Artificial neural network based inverse design method for circular sliding slopes

Current design method for circular sliding slopes is not so reasonable that it often results in slope (sliding.) As a result, artificial neural network (ANN) is used to establish an artificial neural network based inverse design method for circular sliding slopes. A sample set containing 21 successful circular sliding slopes excavated in the past is used to train the network. A test sample of 3 successful circular sliding slopes excavated in the past is used to test the trained network. The test results show that the ANN based inverse design method is valid and can be applied to the design of circular sliding slopes.

Simulation of Wave Forces on A Semi-Circular Breakwater Using Multilayer Feed Forward Network

In this paper, the Artificial Neural Network (ANN) is used to study the wave forces on a semi-circular breakwater. The process of establishing the network model for a specific physical problem is presented. Networks with double implicit layers have been studied by numerical experiments. 117 sets of experimental data are used to train and test the ANN. According to the results of ANN simulation, this method is proved to have good precision compared with experimental and numerical results.

基于圆卷积神经网络的粘连导电粒子检测

为了提高粘连导电粒子检测的精度和稳定性,提高评价指标的客观性和与实际生产需求的适配度,提出了基于圆卷积神经网络的粘连粒子检测。首先提出了更适合粒子检测的圆卷积,修改可变形卷积的采样策略,限制采样点偏移量x,y坐标的自由度,增加尺寸控制参数作为补偿。然后,基于U-MultiNet网络架构将圆卷积替代原有卷积形式,并增加注意力机制,通过标签图计算自注意力,以此作为权重修改损失函数和标签图。最后,提出可重复性和可再现性指标综合评价算法的精度和稳定性。实验结果表明,本文方法的可重复性和可再现性分别为0.8092和0.7051,相比现有主流方法提高了4.52%和1.74%;精确度和召回率分别为0.7128和0.6974,准确度为0.8341,比现有主流方法高1.68%。相比于现有主流方法,该方法对于粘连干扰的粒子检测效果有明显提升,可以满足工业上对粒子检测精度、稳定性和实时性的要求。

基于脉冲耦合神经网络的红外图像分割算法研究

红外图像噪声多、结构复杂,传统的分割方法难以对红外图像实现完整的分割。脉冲耦合神经网络(PCNN)参数众多,而人工调整网络参数耗时耗力。为了避免人工调整网络参数、实现对红外图像较完整的分割,将粒子群优化(PSO)算法和改进的PCNN相结合,提出了一种新的红外图像分割算法。首先,对红外图像进行预处理。其次,为了减少网络参数,对PCNN进行了化简。然后,将预处理图像输入网络进行循环迭代,利用PSO算法计算每次迭代的分割结果的适应函数值,从而确定群体和个体最佳参数。最后,通过种群最佳参数得到分割结果。为了验证算法的分割性能,试验使用了不同的自然风景图像和红外图像。试验结果表明,所提算法可以对红外和自然风景图像实现较完整的分割;无论是分割效果还是定性分析,所提算法都要优于传统算法。

The Design of Circular Microstrip Patch Antenna by Using Quasi-Newton Algorithm of ANN

The paper presents the Quasi Newton model of Artificial Neural Network for design of circular microstrip antenna (MSA). In this model, a closed form expression is used for accurate determination of the resonant frequency of circular microstrip patch antenna. The calculated resonant frequency results are in good agreement with the experimental results reported elsewhere. The results show better agreement with the trained and tested data of ANN models. The results are verified by the experimental results to produce accurate ANN models. This presents ANN model practically as an alternative method to the detailed electromagnetic design of circular microstrip antenna.

基于SSA-BP神经网络的圆钢管RPC短柱轴压承载力预测

目的研究圆钢管活性粉末混凝土(Reactive Powder Concrete,RPC)短柱轴压承载力与各影响因素之间的非线性映射关系,创建高精度承载力预测模型。方法引入麻雀搜索算法(Sparrow Search Algorithm,SSA),优化BP神经网络的初始权重、阈值;以155组试验数据为基础,建立并训练SSA-BP神经网络模型,对圆钢管RPC短柱轴压承载力进行预测;将SSA-BP神经网络的预测结果与BP神经网络、遗传算法(Genetic Algorithm,GA)优化的BP神经网络预测结果及代表性公式预测结果加以比较。结果SSA-BP神经网络模型的预测精度相比于BP神经网络、GA-BP神经网络分别提高79.05%和35.62%,单次运行时间较GA-BP神经网络减少44.34%;SSA-BP神经网络平均误差为3.66%,远低于公式预测误差。结论SSA-BP神经网络能够实现圆钢管RPC短柱轴压承载力的高精度预测,为研究圆钢管RPC短柱轴压承载力提供了新方法。

基于GA-BP的圆形靶标圆心定位误差预测建模与补偿研究

利用圆形靶标进行相机标定时,靶标成像效果会随着不同的相机拍摄位姿呈现为椭圆,因此利用常规圆心定位方法得到的图像圆心坐标并非真实圆心在图像中的成像位置,直接利用该圆心图像坐标进行相机标定的标定精度不高。针对此问题,提出了一种先对圆形靶标图像圆心定位误差进行预测建模,然后进行误差补偿来提高圆心定位精度的方法。首先,建立圆形靶标成像图的仿真图像集;其次,对图像预处理并利用椭圆拟合法定位图像中的圆心坐标;再次,构建并训练GA-BP神经网络,建立圆心定位误差与相机镜头位姿之间的关系模型;最后,通过误差补偿策略对定位的圆心坐标进行误差补偿。实验结果表明,所构建的GA-BP神经网络模型对圆心定位的横、纵坐标的误差预测精度明显优于BP或者E-R模型,其MAPE,RMSE,R 2分别为5.51%,0.0048,0.9996和6.14%,0.0964,0.9998。误差补偿后的圆心定位精度更高,验证了采用误差预测建模和误差补偿的方法提高圆心定位精度的可行性,为高精度相机标定任务提供了方法支撑。

McCulloch-Pitts人工神经元模型80周年纪念:思想、方法与意义

1943年,Warren McCulloch和Walter Pitts发表论文《神经活动内在思想的逻辑演算》,证明可以使用逻辑演算描述神经网络的运行机理,拓展了计算神经科学的领域前沿,奠定了人工神经网络的发展基础。恰逢M-P论文发表80周年之际,结合时代背景和作者学术生涯的变迁,探索M-P理论的思想源泉;借助原文中的示例,概述M-P模型的基本原理;以作者对循环因果和反馈机制的研究为主线,探讨M-P模型对信息科学发展的影响、对控制论发展的贡献,及其在当今人工智能大模型时代的意义。

公路小半径曲线路段驾驶人焦虑水平模型

为提高双车道公路小半径曲线路段(SCCR)的交通安全监测水平,利用量表测试与驾驶模拟试验,实现驾驶人弯道焦虑水平的量化评测,定量刻画驾驶人弯道焦虑水平与行车安全特征量之间的关系;通过统计分析焦虑驾驶行为,运用Spearman分析法,筛选影响焦虑水平的关键行车安全特征量;综合道路线形条件、驾驶人个体特征和驾驶操作行为特性等行车安全特征因子,采用径向基神经网络(RBFNN)建立多因素驾驶人焦虑水平预测模型。结果表明:弯道焦虑水平与驾龄、年龄呈显著负相关,与车速、侧向偏移量、转角变异系数以及曲线半径之间存在着较为显著的负相关性(显著性概率p值<0.01);通过验证,基于RBFNN的驾驶人焦虑水平预测模型判别精度可达73.7%;转角变异系数、年龄、驾龄是影响驾驶人焦虑水平的重要因素,其重要度依次为100%、93.3%、90.7%。研究结果可为双车道公路SCCR驾驶焦虑水平监测、交通安全维护等方面提供理论支撑。

基于神经网络的降落伞落点散布快速生成方法

为了解决使用蒙特卡洛法计算降落伞落点散布慢的问题,提出了组合使用降落伞运动模型和神经网络产生落点散布,并利用硬件加速神经网络推理过程的方法。降落伞运动模型用于产生散布中心,神经网络用于产生相对于散布中心的落点。验证了两种不同结构的神经网络:多层感知器和转置卷积神经网络。发现降落伞运动模型结合多层感知器计算得到的降落伞落点散布和使用蒙特卡洛法计算得到的落点散布最为接近。同时,降落伞运动模型和多层感知器或者转置卷积神经网络组合使用都可以达到实时计算降落伞落点散布的效果。因此,提出的方法可以较好地应用于高时效性场景下的降落伞落点散布计算。

基于数据融合的电网强对流临近预警技术研究

强对流天气的破坏力大、预测准确率和实时性较差,且容易对电网造成严重危害,因此构建有效的电网强对流天气临近预警系统具有重要的现实意义。传统的雷达回波技术虽然能够根据云团位置的改变来推断后续天气的变化,但当云团发生融合或分裂时,其预报准确率较低。针对该方法存在的缺陷,文中使用深度学习技术对气象云图数据进行处理,其算法部分将卷积网络与长短期循环神经网络相结合,使其兼具准确性和实时性。在算法对比实验中,该算法的虚警率比卷积法以及LSTM法降低了5.2%和6.0%,说明该算法的性能较为理想。而在测试验证实验中,所提算法能够实现对1 h后强对流天气的预测,并可完成对电网的强对流临近预警,具有良好的工程应用价值。

等离子体电磁干扰下圆柱绕流壁面压力信号AI实时降噪

面向闭环主动流动控制的可靠传感需求,提出采用人工神经网络模型对不同等离子体电磁干扰下受污染流场信号进行实时降噪处理。以安装在圆柱表面的动态压力传感器为研究对象,分别采集了正弦交流介质阻挡放电(AC–DBD)的“稠密峰”型干扰信号和纳秒脉冲介质阻挡放电(NS–DBD)的“稀疏突刺”型干扰信号,对人工合成含干扰的流场压力数据进行了监督学习训练,并对模型的泛化能力进行了测试验证。结果表明:基于人工神经网络模型的实时降噪方法可以有效抑制等离子体激励带来的电磁干扰影响,还原真实的压力信号,且对AC–DBD“稠密峰”型干扰信号的降噪效果更好,降噪后信号波形平滑,与真实信号拟合度高;将模型用于真实的流场压力测量中,通过对比降噪后信号与真实信号均值,验证了降噪神经网络的信号还原精度。

一个基于自组织特征映射网络的混合神经网络结构(英文)

将ICBP网络模型引入BP-SOM(self-organizing feature maps)网络体系结构,并构建了一个基于SOM模型的集成型网络ICBP-SOM.BP-SOM是Ton Weijters提出的一种学习算法,它的目标是克服BP网络在特定类型的学习样本中存在的知识推广性方面的严重缺陷.提出此集成型网络的动机是,利用BP-SOM良好的知识解释能力和ICBP网络良好的推广性和自适应性构造一个ICBP-SOM模型,它具有良好的知识表示能力和极具竞争力的推广性能.在6个基准数据集上的实验结果验证了这一集成型网络的可行性和有效性.

圆形结构形态学滤波器优化设计及应用

形态学滤波是红外弱小点目标检测研究中一个有效方法,其滤波器结构将直接影响检测性能。基于目标在实测红外图像上所呈现的凸包结构特点,首先设计了圆形形态学滤波器结构。在此基础上,引入神经网络进行圆形形态学滤波器结构元素优化设计。实测数据的处理结果表明:针对低信噪比图像(SNR≈2),在虚警概率小于等于1%情况下,优化的圆形形态学滤波器算子对的复杂红外弱小目标图像检测概率大于等于98%,优于固定结构元素的形态学滤波器和方形结构的优化形态学滤波器。

基于循环神经网络的宽带CDMA系统的功率控制

在CDMA系统中,远近效应是一个重要的技术难题,克服该难题的有效措施是系统进行功率控制。该文根据Hopfield循环神经网络的思想,把功控问题转化为离散的Hopfield神经网络,由此给出了一种新的功率控制算法,它能控制移动用户发射功率的平衡,且有较强的Robustness性质,易于工程实现。

基于循环自构形算法的神经网络结构优化

BP(back propagation)神经网络中隐层节点的个数过多将影响网络的泛化性能和效率,自构形学习算法通过考察网络隐层节点输出之间的相关性来删除和合并隐层节点。但自构形算法在节点的删除和合并时存在网络收敛不一致问题,因此,在自构形算法中引入随机度概念,在分治算法思想的基础上提出了循环自构形算法来优化网络结构。Matlab实验对比验证了循环自构形算法能从不同或相同的隐层节点数剪枝到一致的网络结构,并将网络结构优化至最精简。

报废汽车蓄电池逆向物流可行性评价--基于改进的模糊神经网络

随着机动车行业规模的逐步扩大和消费量的与日俱增,大量的报废蓄电池相伴而生,蓄电池逆向物流的实施作为供应链中无法避免的"责任"正逐步引起企业的重视。基于评价指标体系的科学性、系统性、层次性、国情性等原则,构建以报废汽车蓄电池逆向物流可行性为目标层,以经济效益、生态环境效益、社会效益为准则层,以28个影响因素为指标层的可行性评价指标体系。构建基于模糊综合评价法与粒子群算法(PSO)优化的误差反向传播(BP)神经网络结合的改进模糊神经网络评价结构模型,并运用数据仿真模拟验证模型的有效性。开展报废汽车蓄电池逆向物流可行性评估,按照可行性等级提出相应的控制策略,可以为从事蓄电池回收处理的企业在实践过程中需重点关注及防控的影响因素提供理论依据,克服一定的盲目性,且其评价的客观性、科学性、实践性和有效性直接影响着企业实施蓄电池逆向物流的前景及效益。

城市循环经济发展水平动态评价研究

评析了当前城市循环经济评价研究方面所存在的不足和缺点,构建了城市循环经济评价指标体系,建立了改进后的过程神经元网络与遗传算法优化结合的(PNN-GA)城市循环经济评价模型,并以哈尔滨市为实证进行分析评价,指出了哈尔滨市循环经济所处的阶段,为我国城市循环经济发展提供了政策借鉴.

圆轨倒立摆摆起过程神经网络闭环控制方法

在圆轨倒立摆摆起过程开环控制律优化算法的基础上,应用高精度多层人工神经网络插值原理,研究了摆起过程的闭环控制方法.以每个时间段上的状态变量和相应的控制变量为输入输出学习样本,建立前馈人工神经网络,构成摆起过程的反馈控制系统.通过仿真与实际控制,表明所研究方法是可行和有效的,并为复杂非线性系统的闭环控制提供了新的思路.

一个简单实用的神经网络环状流参数估计器

环状流是一种典型的两相流。人们常用线性反投影法(LBP)对其进行快速成像。但由于该算法精度不高,本质上是一种定性算法,得到的效果不能令人满意。本文以电阻抗层析测量系统(ERT)中LBP法为研究对象,分析其存在的缺陷和产生缺陷的原因。针对理想环状流这一特定流型提出并建立一个基于BP神经网络的参数估计器来计算管道内含油区面积。仿真表明,对环状流使用该估计器能够获得较好的结果。