多输入傅里叶神经网络及其麻雀搜索优化

鉴于反向传播(BP)神经网络存在灵敏度高但收敛速度慢,以及已有傅里叶神经网络不具备多输入数据特征提取能力,借助多个傅里叶神经网络构建能接收多维数据的堆叠神经网络,进而将其与多层感知器融合,获得基于梯度下降的多输入傅里叶神经网络。结合此神经网络获取全局最优参数值难的因素,通过在麻雀搜索算法中引入Cat混沌映射、动态种群规模调节机制及参数自适应调节方案,提出改进型麻雀搜索算法,并将其应用于多输入傅里叶神经网络的参数优化及高维函数优化问题的求解。理论分析可得,所提算法的计算复杂度主要由种群规模和优化问题的维度决定。比较性的数值实验表明,所获神经网络提取多源数据特征的能力和泛化能力强,同时所提算法处理高维优化问题具有明显优势且收敛速度快。

基于果蝇视觉神经网络的单目标运动检测与跟踪

运动目标跟踪因对实时输入信息的处理、跟踪模型的性能有较高要求,使得对应用性较强的目标跟踪模型的构建仍然是较为活跃的研究重点。针对单目标跟踪问题,基于果蝇视觉信息处理机制及目标跟踪具有的固有特征,本文提出不同于现有目标跟踪模型的新型模型。模型设计中,基于果蝇视觉信息处理机制建立改进型前馈果蝇视觉神经网络,进而借助其输出的运动方向量矩阵及运动目标的固有运动特性,构建运动目标的运动方向检测以及位置、速度、偏航角估计模型,由此获得计算复杂度由输入图像的分辨率确定的前馈果蝇视觉目标跟踪模型。比较性的实验表明,相较于经典的和基于深度学习的目标跟踪模型,所获新型目标跟踪模型在多种指标下具有实时处理能力强、跟踪效果好且有较好应用潜力的优点,为目标跟踪研究提供了又一新的解决方案。

梯级水电短期调度模型及其求解的蝗虫视觉进化神经网络

融合梯级水电站短期调度中电网调峰与发电量相互制约的因素,探讨水电调度模型的设计及求解的改进型蝗虫视觉进化神经网络。调度模型设计中,依据水量平衡方程,在充分考虑机组出力限制、不规则震动区等与水头相关的复杂约束及尾水顶托影响下,构建以调峰效果与发电效益为性能指标的厂网协调短期调度模型。神经网络设计中,在已有蝗虫视觉神经网络基础上引入视觉残留机制、半波整流机制,以及在兴奋层引入局部均值滤波,获得能输出全局和局部学习率的改进型蝗虫视觉神经网络,进而借助混沌映射及山瞪羚优化算法设计状态更新策略,随后顺次连接此视觉神经网络及更新策略,获得能自适应调节参数的改进型蝗虫视觉进化神经网络。比较性的数值实验显示,该神经网络求解13个基准事例中7~13个事例及应用于贵州北盘江梯级电站的3种场景中至少2种场景下具有显著优势。

求解大规模函数优化的粒子群优化算法

针对大规模全局函数优化的维数制约求解性能的问题,提出一种多策略混合进化的粒子群算法。为平衡算法的勘测与开采能力,利用种群分割思想将进化种群分为精英、优质、中等和劣质种群;为增强算法的全局搜索能力,劣质种群向精英种群进行对称学习;为增强算法的局部搜索能力,采用局部高斯扰动增强中等种群中粒子的局部勘测能力;为提升算法的搜索效率,精英以及优质种群直接进入下一代。借助两种标准测试集,比较性的实验结果表明,提出的算法在相同终止条件下,其寻优质量有明显优势,有较好的应用潜力。

求解约束函数优化的改进型果蝇视觉进化神经网络

具有广泛工程应用背景的强非线性约束优化是最优化领域极为困难的科技问题,如何寻找快速有效的优化算法求解其全局最优化解,仍然是该问题研究的关键.为此,针对强非线性约束函数优化求解难的问题,融合果蝇视觉系统的信息处理机制与种群进化思想,提出一种基于状态矩阵转移的改进型果蝇视觉进化神经网络.模型设计中,将候选解视为状态,构建以状态作为元素的状态矩阵,进而将状态矩阵中各元素对应的目标值形成的灰度图视为输入;依据果蝇视觉系统的分层视觉信息处理特性,构建能有效处理约束条件的改进型果蝇视觉前馈神经网络,进而将其输出作为状态转移的全局学习率;依据鲸鱼捕食的行为特性建立转移状态的更新策略.由此,获得仅含两个可调参数且计算复杂度仅由输入灰度图分辨率确定的视觉进化神经网络.比较性的数值实验表明,此神经网络的寻优质量具有明显优势,对工程优化问题的解决具有重要参考价值.

改进型DV-Hop定位模型及其求解的混合视觉进化神经网络

针对DV-Hop定位模型跳距估计精度低且难准确获取未知节点位置的问题,提出改进型DV-Hop定位优化模型及其求解的混合视觉进化神经网络优化算法。DV-Hop定位模型设计中,引入4种通信半径细化节点间的跳数计算,并利用动态权重因子修正最小跳数及平均跳距计算模型,获得改进型DV-Hop的计算模型。算法设计中,依据果蝇和蝗虫视觉系统的信息处理机制,建立输出全局和局部学习率的混合视觉神经网络,进而在此神经网络的输出引导下,借助哈里斯鹰优化算法中哈里斯鹰的位置更新策略设计状态更新策略,由此获得能求解DV-Hop定位问题的视觉进化神经网络优化算法。比较性的数值实验显示,该算法求解基准函数优化问题具有明显优势,并对未知节点的定位精度高且收敛速度快。

基于通道注意力与空间金字塔的改进型YOLOv3及其应用

针对YOLOv3存在行人遮挡、漏检下检测精度低、漏检率高的问题,本文提出一种基于通道注意力及空间金字塔的改进型YOLOv3。将通道注意力机制嵌入残差网络中,强化关键信息的特征提取;利用能增大感受野的空间金字塔融合多尺度特征图,增强相互遮挡目标的特征提取能力;利用改进型非极大抑制模块消除冗余预测框,避免重叠目标漏检。比较性的数值实验表明,相较于YOLOv3,改进型YOLOv3的检测准确率及综合评估指标值分别提高了9.33%和5.01%,且行人检测的鲁棒性和泛化能力更强。

基于短时能量与LSTM的油井动液面深度研究

油井动液面深度计算一直是油田行业关注的重要课题,高效、准确地获取井下液面的动态深度信息对石油行业发展至关重要。为此,针对油井动液面的深度测算受环境噪声的影响而导致计算误差较大的问题,研究基于声波法的油井动液面深度估计与预测算法。通过设计改进型短时能量过零函数和三电中心削波函数,以及融合多渠道液面位置估计信息,获得动态液面的深度估计算法;将此法获得的液面位置和平均声速作为LSTM神经网络的输入,以及实测液面深度作为期望输出,获得可预测液面深度的预测模型。比较性的实验结果表明,所获液面深度计算算法较之短时能量和短时能量过零函数法,更能有效测算动液面深度;得到的预测模型能有效预测不同时段声波下的液面深度。

基于免疫粒子群算法的分层注水流量调度

针对油井分层注水流量调度问题,依据油井注水层段流量以及压力关系,建立双层注水流量调度模型,并提出求解的免疫粒子群优化算法。算法设计中,将免疫优化中浓度调节机制引入到粒子群优化中,增强种群的多样性;通过设计动态调节惯性权重和学习率因子的规则,增强粒子的全局开采能力。数值实验结果表明,所建立的双层注水流量调度模型是有效的;获得的算法能根据油井注水层段配注量的需求,较为准确地计算油井层段水嘴的开度值,使注水偏差量较小及注水量能达到配注的要求;该模型和算法对油井智能注水具有一定的应用潜力。

深度果蝇神经网络及其实时能见度预测

能见度预测属于时间序列预测领域的问题,如何实现对时序数据的处理以及捕获数据中的时间长期依赖关系,是当前研究人员的主要关注焦点。针对能见度预测模型构建难的问题,依据果蝇视觉系统在图像感知、学习和信息反馈过程中的生物学原理,提出一种基于视频监控图像的深度果蝇神经网络。首先,通过设计前馈果蝇视觉神经网络,提取图像的能见度特征,进而将特征信息送入多层感知器,获得关于未知权值和阈值的能见度与视频帧的映射关系;其次,借助梯度下降法获得在线预测能见度的深度神经网络。实验结果表明,该神经网络能实时、有效、准确地预测雾天环境下的能见度,预测效果稳定且精度高,具有较好的应用潜力。