期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于LM-BP神经网络的黑河龙电渠流量推测研究
被引量:
5
1
作者
陈文雄
朱咏
陈学林
《地下水》
2018年第5期115-117,130,共4页
本文通过分析总结内陆流域黑河水系干流莺落峡龙电渠测验断面水文特点以及流量测验现存问题,提出应用matlab编程软件设计LM-BP神经网络预测模型的方法;采用有导师训练方式,并获取历史实测流量测验资料中点流速和平均流速数据做为样本集...
本文通过分析总结内陆流域黑河水系干流莺落峡龙电渠测验断面水文特点以及流量测验现存问题,提出应用matlab编程软件设计LM-BP神经网络预测模型的方法;采用有导师训练方式,并获取历史实测流量测验资料中点流速和平均流速数据做为样本集,对网络模型的设计、训练和测试做了研究和分析。根据网络仿真和测试结果可以得出,在误差允许范围之内,黑河龙电渠测验断面流量测验采用"五线一点"法的测验方案和LM-BP神经网络模型推测流量的方法,其推测值精度较高,且具有一定的推广应用价值。
展开更多
关键词
lm
-
BP神经网络
测点流速
平均流速
断面流量
黑河龙电渠
下载PDF
职称材料
基于混合双层自组织径向基函数神经网络的优化学习算法
2
作者
杨彦霞
王普
+2 位作者
高学金
高慧慧
齐泽洋
《北京工业大学学报》
CAS
CSCD
北大核心
2024年第1期38-49,共12页
针对传统方法采用先训练后测试两阶段学习机制极易导致的过拟合或欠拟合问题,提出一种基于混合双层自组织径向基函数神经网络的优化学习(hybrid bilevel self-organizing radial basis function neural network optimization learning,H...
针对传统方法采用先训练后测试两阶段学习机制极易导致的过拟合或欠拟合问题,提出一种基于混合双层自组织径向基函数神经网络的优化学习(hybrid bilevel self-organizing radial basis function neural network optimization learning,Hb-SRBFNN-OL)算法。首先,将训练过程和测试过程集成到一个统一的框架中,规避过拟合或欠拟合问题。其次,基于进化学习机制,提出上下2层的交互式优化学习算法,上层基于网络复杂度和测试误差自组织调整网络结构,下层采用列文伯格-马夸尔特(Levenberg Marquardt,LM)算法作为优化器对自组织径向基函数神经网络(self-organizing radial basis function neural network,SO-RBFNN)的连接权值进行优化。最后,利用来自多个子网络的综合信息生成模型的最终输出,加速网络全局收敛。为验证所提方法的可行性,分别在多个分类和预测任务中进行了测试实验。结果表明,在与传统神经网络结构相似甚至更好的测试和分类精度下,该方法不仅能实现更快的训练收敛,而且能进化成更精简紧凑的径向基函数神经网络(radial basis function neural network,RBFNN)模型。尤其在污水处理过程中总磷的质量浓度预测实验中,测试集中均方根误差(root mean squared error,RMSE)最高可降低48.90%,实际场景实验结果验证了所提算法的精确性更佳且泛化能力更强。
展开更多
关键词
径向基函数神经网络(radial
basis
function
neural
network
RBFNN)
自组织
列文伯格
-
马夸尔特(Levenberg
Marquardt
lm
)算法
混合双层
优化学习
泛化性能
下载PDF
职称材料
题名
基于LM-BP神经网络的黑河龙电渠流量推测研究
被引量:
5
1
作者
陈文雄
朱咏
陈学林
机构
甘肃省水文水资源局
甘肃省张掖水文水资源勘测局
出处
《地下水》
2018年第5期115-117,130,共4页
文摘
本文通过分析总结内陆流域黑河水系干流莺落峡龙电渠测验断面水文特点以及流量测验现存问题,提出应用matlab编程软件设计LM-BP神经网络预测模型的方法;采用有导师训练方式,并获取历史实测流量测验资料中点流速和平均流速数据做为样本集,对网络模型的设计、训练和测试做了研究和分析。根据网络仿真和测试结果可以得出,在误差允许范围之内,黑河龙电渠测验断面流量测验采用"五线一点"法的测验方案和LM-BP神经网络模型推测流量的方法,其推测值精度较高,且具有一定的推广应用价值。
关键词
lm
-
BP神经网络
测点流速
平均流速
断面流量
黑河龙电渠
Keywords
lm - bpneural network
flow velocity of measuring point
average flow velocity
cross
-
sectional flow
Heihe
-
Longdian canal
分类号
P332.4 [天文地球—水文科学]
下载PDF
职称材料
题名
基于混合双层自组织径向基函数神经网络的优化学习算法
2
作者
杨彦霞
王普
高学金
高慧慧
齐泽洋
机构
北京工业大学信息学部
北京工业大学计算智能与智能系统北京市重点实验室
出处
《北京工业大学学报》
CAS
CSCD
北大核心
2024年第1期38-49,共12页
基金
国家自然科学基金资助项目(61640312,61803005)
北京市自然科学基金资助项目(4172007,4192011)。
文摘
针对传统方法采用先训练后测试两阶段学习机制极易导致的过拟合或欠拟合问题,提出一种基于混合双层自组织径向基函数神经网络的优化学习(hybrid bilevel self-organizing radial basis function neural network optimization learning,Hb-SRBFNN-OL)算法。首先,将训练过程和测试过程集成到一个统一的框架中,规避过拟合或欠拟合问题。其次,基于进化学习机制,提出上下2层的交互式优化学习算法,上层基于网络复杂度和测试误差自组织调整网络结构,下层采用列文伯格-马夸尔特(Levenberg Marquardt,LM)算法作为优化器对自组织径向基函数神经网络(self-organizing radial basis function neural network,SO-RBFNN)的连接权值进行优化。最后,利用来自多个子网络的综合信息生成模型的最终输出,加速网络全局收敛。为验证所提方法的可行性,分别在多个分类和预测任务中进行了测试实验。结果表明,在与传统神经网络结构相似甚至更好的测试和分类精度下,该方法不仅能实现更快的训练收敛,而且能进化成更精简紧凑的径向基函数神经网络(radial basis function neural network,RBFNN)模型。尤其在污水处理过程中总磷的质量浓度预测实验中,测试集中均方根误差(root mean squared error,RMSE)最高可降低48.90%,实际场景实验结果验证了所提算法的精确性更佳且泛化能力更强。
关键词
径向基函数神经网络(radial
basis
function
neural
network
RBFNN)
自组织
列文伯格
-
马夸尔特(Levenberg
Marquardt
lm
)算法
混合双层
优化学习
泛化性能
Keywords
radial basis function neural
network
(RBFNN)
self
-
organizing
Levenberg Marquardt(
lm
)algorithm
hybrid bilevel
optimization learning
generalization performance
分类号
TP273 [自动化与计算机技术—检测技术与自动化装置]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于LM-BP神经网络的黑河龙电渠流量推测研究
陈文雄
朱咏
陈学林
《地下水》
2018
5
下载PDF
职称材料
2
基于混合双层自组织径向基函数神经网络的优化学习算法
杨彦霞
王普
高学金
高慧慧
齐泽洋
《北京工业大学学报》
CAS
CSCD
北大核心
2024
0
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部