导读:本文包含了机理神经网络论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:神经网络,机理,量子,卷积,模型,化生,神经。
机理神经网络论文文献综述
崔晨耕[1]（2019）在《神经网络算法与机理模型融合的冷连轧轧制力智能预报模型》一文中研究指出冷轧带钢的生产模式正在向多品种、小批量、低库存转变,这直接导致了轧制过程中需要更频繁地切换品种规格。由于变规格过程中轧制工艺状态变化较大,传统机理模型加常规自学习和自适应方法很难保证规格切换后首卷产品设定精度。为提高变规格过程中轧制力预报精度,本文提出一种机理模型与轧制过程海量历史数据相融合的复合模型。该方法建立在轧制力理论模型的基础上,采用遗传算法优化BP神经网络的方法对模型轧制力进行校正。使用该算法进行轧制力预报,使变规格后首卷钢轧制力预报的平均相对误差控制在±5.5%内,远高于常规机理模型的设定精度,该方法具有现场应用价值。(本文来源于《计算机与现代化》期刊2019年08期）
熊锐,张雷洪,蒋周杰,王建强,覃榜道[2]（2019）在《基于编码-解码对称神经网络的高分辨率图像重构机理研究》一文中研究指出针对目前许多图像重构算法存在重构出来的图像不清晰、分辨率低等问题,提出了一种基于编码-解码对称神经网络的高分辨率图像重构算法。首先将图像进行压缩获取低分辨率图像,然后将低分辨率图像作为输入图像经过编码-解码对称神经网络,并利用其中的卷积神经网络进行编码得到特征图像,最后再利用反卷积神经网络进行解码实现图像的细节恢复。实验结果表明,经过基于编码-解码对称神经网络重构出来的图像比之前的低分辨率图像更加清晰,图像的分辨率得到了提高。(本文来源于《光学仪器》期刊2019年04期）
陈晴光[3]（2016）在《大宗商品电子交易市场风险的预警机理研究——基于遗传BP神经网络》一文中研究指出针对复杂多变的大宗商品电子交易市场风险因素,探讨了基于遗传算法和BP神经网络预警大宗商品电子交易市场风险的基本工作原理,提出了大宗商品交易商以及交易平台提供商在电子交易过程中分别可能面临的各类市场风险的评价指标体系,以及相应的市场风险预警工作流程。(本文来源于《浙江万里学院学报》期刊2016年04期）
孙跃,谭晶晶,唐春森[4]（2015）在《IGBT机理建模及其基于神经网络的参数辨识方法》一文中研究指出为获取专用的绝缘栅双极型晶体管(insulated gate bipolar transistor,IGBT)模型,实现IGBT电路的针对性优化,在Hefner模型的基础上,对IGBT的开通和关断状态进行了机理建模,并重点分析了其暂态过程.在此基础上,提出了基于神经网络优化算法对模型参数进行辨识的方法,获得了单个IGBT元件的机理模型.以一个FGA25N120型的IGBT为例,进行了仿真和实验研究,通过仿真与实验结果的对比,拟合优度达0.9,验证了本文所提机理模型的正确性及基于神经网络辨识所得参数的精确性.(本文来源于《西南交通大学学报》期刊2015年06期）
梁丽,陈磊,李琦[5]（2015）在《基于神经网络和Volterra级数的机理模型优化》一文中研究指出关于钕铁硼(Nd Fe B)氢粉碎生产过程优化控制的研究,根据传统工艺过程机理建立的动态机理模型不能精确的反应真实氢碎状态。提出了面向复杂非线性过程的基于增强学习的神经网络优化模型和采用NLMS算法的Volterra级数自适应优化模型,分别利用上述两种模型对机理模型进行优化,输出合金氢含量、温度和压力的预测值,最后,通过实验验证了两种模型的有效性。实验结果表明,采用Volterra级数的优化模型对机理模型的优化效果更好,为实时优化控制钕铁硼氢粉碎过程提供了科学依据。(本文来源于《计算机仿真》期刊2015年08期）
陈鑫,朱明杰,吴敏,张小杨,戴耀辉[6]（2015）在《结合机理计算与神经网络预测的无缝钢管轧制力建模》一文中研究指出无缝钢管轧制过程机理复杂,部分状态参数难以在线检测,轧制过程具有多变量、强耦合、非线性等特点,导致其机理建模精度较低。为了提高轧制力模型的精度,提出一种结合机理计算与神经网络预测的轧制力建模方法。首先依据轧制工艺知识和经验分析轧制过程机理,建立轧制力机理模型;然后依据实际生产数据,通过灰色关联分析确定影响轧制力的主要因素;最后采用BP神经网络建立轧制力偏差预测模型,对轧制力机理模型计算结果进行补偿。仿真实验表明,该模型预测精度较高,可以满足工业现场的实际需求。(本文来源于《冶金自动化》期刊2015年04期）
姜琳琳[7]（2014）在《基于神经网络的虚拟企业技术创新扩散机理研究》一文中研究指出全球市场变化加快，单个企业仅仅依靠自身内部资源整合很难满足动态、多变的市场需求。而信息技术的进步，使得虚拟企业应运而生。虚拟企业的竞争力体现在对市场的迅速响应，对自身能力的强化，其网络化扁平型的组织结构特点，促使跨区域企业技术链、产品链、资金链、关系链的分化与组合，是实现技术创新战略的有效组织形式。虚拟企业为技术创新扩散创造了一个良好的平台，完善的交易网络、技术网络、社会网络促使人才的聚集和流动，增加创新活力和技术创新的适应性，降低技术采用的转换成本，实现社会资源的优化配置，对技术创新和技术创新扩散的作用日趋明显。本文以虚拟企业的技术创新扩散为研究对象，重在研究虚拟企业技术创新扩散的机理，以此为基础构建虚拟企业的人工神经网络模型。第一章，绪论。介绍了论文的研究背景和意义，介绍了国内外的相关研究，拟定了全文的研究内容、技术路线和研究方法，并提出论文的创新之处。第二章，相关文献综述。阐述了虚拟企业和技术创新扩散的基本理论，重点分析了虚拟企业的组织结构与基本特性，论证了虚拟企业对技术创新的扩散的重要作用。第叁章，虚拟企业技术创新扩散的机理。总结了虚拟企业技术创新扩散的影响因素，包括技术创新的特性、成员企业因素和扩散过程的复杂性；概括了虚拟企业技术创新扩散的叁种基本模式；分析了整个扩散的微观过程，认为虚拟企业的技术创新扩散是一个有着信息传播和共享平台的技术流动过程。第四章，虚拟企业技术创新扩散的神经网络模型。以神经网络理论为基础，以扩散主体成员企业为研究对象，以主体间与主体内部信息的流动、整合、创造过程为重点，模拟虚拟企业技术创新扩散的基本过程。第五章，基于神经网络的虚拟企业技术创新扩散平台。提出基于神经网络的虚拟企业技术创新扩散平台的组织结构，在此基础之上分析平台的复杂性，提出虚拟企业的信息管理和文化信任管理。第六章，结论与展望。对全文进行总结，并提出了自己的展望。(本文来源于《中国海洋大学》期刊2014-05-20）
尤文坚,李曼,吴子珎,黄彦钧[8]（2013）在《液晶电视背光板故障机理分析及智能检测——基于BP神经网络》一文中研究指出针对液晶电视背光板工作电压高、电流大及功耗大,因而故障率较高的问题,本文研究了液晶电视背光板的故障机理以及基于BP神经网络的智能检测。分析了背光板的故障模式以及出现故障的主要因素,包括插接件接触电阻变大、元器件失效、设计缺陷等,探讨了BP神经网络的原理、训练、测试以及在液晶电视背光板故障检测中的实现方法。研究结果对改进背光板的质量,为背光板的检修提供决策依据以及建立液晶电视智能检测专家系统有现实的意义。(本文来源于《制造业自动化》期刊2013年12期）
范军丽[9]（2012）在《结合神经网络的核电站—回路机理模型的研究》一文中研究指出本文通过神经网络与机理建模方法的结合，建立了核电站一回路系统主要模块的简化数学模型。将核电站一回路系统主要分为反应性估算模块、堆芯动态模块、堆芯换热模型、功率计算模块、蒸汽发生器模型、冷却剂泵模块和一回路管道模型。其中，利用神经网络与机理模型结合的建模方法对反应性估算模块进行建模，其他模块的建模均采用机理建模方法。对于反应堆反应性估算的建模，将影响反应性的因素分解为裂变毒物影响、化学溶剂影响、控制棒影响、多普勒效应影响和慢化剂效应影响。利用神经网络建模的方法分别建立了化学溶剂反应性模型、控制棒反应性模型、多普勒效应反应性模型和慢化剂效应反应性模型，根据各模型的影响因素选取合适的输入输出，进而建立神经网络模型，利用已知数据对神经网络进行训练，在满足误差要求的情况下，获得较理想的神经网络各节点的权值和隐层数目。另外，利用机理建模的方法建立反应堆最重要的两个毒物—钐和氙的反应性计算模型，在不同中子通量条件下，对反应性模型进行了扰动测试。由仿真结果得知，该模型具有良好的静态和动态特性。反应堆的另外一个重要模型是堆芯点堆动态模型，本文在瞬跳法的基础上，结合差分法进行点堆方程组的求解，通过与瞬跳法近似解的比较验证方法的合理性。蒸汽发生器是核电站一回路中一个重要的系统，本文将蒸汽发生器分成一回路区、金属区、二回路区叁个区域，并分别建立机理模型。另外，对于功率计算模型和冷却剂泵模型，均利用机理建模的方法进行了模型的搭建。通过对所建各模块的仿真结果分析，证明了各模块的合理性。(本文来源于《华北电力大学》期刊2012-12-01）
李鹏华[10]（2012）在《量子计算在动态递归与自组织神经网络中的机理及应用研究》一文中研究指出量子计算研究的重要意义已经为许多科学家所共识，特别是将量子计算与神经计算相结合而得到的量子神经网络，已成为人工智能计算发展的一个主流方向。经历十多年的迅速发展，量子神经网络中知识表示的独特结构与信息处理的高效性能，使其在许多理论领域中取得了显着效果，成为信息处理的一个有力工具，为解决一些传统神经网络极难求解的问题提供了全新的思路。为使量子神经网络的理论更加完善，并从理论走向实践，国内外许多专家学者，尤其是一大批年轻有为的国内外博士参与到这项研究中，为量子神经网络的发展作出了杰出贡献。本文在研究量子力学中一些原理和概念的基础上，将量子技术引入到神经网络中，通过对量子神经网络拓扑结构及其学习算法的设计，提出了几种量子神经网络模型。具体来讲，本文的工作可总结如下：①提出量子门Elman神经网络模型。新模型由量子比特神经元和经典神经元构成。量子物理规律被应用于量子比特神经元与经典神经元之间的相互作用之中。增加的量子映射层，用于解决由于信息量子化所带来的上下文单元输出与隐藏层输入之间模式不一致的问题。新提出的标准量子学习算法，包含相关量子门参数的更新。新提出的梯度扩展量子学习算法，采用时间调度策略调整学习率参数，利用梯度扩展使得上下文单元的权值与隐藏层的权值同步更新。新提出的带自适应死区向量估计的量子学习算法，采用自适应死区向量控制学习参数，并证明该算法在李亚普诺夫意义下的收敛性。②提出带时间延迟的量子Hopfield神经网络模型。从量子态演化规律出发，结合量子迭加原理和测量原理，提出带时间延迟的量子Hopfield神经网络模型，对Hopfield神经网络中的联想记忆机制，从概率角度给出新的诠释。新模型中，神经元状态及连接权值矩阵均采用量子态表示。当前时刻的量子态由前面若干个时刻的量子态迭加得到。在不同时刻的，与神经元相连接的量测矩阵，包含量子态在相应时刻被观测到的概率信息。在定义量子联想记忆中的量子记忆原型之后，通过计算量测矩阵中相关权值元素出现的概率值，得到量子关键输入模式在特定时刻，以特定量子记忆原型出现的概率。③提出具有弹性邻域半径的量子SOM神经网络模型。新模型将实数对象量子化为量子初始态，在量子门的作用下，初始态历经量子中间态被激化为激发态。与量子化权值相连接的量子激发态在量子学习规则的驱动下，被竞争层神经元感知，实现有序的拓扑映射。新提出的量子学习规则采用量子化权值与量子激发态之间的距离，以及量子化权值与量子激发态之间的相似度共同定义邻域核函数中的弹性半径，从而避免某些竞争层神经元因采用固定半径缩放而形成死区。④实现上述叁种量子神经网络在特定背景下的具体应用。针对特定工程对象，分析相关工程现状及需求，实现工程对象与叁种量子神经网络的有机结合。在短时载荷预测中，针对众多预测方法采用前馈类网络实现预测的现状，采用量子门Elman神经网进行载荷预测。在验证量子门Elman神经网络性能的同时，也提高电力载荷预测的准确性。在模拟电路故障诊断中，针对采小波分析和主元分析进行故障特征提取的前馈神经网络方法，通过小波包分析和新定义的能量函数提取故障特征，在检验新提出的基于Hopfield编码的故障诊断方法后，针对多故障耦合问题，采用量子Hopfield神经网络从概率角度对故障发生的机制进行新的诠释。在污水处理的出水水质预报中，针对处理过程的超强非线性和超大滞后性，采用量子SOM神经网络进行长时预报。在验证量子SOM神经网络性能的同时，提高预报的准确性。(本文来源于《重庆大学》期刊2012-10-01）
机理神经网络论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对目前许多图像重构算法存在重构出来的图像不清晰、分辨率低等问题,提出了一种基于编码-解码对称神经网络的高分辨率图像重构算法。首先将图像进行压缩获取低分辨率图像,然后将低分辨率图像作为输入图像经过编码-解码对称神经网络,并利用其中的卷积神经网络进行编码得到特征图像,最后再利用反卷积神经网络进行解码实现图像的细节恢复。实验结果表明,经过基于编码-解码对称神经网络重构出来的图像比之前的低分辨率图像更加清晰,图像的分辨率得到了提高。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
机理神经网络论文参考文献
[1].崔晨耕.神经网络算法与机理模型融合的冷连轧轧制力智能预报模型[J].计算机与现代化.2019
[2].熊锐,张雷洪,蒋周杰,王建强,覃榜道.基于编码-解码对称神经网络的高分辨率图像重构机理研究[J].光学仪器.2019
[3].陈晴光.大宗商品电子交易市场风险的预警机理研究——基于遗传BP神经网络[J].浙江万里学院学报.2016
[4].孙跃,谭晶晶,唐春森.IGBT机理建模及其基于神经网络的参数辨识方法[J].西南交通大学学报.2015
[5].梁丽,陈磊,李琦.基于神经网络和Volterra级数的机理模型优化[J].计算机仿真.2015
[6].陈鑫,朱明杰,吴敏,张小杨,戴耀辉.结合机理计算与神经网络预测的无缝钢管轧制力建模[J].冶金自动化.2015
[7].姜琳琳.基于神经网络的虚拟企业技术创新扩散机理研究[D].中国海洋大学.2014
[8].尤文坚,李曼,吴子珎,黄彦钧.液晶电视背光板故障机理分析及智能检测——基于BP神经网络[J].制造业自动化.2013
[9].范军丽.结合神经网络的核电站—回路机理模型的研究[D].华北电力大学.2012
[10].李鹏华.量子计算在动态递归与自组织神经网络中的机理及应用研究[D].重庆大学.2012
论文知识图
