基于Sigmoidal函数最小二乘拟合的一维图像边缘检测方法

在线阵CCD检测系统中,图像的边缘检测是关键技术之一。传统阈值比较法容易受到随机噪声的干扰,为了减少这种干扰,提出了一种基于Sigmoidal函数最小二乘拟合的一维图像边缘检测方法。利用Sigmoidal函数对图像边缘区域内所有点的灰度信息进行最小二乘拟合,能够有效避免单个信号点上的噪声对测量结果的影响。对拟合函数一阶求导,并寻找其一阶导数最大值对应点,该点即为图像的边缘位置。实验分别采用阈值比较法和基于Sigmoidal函数最小二乘拟合法,对采集图像的边缘位置检测结果进行比较,实验结果表明,基于Sigmoidal函数拟合方法稳定性好,具有较高重复精度,能够有效抑制系统随机噪声的影响,具有较好的检测效果。

一般有界Sigmoidal函数神经网络的插值与逼近

研究了一维欧氏空间中神经网络的插值问题.首先,对于一组插值样本和定义在R上的一般有界Sig-moidal激活函数,给出了精确插值的单隐层前向神经网络存在的条件;然后,构造了近似插值网络,给出了估计精确和近似插值网络之间的误差;最后,利用连续模作为度量,分别估计了两类网络对连续函数的逼近误差.

人工神经网络控制的Sigmoidal函数研究

本文针对前馈神经网络误差反向传播算法（ＢＰ）算法应用于控制系统收敛速度慢，神经元非线性处理函数选择难等问题，提出了自动寻找最优Ｓｉｇｍｏｉｄａｌ函数方法。与ＢＰ算法相比较，该方法不仅收敛速度快，而且学习次数和隐节点数减少。仿真计算结果表明，该方法应用于控制系统鲁棒性能好，提高了网络学习能力，改善了学习性能，在神经网络控制中有一定推广价值。

基于AHP耦合Sigmoid函数的重载铁路黄土边坡风险分析

重载铁路具有大轴重、高密度、大运量的运输特点,黄土边坡路基段一直是重载铁路运营的高风险区段,现有风险评价方法尚无法满足其风险量化分析的需求。利用层次分析法AHP耦合Sigmoid函数的方法,围绕事故发生概率和损失两个方面对重载铁路黄土边坡工程展开风险定量评价。首先以边坡滑塌事故调研和稳定性控制理论为基础,明确黄土边坡的失稳影响因素,建立重载铁路黄土边坡稳定性评价模型和边坡失稳危害性评价模型;然后应用层次分析法建立黄土边坡稳定性评价模型指标权重,并提出各级影响因素的指标赋值方法;而后引入基于朴素贝叶斯理论的Sigmoid函数,构建边坡稳定服役概率、风险判断矩阵和黄土边坡的风险等级确定方法;最后以朔黄铁路某站高陡黄土边坡为工程背景,应用所得理论方法对其进行风险定量分析,计算得出该边坡失稳概率为0.64,造成经济损失约8611万元,隶属于高风险等级,并针对坡体几何特征、渗透能力、基岩特性等低分指标提出了具体的安全性提升措施建议。

带有Sigmoidal型响应函数反应扩散模型的正解

利用偏微分方程研究生物种群动力学,已成为非线性偏微分方程研究领域中的一个重要研究方向.针对具体的捕食模型,一个关键因素是响应函数.主要考虑了一类带有Sigmoidal型响应函数的捕食模型的Dirichlet边值问题,首先利用上下解方法给出了正解的先验估计,进而借助于锥上的拓扑度理论和极值原理,讨论了正平衡态解的存在性,并且得出了共存解存在的一个充分必要条件.另外,还应用分支理论研究了共存解的分支.

用Sigmoidal函数的叠合逼近Hilbert空间中的连续泛函

近来,Cybenko证明了下述 定理A 设δ(z)是一个连续的Sigmoidal函数,则下述形式 sum from j=1 to N (α_iδ(x·y_i+θ_i))的函数全体在C(I^n)中是稠密的,其中y_i∈R^n,x∈I^n,x·y是x与y的内积,α_i,θ_i分别为实数,I^n=[0,1]~n。

基于Sigmoid函数的非对称式S型曲线机械臂加减速控制方法

机械臂广泛应用于制造、装配、搬运、码垛等方面,对提高生产力起着重要作用。为减小机械臂在运动过程中的振动和冲击,提高机械臂轨迹执行效率,提出一种非对称式S型曲线加减速控制方法。该方法通过在双段Sigmoid函数中插入直线段,构成加加速度连续的运动学曲线。通过粒子群算法进行参数优化求解,无需反复确认每个时间段的存在性即可求出非对称约束下的曲线参数,并分别在关节空间和笛卡尔空间采用时间同步和位移同步方法使机械臂的运动轨迹更加协调自然。结果表明,相同条件下提出的方法比三角函数方法轨迹执行效率更高且加加速度仅为三角函数方法的55%。与梯形加加速度曲线相比,采用提出的方法规划的运动轨迹可减少35.7%的残余振动,验证了该方法的有效性。

一种Sigmoid为激活函数的高精度ANN电路的设计

提出了一款以Sigmoid为激活函数的人工神经网络(ANN)电路,实现对目标数据的分类,基于TSMC 180 nm CMOS工艺完成了电路设计、版图设计、仿真与流片测试,芯片面积为0.3375 mm^(2),1.8 V电源电压下电路功耗为216μW。3块芯片的测试结果显示,电路对目标数据的分类准确率为97.5%,误差在(-3.2%,3.27%)之间,平均误差为-1.51%。人工神经网络电路含有3个网络层,由15个Sigmoid激活函数神经元电路组成,两输入Sigmoid激活函数神经元电路由两个加权电路与一个Sigmoid激活函数电路组成。后仿真结果显示,在1.8 V电源电压下,神经元电路的功耗为8.02μW,最大噪声为√Hz,版图面积为0.001 mm^(2),最大相对误差为1.76%。

基于改进型sigmoid函数的混合储能系统SOC控制策略

介绍锂离子电池-超级电容混合储能系统的传统SOC控制策略,提出一种基于改进型sigmoid函数的SOC控制策略,并通过算例来展示混合储能模型的构建、仿真过程,分析验证基于改进型sigmoid函数的混合储能系统SOC控制策略的有效性。

利用Sigmoid函数所建隧道围岩全过程位移曲线的应用及效果验证

隧道围岩位移能够综合反映隧道施工过程中围岩稳定性及支护效果,但实际工程中掌子面前方围岩位移难以监测,导致难以得到围岩全过程位移曲线。为了获取隧道围岩全过程位移曲线,基于Sigmoid函数、遗传算法及数值计算方法,建立了隧道围岩全过程位移曲线,并验证了该曲线的预测效果。选取某公路隧道不同围岩级别工况下的典型位移监测数据,对所提出的预测方法进行验证,结果表明:基于Sigmoid函数的隧道围岩全过程位移曲线能够较为准确地预测围岩位移,预测精度和可靠性较高,适用于不同围岩级别及开挖方法,可为施工阶段围岩稳定性评价提供参考。

水下机器人基于sigmoid函数的软变结构控制

针对水下机器人滑模变结构控制系统抖振问题,利用具有光滑性和饱和性的sigmoid函数,提出一种水下机器人软变结构控制策略。利用Lyapunov稳定性理论,讨论控制受限情形的水下机器人软变结构控制系统的稳定性,构造基于sigmoid函数的软变结构控制器,给出水下机器人软变结构控制的具体算法。将基于sigmoid函数的软变结构控制策略用于水下机器人仿真实验研究,实验结果验证了该方法的可行性和有效性。与线性控制、饱和线性控制和基于变饱和函数的软变结构控制3种控制方法进行对比仿真分析,分析结果表明,基于sigmoid函数设计的软变结构控制系统调节精确度高、响应速度快,有效地削弱了系统抖振,具有良好的动态性能。

基于Sigmoid函数拟合的亚像素边缘检测方法

亚像素边缘检测技术是采用图像处理软件算法来提高检测精度的有效途径,文中对矩法、拟合法和插值法等常用的亚像素边缘检测算法的原理、优点和不足进行了分析,提出了Sigmoid函数拟合的亚像素边缘定位算法.该算法采用Sigmoid函数拟合边缘模型,利用图像边缘灰度信息对模型进行非线性最小二乘拟合,求得边缘的亚像素位置.理论分析和实验结果表明,基于Sigmoid函数拟合的亚像素边缘定位算法的定位精度为0.045像素,但检测的速度比灰度矩提高了一个数量级,比空间矩、Zern ike矩和插值法提高了两个数量级.此算法能较好地满足影像测量的稳定可靠、高精度及强实时性要求.

多输入Sigmoid激励函数神经网络权值与结构确定法

结合伪逆直接计算得到神经元之间最优权值的方法,提出了一种双阶段自动搜索与确定最优网络结构的算法,克服了原有BP神经网络模型及其学习算法的固有缺陷。以函数逼近为例,计算机数值实验结果显示了算法有效且耗时短,证实了由该算法得到的网络对于多输入函数具有较优良的逼近(学习与校验)性能。

基于sigmoid函数激励需求响应模型的电动汽车有序充电控制策略

基于经济学理论提出电动汽车有序充电电价模型,给出考虑负荷波动和电动汽车车主支出最小为目标的多目标函数,利用蒙特卡罗方法模拟车主的充电行为,最后,采用粒子群算法求解多目标函数;该方法在电价激励机制的控制过程中,加入用户对电价的响应环节,给出满足sigmoid函数的电价激励策略在不同激励陡度参数下对电动汽车充电的引导效果。以某地区为例进行有序充电场景仿真模拟,结果表明:在兼顾车主和充电站运营商利益前提下,电动汽车规模一定时,选择适合的激励陡度参数能改善负荷曲线,使电网负荷波动最小。

一种基于Sigmoid函数的改进协同过滤推荐算法

随着电子商务和社交网络的蓬勃发展,推荐系统逐渐成为数据挖掘领域的重要研究方向。推荐系统能够从海量信息中定位用户兴趣点,提供个性化服务。协同过滤算法能够有效分析用户偏好,提供合适的推荐服务。针对评分矩阵稀疏时传统协同过滤算法性能很差的问题,提出一种基于Sigmoid函数的改进推荐系统算法。利用Sigmoid函数对不同项目进行建模,得到项目的平均受欢迎程度;利用Sigmoid函数对不同用户进行建模,将评分映射为用户对项目的喜好程度;根据用户对项目喜好程度应该与项目平均受欢迎程度贴近的原则进行评分预测。在两组真实数据集合上的实验结果表明,该算法较好地解决了数据稀疏性问题,能够有效提高传统算法的预测准确性。

基于改进sigmoid激活函数的深度神经网络训练算法研究

针对深度神经网络训练过程中残差随着其传播深度越来越小而使底层网络无法得到有效训练的问题,通过分析传统sigmoid激活函数应用于深度神经网络的局限性,提出双参数sigmoid激活函数;个参数保证激活函数的输入集中坐标原点两侧,避免了激活函数进入饱和区,一个参数抑制残差衰减的速度,双参数结合有效地增强了深度神经网络的训练;用DBN对MNIST数据集进行数字分类实验,实验表明双参数sigmoid激活函数能够直接应用于无预训练深度神经网络,而且提高了sigmoid激活函数在有预训练深度神经网络中的训练效果。

Sigmoid函数及其导函数的FPGA实现

通过对Sigmoid函数进行分析,构造一张自变量在[0,4],函数值在[0.5,1.0]的查找表,将其与设计的运算模块相连,实现Sigmoid函数及其导函数.实验表明,该方法在确保快速运算的同时节省了芯片的资源.

基于Sigmoid二次型隶属度函数的改进LMS算法

基于Sigmoid函数变步长最小均方(LMS)算法优点是计算量小、收敛速度快且对时变系统的跟踪性能好,但存在些许不足之处,如当误差信号较小时,步长因子变化过快,对于未知系统辨识速度较慢且可控参量过少。为克服上述缺点,更优化该算法性能,通过建立Sigmoid二次型函数,提出一种新的变步长LMS算法,在收敛过程中动态渐进调整步长大小,在获得较小的稳态误差同时,能够更快达到收敛。研究结果表明:改进算法收敛速度要比其他基于S函数改进算法的快;对时变系统跟踪的性能要优于归一化类的LMS算法。本文算法可在增加少量计算量的前提下,较好地克服误差信号与步长因子之间的矛盾,加快收敛速度,并引入新的可控变量,使调控更加灵活。

Sigmoid函数的分段非线性拟合法及其FPGA实现

使用分段非线性逼近算法计算超越函数,以神经网络中应用最为广泛的Sigmoid函数为例,结合函数自身对称的性质及其导数不均匀的特点提出合理的分段方法,给出分段方式同逼近多项式阶数对逼近结果精度的影响。完成算法在FPGA上的硬件实现,给出一种使用三阶多项式处理Sigmoid函数的拟合结果及流水线架构,处理精度达到10-5数量级,最大频率达到127.327 MHz,满足了高速、高精度的处理要求。

利用Sigmoid函数表征超低渗透储层的非达西渗流特征

达西渗流产水率模型已难以准确描述超低渗透储层的产液性能,为了准确表征超低渗透储层的产液能力,必须基于非达西渗流特征建立高精度产水率模型.神经元非线性函数Sigmoid的突变性质能较好地描述非达西渗流特征,并可以通过改变系数来控制其突变时间和幅度,因此,引入该函数来构建超低渗透储层的产水率模型.在超低渗透储层,压裂改造措施破坏了油藏状态下含水饱和度与产水率之间的关系;计算方法和实验分析所携带的误差造成计算含水饱和度与油藏状态下含水饱和度之间存在数值差异.分类弥补这一差异之后,利用Sigmoid函数建立的产水率模型计算97口井的产水率,与实际压裂试油的产液数据进行对比分析,相关系数为0.900 4,满足研究区实际勘探开发生产需求.