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
4
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PTCNN的结构布局优化问题研究
被引量:
3
1
作者
李旲
曹宏铎
胡云昌
《计算力学学报》
EI
CAS
CSCD
北大核心
2005年第5期623-628,共6页
针对结构优化中的难点布局优化问题,基于交叉学科的优势,运用脉冲暂态混沌神经网络(PTCNN)的方法,对一个新型布局优化模型进行了寻优计算。在PTCNN算法中应用脉冲混沌动力自然解决了杆件的恢复和删除问题;利用神经网络的多神经元并行构...
针对结构优化中的难点布局优化问题,基于交叉学科的优势,运用脉冲暂态混沌神经网络(PTCNN)的方法,对一个新型布局优化模型进行了寻优计算。在PTCNN算法中应用脉冲混沌动力自然解决了杆件的恢复和删除问题;利用神经网络的多神经元并行构成特点,通过参数调整方法解决了不同数量级变量间的耦合问题。因此PTCNN不仅是模型的寻优算法,更成为布局优化的一部分。此外构造了一个应力关联系数σAI,使面积变量随杆中应力大小按比例自适应下降。算例结果表明,基于PTCNN方法解决结构布局优化问题,有效且具有自适应性,布局优化效果明显。
展开更多
关键词
脉冲暂态混沌神经网络(
ptcnn
)
布局优化
应力关联系数
下载PDF
职称材料
多脉冲控制的暂态混沌神经网络及其应用
被引量:
2
2
作者
李旲
胡云昌
+1 位作者
曹宏铎
山秀明
《系统工程与电子技术》
EI
CSCD
北大核心
2003年第12期1504-1507,共4页
针对多极值情况下暂态混沌神经网络(TCNN)只进行一次混沌动力施加而导致的部分极值点漏检问题,发展研究了一种名为脉冲暂态混沌神经网络(PICNN)的新型神经网络。PICNN通过对混沌动力控制因子z_i(t)和神经元输出陡度ε_i(l)两个参数的调...
针对多极值情况下暂态混沌神经网络(TCNN)只进行一次混沌动力施加而导致的部分极值点漏检问题,发展研究了一种名为脉冲暂态混沌神经网络(PICNN)的新型神经网络。PICNN通过对混沌动力控制因子z_i(t)和神经元输出陡度ε_i(l)两个参数的调制,将混沌动力以脉冲方式进行控制,施加于神经网络上,形成具有多频次跳出局部极小点功能的脉冲暂态混沌神经网络。PTCNN包含若干可调参数,可以控制整个系统呈现丰富多样的动力特性。随着混沌动力脉冲的间歇加入,系统交替进入混沌状态和稳定状态,因此既可以不断地跳出极小点的局域范围,又可以在局部区域内向此区域的极小点不断靠近,进而稳定到此极小点,使系统可以更有效地进行问题的全局寻优。算例表明,PTCNN比TCNN在全局寻优方面更具优势。PTCNN实际是TCNN的推广和延伸,比TCNN更具有一般性和更强的优化搜索能力,因此应用空间更为广泛。
展开更多
关键词
系统控制
脉冲暂态混沌神经网络
ptcnn
混沌动力脉冲
下载PDF
职称材料
脉冲暂态混沌神经网络在约束非线性规划中的应用
3
作者
李旻
曹宏铎
+1 位作者
胡云昌
山秀明
《中国工程科学》
2004年第5期45-48,共4页
脉冲暂态混沌神经网络 (PTCNN)是对暂态混沌神经网络的改进 ,呈现丰富的动力学性质 ,具有很强的跳出局部最小点的功能 ,在解决无约束非线性规划问题时 ,可以找到包括全局和局部最小值的尽量全面的最优解。当遇到带约束条件的非线性规划...
脉冲暂态混沌神经网络 (PTCNN)是对暂态混沌神经网络的改进 ,呈现丰富的动力学性质 ,具有很强的跳出局部最小点的功能 ,在解决无约束非线性规划问题时 ,可以找到包括全局和局部最小值的尽量全面的最优解。当遇到带约束条件的非线性规划问题时 ,只有对约束条件进行合理处理 ,才能更有效地解决约束非线性规划问题。文章使用惩罚函数方法对含有约束条件的非线性规划问题进行处理 ,将其变成一个不含约束条件的非线性规划问题 ,进而用PTCNN求解 。
展开更多
关键词
ptcnn
惩罚函数法
非线性约束规划
下载PDF
职称材料
基于概率转移卷积神经网络的含噪标记SAR图像分类
被引量:
9
4
作者
赵娟萍
郭炜炜
+3 位作者
柳彬
崔世勇
张增辉
郁文贤
《雷达学报(中英文)》
CSCD
2017年第5期514-523,共10页
合成孔径雷达(Synthetic Aperture Radar,SAR)图像分类是SAR图像解译的重要任务。以卷积神经网络(Convolutional Neural Networks,CNN)为代表的监督学习方法需要大量已标注的训练样本。然而对于SAR图像真值标注而言,由于SAR特殊的成像机...
合成孔径雷达(Synthetic Aperture Radar,SAR)图像分类是SAR图像解译的重要任务。以卷积神经网络(Convolutional Neural Networks,CNN)为代表的监督学习方法需要大量已标注的训练样本。然而对于SAR图像真值标注而言,由于SAR特殊的成像机理,图像受相干斑噪声、几何畸变和结构缺失等因素影响较为严重,非直观性较强,使得SAR图像人工标注非常困难,极易出错,从而导致CNN等模型学习和泛化性能急剧降低。针对这种含噪标记条件下的SAR图像分类问题,该文提出了一种基于概率转移模型的卷积神经网络(Probability Transition CNN,PTCNN)方法,该方法在传统CNN模型基础上,基于含噪标记与正确标记之间的概率转移模型,建立噪声标记转移层,这种新的卷积网络模型可潜在地校正错误标记,增强了含噪标记下分类模型的鲁棒性。与经典CNN等模型相比,在构建的16类SAR图像地物数据集和MSTAR数据集上的实验结果表明该文方法相比于经典CNN等模型,在保持SAR图像分类性能的同时具有较好的抗噪性,能够有效校正训练样本中的标注错误,从而降低了SAR图像有监督分类任务对样本标注质量的要求,具有一定的研究价值与应用前景。
展开更多
关键词
合成孔径雷达(SAR)图像分类
监督学习
含噪标记
概率转移卷积神经网络(
ptcnn
)
深度特征
下载PDF
职称材料
题名
基于PTCNN的结构布局优化问题研究
被引量:
3
1
作者
李旲
曹宏铎
胡云昌
机构
中山大学管理学院
清华大学电子工程系
天津大学建筑工程学院
出处
《计算力学学报》
EI
CAS
CSCD
北大核心
2005年第5期623-628,共6页
文摘
针对结构优化中的难点布局优化问题,基于交叉学科的优势,运用脉冲暂态混沌神经网络(PTCNN)的方法,对一个新型布局优化模型进行了寻优计算。在PTCNN算法中应用脉冲混沌动力自然解决了杆件的恢复和删除问题;利用神经网络的多神经元并行构成特点,通过参数调整方法解决了不同数量级变量间的耦合问题。因此PTCNN不仅是模型的寻优算法,更成为布局优化的一部分。此外构造了一个应力关联系数σAI,使面积变量随杆中应力大小按比例自适应下降。算例结果表明,基于PTCNN方法解决结构布局优化问题,有效且具有自适应性,布局优化效果明显。
关键词
脉冲暂态混沌神经网络(
ptcnn
)
布局优化
应力关联系数
Keywords
ptcnn
layout optimization
stress relating coefficient
分类号
TU323.4 [建筑科学—结构工程]
TU17 [建筑科学—建筑理论]
下载PDF
职称材料
题名
多脉冲控制的暂态混沌神经网络及其应用
被引量:
2
2
作者
李旲
胡云昌
曹宏铎
山秀明
机构
清华大学电子工程系
天津大学建筑工程学院
出处
《系统工程与电子技术》
EI
CSCD
北大核心
2003年第12期1504-1507,共4页
文摘
针对多极值情况下暂态混沌神经网络(TCNN)只进行一次混沌动力施加而导致的部分极值点漏检问题,发展研究了一种名为脉冲暂态混沌神经网络(PICNN)的新型神经网络。PICNN通过对混沌动力控制因子z_i(t)和神经元输出陡度ε_i(l)两个参数的调制,将混沌动力以脉冲方式进行控制,施加于神经网络上,形成具有多频次跳出局部极小点功能的脉冲暂态混沌神经网络。PTCNN包含若干可调参数,可以控制整个系统呈现丰富多样的动力特性。随着混沌动力脉冲的间歇加入,系统交替进入混沌状态和稳定状态,因此既可以不断地跳出极小点的局域范围,又可以在局部区域内向此区域的极小点不断靠近,进而稳定到此极小点,使系统可以更有效地进行问题的全局寻优。算例表明,PTCNN比TCNN在全局寻优方面更具优势。PTCNN实际是TCNN的推广和延伸,比TCNN更具有一般性和更强的优化搜索能力,因此应用空间更为广泛。
关键词
系统控制
脉冲暂态混沌神经网络
ptcnn
混沌动力脉冲
Keywords
pulse
chaotic neural network
system control
分类号
TP183 [自动化与计算机技术—控制理论与控制工程]
下载PDF
职称材料
题名
脉冲暂态混沌神经网络在约束非线性规划中的应用
3
作者
李旻
曹宏铎
胡云昌
山秀明
机构
清华大学电子工程系
北京大学光华管理学院
天津大学建筑工程学院
出处
《中国工程科学》
2004年第5期45-48,共4页
文摘
脉冲暂态混沌神经网络 (PTCNN)是对暂态混沌神经网络的改进 ,呈现丰富的动力学性质 ,具有很强的跳出局部最小点的功能 ,在解决无约束非线性规划问题时 ,可以找到包括全局和局部最小值的尽量全面的最优解。当遇到带约束条件的非线性规划问题时 ,只有对约束条件进行合理处理 ,才能更有效地解决约束非线性规划问题。文章使用惩罚函数方法对含有约束条件的非线性规划问题进行处理 ,将其变成一个不含约束条件的非线性规划问题 ,进而用PTCNN求解 。
关键词
ptcnn
惩罚函数法
非线性约束规划
Keywords
ptcnn
penalty function
nonlinear constrained optimization
分类号
TP183 [自动化与计算机技术—控制理论与控制工程]
下载PDF
职称材料
题名
基于概率转移卷积神经网络的含噪标记SAR图像分类
被引量:
9
4
作者
赵娟萍
郭炜炜
柳彬
崔世勇
张增辉
郁文贤
机构
上海交通大学智能探测与识别上海市高校重点实验室
德国宇航局遥感技术研究所
出处
《雷达学报(中英文)》
CSCD
2017年第5期514-523,共10页
基金
国家自然科学基金重点项目(61331015)
中国博士后基金项目(2015M581618)~~
文摘
合成孔径雷达(Synthetic Aperture Radar,SAR)图像分类是SAR图像解译的重要任务。以卷积神经网络(Convolutional Neural Networks,CNN)为代表的监督学习方法需要大量已标注的训练样本。然而对于SAR图像真值标注而言,由于SAR特殊的成像机理,图像受相干斑噪声、几何畸变和结构缺失等因素影响较为严重,非直观性较强,使得SAR图像人工标注非常困难,极易出错,从而导致CNN等模型学习和泛化性能急剧降低。针对这种含噪标记条件下的SAR图像分类问题,该文提出了一种基于概率转移模型的卷积神经网络(Probability Transition CNN,PTCNN)方法,该方法在传统CNN模型基础上,基于含噪标记与正确标记之间的概率转移模型,建立噪声标记转移层,这种新的卷积网络模型可潜在地校正错误标记,增强了含噪标记下分类模型的鲁棒性。与经典CNN等模型相比,在构建的16类SAR图像地物数据集和MSTAR数据集上的实验结果表明该文方法相比于经典CNN等模型,在保持SAR图像分类性能的同时具有较好的抗噪性,能够有效校正训练样本中的标注错误,从而降低了SAR图像有监督分类任务对样本标注质量的要求,具有一定的研究价值与应用前景。
关键词
合成孔径雷达(SAR)图像分类
监督学习
含噪标记
概率转移卷积神经网络(
ptcnn
)
深度特征
Keywords
SAR image classification
Supervised learning
Noisy labels
Probability Transition Convolutional Neural Network (
ptcnn
)
Deep features
分类号
TN957.52 [电子电信—信号与信息处理]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于PTCNN的结构布局优化问题研究
李旲
曹宏铎
胡云昌
《计算力学学报》
EI
CAS
CSCD
北大核心
2005
3
下载PDF
职称材料
2
多脉冲控制的暂态混沌神经网络及其应用
李旲
胡云昌
曹宏铎
山秀明
《系统工程与电子技术》
EI
CSCD
北大核心
2003
2
下载PDF
职称材料
3
脉冲暂态混沌神经网络在约束非线性规划中的应用
李旻
曹宏铎
胡云昌
山秀明
《中国工程科学》
2004
0
下载PDF
职称材料
4
基于概率转移卷积神经网络的含噪标记SAR图像分类
赵娟萍
郭炜炜
柳彬
崔世勇
张增辉
郁文贤
《雷达学报(中英文)》
CSCD
2017
9
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