GABP神经网络模型在计算机网络安全评价中的应用

当前,计算机网络安全问题已经成为信息化社会建设的重要环节,越来越受到全社会的高度重视。本文首先分析了现今计算机网络安全的状况和国内外网络安全研究领域的现状,重点阐述了BP神经网络算法和GA遗传算法这两种网络安全研究方法并在此基础上根据每个算法的特性进行优化和融合,建立了GABP神经网络模型,并最终将此模型应用于计算机网络安全评价中,由此设计并实现一个网络安全信息评价系统,通过模拟评估演示,能取得了较好的效果。

财务困境预测:二元Logistic回归分析与GABP算法比较

为了更好的判断和预测公司财务状况的健康程度,选取2018年至2021年114家首次被特别处理(Special Treatment, ST)的公司和189家非ST公司的85项指标,分别采用二元Logistic回归分析和GABP算法对公司的财务状况进行预测和分析。结果显示GABP算法对于财务困境的预测在预测准确率、适应性和可解释性方面均强于二元Logistic回归分析,说明机器学习在处理大量财务数据以及复杂的线性拟合问题方面具有较大的优势。将GABP输出的结果通过K-means算法进行聚类分析,纵向分析可以看出公司的发展趋势,横向分析可以得出公司财务状况在当前市场的地位,为下一步战略的规划和实施提供帮助。研究结果可为公司判断和预测财务状况选择合适方案提供依据。

基于改进的遗传神经网络入侵检测系统

针对单独使用遗传算法不能在短时间内寻找到接近最优解的问题,采用改进的遗传算法来优化神经网络权值,能很好地与BP算法结合。用Matlab进行仿真实验,实验结果表明:改进的BP神经网络在入侵检测中有着巨大的应用潜力,识别率普遍达95%以上。

新场气田开发方案寻优的遗传优化神经网络模型

在深入剖析遗传算法GA和BP神经网络优势的基础上,提出了改进的遗传优化BP神经网络模型(简称GABP模型)。该原理是利用遗传算法(GA)对BP神经网络的结构和连接权进行全局优化学习,从而获取最佳的网络模型。经前人大量研究表明:遗传算法的适应性好,对搜索空间没有任何特殊要求,且全局优化能力强,可以有效地在整个解空间寻优,但遗传算法存在局部调节能力较弱、容错性较差的不足。而神经网络的容错性较强,具有自组织、自适应和分布式储存的特点,它可以通过学习和训练,进行模型结构的自组织,适应不同信息或信息模糊,以及推理规则不明确问题的处理,但神经网络方法又有搜索能力较差,容易陷入局部解之中的缺点。从上述二种方法的优缺点出发,按照取其所长,克己所短的原则,将二种方法有机地结合起来,构建了GABP模型及其算法。通过对新场气田开发方案优选的决策应用,表明该模型的评价结果准确合理,可为类似研究借鉴参考。

基于SHPSO-GA-BP的成品汽油调和中加氢汽油组分辛烷值的预测

针对成品汽油调和配方建模中加氢汽油组分辛烷值难以实时获取,考虑遗传算法(genetic algorithm,GA)、粒子群算法(particle swarm optimization,PSO)优化反向传播(back propagation,BP)网络存在的问题,提出了一种串行混合粒子群遗传算法(serial hybrid PSO-GA,SHPSO-GA)优化BP网络,并用于辛烷值的预测建模。该方法首先将PSO算法的输出依据适应度值分为优劣2个种群,弃劣留优;然后对留优种群再进行GA的交叉变异操作,进一步优化种群,经过每一代PSO和GA的交替优化,并将最优种群用于BP网络参数优化;最后基于该方法和工业历史数据,建立了加氢汽油组分辛烷值的预测模型,仿真结果表明,较传统BP,以及改进的GA-BP、PSO-BP、PSO-GA-BP等方法,SHPSO-GA-BP由于将PSO与GA进行更优的深度融合,具有更好的预测性能,可以用于辛烷值的预测。

基于遗传神经网络的入侵检测方法研究

入侵检测作为一种动态的安全防护技术,提供了对内部攻击、外部攻击和误操作的实时保护。作者提出了一个基于遗传神经网络的入侵检测方法,采用遗传算法和BP神经网络相结合的方法遗传神经网络应用于入侵检测系统中,解决了传统的BP算法的收敛速度慢、易陷入局部最小点的问题。研究表明,该方法效果良好,学习速度快,分类准确率高。