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。

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算法的快速潮流计算方法

研究在潮流迭代求解过程中雅可比矩阵方程组的迭代求解方法及其收敛性。首先利用PQ分解法进行潮流迭代求解,并针对求解过程中雅可比矩阵对称且对角占优的特性,对雅可比矩阵方程组采用高斯置信传播算法(GaBP)进行求解,再结合Steffensen加速迭代法以提高GaBP算法的收敛性。对IEEE118、IEEE300节点标准系统和两个波兰互联大规模电力系统进行仿真计算后结果表明:随着系统规模的增长,使用Steffensen加速迭代法进行加速的GaBP算法相对于基于不完全LU的预处理广义极小残余方法(GMRES)具有更好的收敛性,为大规模电力系统潮流计算的快速求解提供了一种新思路。

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。

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。

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。

GABP神经网络算法在计算机网络安全评价方面的实施分析

计算机网络的普及,为人们的工作和生活提供了很大的便利,但是其也带来了相应的信息安全问题,做好计算机网络安全评价工作非常重要。常规的计算机网络安全评价可以借助防火墙、杀毒软件等实现,而在面对复杂的计算机网络应用领域时,需要采用具备良好可操作性,适用范围更广的安全评价方法。该文就GABP神经网络算法在计算机网络安全评价方面的应用实施进行了讨论,希望能够为计算机网络安全管理提供参考。

基于遗传优化的神经网络分簇路由算法

在无线传感器网络中,簇首的选择对于无线传感器网络至关重要。为减少簇首选择对网络能量消耗的影响,提出一种基于遗传算法的BP神经网络分簇路由算法GABP。GABP算法将传感器节点比作为神经网络中的神经元,通过遗传算法优化的BP神经网络选择网络中的簇首节点,从而解决由于簇首选择不合理而造成网络能量损耗过快的问题。实验结果表明,相比LEACH算法,GABP算法在均衡能耗、延长网络生存时间等方面具有更好的效果。

基于MIC的GaBP并行算法

GaBP(Gaussian Belief Propagation)是一种解线性代数方程组的迭代算法,它是基于递归更新的概率推理算法,具有低复杂性和高并行性.MIC是英特尔的至强融核Xeon Phi的Many Integerated Core架构.它提供数百个同时运行的硬件线程,能充分满足对高并发度的大量需求.本文研究了如何高效地求解大规模稀疏线性方程组的并行算法,通过挖掘GaBP算法特性,优化算法存储结构和加速迭代,同时给出了一种求解大规模稀疏对称线性方程组的基于MIC的GaBP并行算法;并从美国Florida.大学开发的稀疏矩阵库(UFget)中抽取了部分大规模对称稀疏矩阵作为算例进行测试,计算结果表明,在相同精度下,基于MIC的GaBP并行算法相对于GaBP算法具有更显著的高效率.

基于GA-BP神经网络的输油管道内腐蚀速率预测

针对BP(Back Propagation)算法的神经网络易陷入局部极小的缺点,尝试引入遗传算法(Genetic Algorithm)处理了BP神经网络的权值与阈值,并分别建立了BP和GA-BP两种不同算法的神经网络模型对输油管道腐蚀速率进行预测。对结果进行对比分析发现,GA-BP算法的神经网络预测精度要高于BP网络;GA-BP算法具有高的预测精度,其预测值与实验值相关系数为0.9863,表明该算法模型是合理可靠的。