导读:本文包含了动态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,动态,算法,卷积,模型,焦炉,时间。
动态神经网络论文文献综述
韩勇,周林,高鹏,王舒康,陈戈[1]（2020）在《基于BP神经网络的公交动态行程时间预测方法研究》一文中研究指出公交行程时间的精确预测对于提升公交吸引力具有重要意义。本文基于公交车到离站的历史数据,综合考虑时间周期、站点、站间距离、天气等多个因素,建立了基于BP神经网络的公交车静态行程时间预测模型,以该模型为基础,采用动态迭代的方法,迭加多个站间行程时间预测结果,进一步构建了面向连续站点的公交车动态行程时间预测模型,实现对跨越多个站点的公交行程时间预测。以青岛市125路公交为例对算法进行测试。在模型的横向对比实验中,本模型预测结果的绝对误差均在50 s以内,平均绝对误差百分比(MAPE)为11.74%,均方根误差(RMSE)为23.15,R~2的确定系数为0.905 1,SVM的MAPE、RMSE、R~(2 )误差指标分别为:12.38%、38.33、0.743 6,LR对应的误差指标分别为:12.50%、25.59、0.884 1;在静态模型与动态模型的对比实验中,动态模型预测结果的MAPE为11.75%,RMSE为23.15,静态模型对应误差指标分别为:11.63%、26.74。研究结果表明,基于BP神经网络的公交动态行程时间预测模型比传统的静态预测方法具有更高的预测精度。(本文来源于《中国海洋大学学报(自然科学版)》期刊2020年02期）
任振华,邵恩泽,雎刚[2]（2019）在《一种改进的动态过程神经网络模型辨识方法》一文中研究指出提出了一种改进的动态过程神经网络模型辨识方法,该方法在传统的模型输出与样本输出误差平方和性能指标基础上,添加了相邻采样周期模型输出变化量与样本输出变化量之差的平方和项,作为模型辨识性能指标的一部分,并给出了相应的模型辨识算法。以单元机组过热汽温为对象使用改进的方法进行神经网络模型辨识研究,仿真结果表明与传统神经网络模型辨识方法相比,在相同的辨识精度条件下,该方法可提高所建模型的数据拟合能力和泛化能力,有效提高模型的质量。(本文来源于《工业控制计算机》期刊2019年12期）
刘昕明,吕亮,罗伟[3]（2019）在《基于动态模糊神经网络逆系统的焦炉集气管压力解耦控制》一文中研究指出焦炉集气管压力系统具有多变量、强耦合、非线性和纯滞后等特点,难以建立准确的数学模型。文章采用基于动态模糊神经网络的逆系统方法对集气管压力系统进行解耦,建立逆系统解耦器,并且设计了集气管压力单神经元PID控制器。该方法有效地实现了多焦炉集气管压力解耦控制,能较好地满足多焦炉集气管压力控制的工艺要求。(本文来源于《无线互联科技》期刊2019年21期）
顾陈楠,曾晓勤[4]（2019）在《基于3D卷积神经网络的动态手势识别》一文中研究指出传统的2D卷积神经网络在进行视频识别时容易丢失目标在时间维度上的相关特征信息,导致识别准确率降低。针对该问题,本文采用3D卷积网络作为基本的网络框架,使用3D卷积核进行卷积操作提取视频中的时空特征,同时集成多个3D卷积神经网络模型对动态手势进行识别。为了提高模型的收敛速度和训练的稳定性,运用批量归一化(BN)技术优化网络,使优化后的网络训练时间缩短。实验结果表明,本文方法对于动态手势的识别具有较好的识别结果,在Sheffield Kinect Gesture (SKIG)数据集上识别准确率达到98.06%。与单独使用RGB信息、深度信息以及传统2D CNN相比,手势识别率均有所提高,验证了本文方法的可行性和有效性。(本文来源于《计算机与现代化》期刊2019年11期）
张晋博,丁传红[5]（2019）在《基于神经网络的模数转换电路动态误差源识别系统设计》一文中研究指出为提升信号识别电路的电量采集精度,实现理想状态下的电力误差校准,设计基于神经网络的模数转换电路动态误差源识别系统。以CNN神经网络作为模数转换电路的物理依赖环境,通过合理选取动态识别元件的方式,实现误差源识别系统的硬件运行环境搭建。在此基础上,将模拟电流转化成数字信号,再将其完整存储于系统数据库中,利用既定数学运算公式对已存储的数字信号进行识别精度提纯处理,实现误差源识别系统的软件运行环境搭建,联合相关硬件执行设备,完成基于神经网络的模数转换电路动态误差源识别系统设计。实际应用结果表明,在加压环境下,新型误差源识别系统的电量采集精度达到90%,单位时间内的信号识别量超过7.5×109TB,理想状态下信号识别电路的电力误差校准能力得到有效保障。(本文来源于《现代电子技术》期刊2019年21期）
汪颖翔,潘笑[6]（2019）在《基于改进Elman反馈型动态神经网络的配电网可靠性评估》一文中研究指出快速准确地进行配电网可靠性评估具有重要意义,然而传统的配电网可靠性评估方法并不适用于评估大规模配电系统的综合可靠性指标,对大规模电网的可靠性进行评估时往往会造成建模困难、计算量剧增的问题。因此,提出基于Improved-Elman(IElman)反馈型动态神经网络的配电网可靠性评估方法,即在Elman神经网络的承接层中加入自反馈连接增益系数来衡量历史信息对未来状态的影响程度,并通过思维进化算法对Elman神经网络的相关参数进行优化。在采用神经网络评估前,利用灰色关联度分析对神经网络的输入变量进行预处理。所提出的方法与普通神经网络评估模型相比,平均相对误差由5.43×10~(-4)降到7.32×10~(-5),表明该方法能够有效简化计算,提高神经网络对复杂问题的评估精度。(本文来源于《水电能源科学》期刊2019年10期）
张喆,刘阶萍,张予昊[7]（2019）在《基于BP神经网络的不确定性动态Job-shop调度研究》一文中研究指出针对作业车间调度的不确定和动态问题,围绕设备故障、订单追加、紧急订单插入3种典型的不确定性情况提出1种基于BP神经网络的重调度方法。当生产过程中发生不确定性事件对原先调度方案产生巨大扰动时,通过已构建且训练好的BP神经网络快速进行响应并生成1个重调度方案,保证整个生产过程高效、有序、稳定地运行。通过仿真实例验证了可行性。(本文来源于《机械制造与自动化》期刊2019年05期）
付明星,李悦冬,潘书磊,戴经纬,王雁冰[8]（2019）在《基于Elman神经网络的高压电缆导体温度动态计算方法》一文中研究指出导体温度作为运行电缆的关键状态参数,是影响电缆载流能力、绝缘性能的重要因素。针对传统方法难以克服电缆本身物性参数和外部环境变化影响的局限,构建了以电缆运行电流和电缆实时外表面温度为输入,以导体温度为输出的Elman神经网络模型,并引入粒子群算法优化网络的初始权值和阈值。最后,提出了具体的电缆导体温度动态计算方法,通过设计不同工况下电缆温升实验,进而验证了所提出方法的有效性。实验结果表明,所提方法的计算准确度可以不受电缆物性参数、负荷变化方式及外部环境变化的影响,有助于实现电缆导体温度的实时监测。(本文来源于《高压电器》期刊2019年10期）
蔡舒凌,李二兵,陈亮,高磊,濮仕坤[9]（2019）在《基于FA-NAR动态神经网络的隧洞围岩变形时序预测研究》一文中研究指出针对隧洞围岩变形动态性、对时间和空间的敏感性、非线性、高度复杂性等特征,为提高围岩变形预测精度,采用萤火虫算法(FA)搜索确定延时阶数和隐含层单元个数,并利用非线性自回归(NAR)动态神经网络进行预测,提出基于FA-NAR动态神经网络的隧洞围岩变形预测模型,结合北山坑探设施围岩变形监测数据进行预测,并将其与BP神经网络算法预测结果对比分析。结果表明:(1) FA-NAR动态神经网络的预测值与实测值基本吻合,其产生的平均绝对误差和平均相对误差分别约为BP神经网络的1/5和1/4,表明FA-NAR动态神经网络算法模型比BP神经网络算法模型预测精度高;(2)采用FA-NAR动态神经网络算法模型能够很好地解决围岩变形预测问题,既减少了人为输入网络参数的盲目性,又提高了网络的学习能力和预测精度。(本文来源于《岩石力学与工程学报》期刊2019年S2期）
陈艳,禹继国[10]（2019）在《基于概率路线图的动态环境下移动机器人路径规划的神经网络方法》一文中研究指出在不稳定的环境中,最短或最优的路径规划对移动机器人的有效运行至关重要.文章扩展了一种用于移动机器人实时路径规划的神经网络方法.本文使用概率路线图(Probabilistic Roadmap, PRM)来解决移动机器人在不稳定环境中的实时无碰撞运动规划问题.神经网络拓扑中的每个神经元都具有局部连通性,并且分流方程是其神经动力学特征.因此,计算复杂度与神经网络的大小成线性关系.实时机器人的运动取决于神经网络的动态环境,其中不需要任何先前的动态环境知识甚至学习过程.仿真结果证明了该方法的有效性和高效性.(本文来源于《曲阜师范大学学报(自然科学版)》期刊2019年04期）
动态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：
提出了一种改进的动态过程神经网络模型辨识方法,该方法在传统的模型输出与样本输出误差平方和性能指标基础上,添加了相邻采样周期模型输出变化量与样本输出变化量之差的平方和项,作为模型辨识性能指标的一部分,并给出了相应的模型辨识算法。以单元机组过热汽温为对象使用改进的方法进行神经网络模型辨识研究,仿真结果表明与传统神经网络模型辨识方法相比,在相同的辨识精度条件下,该方法可提高所建模型的数据拟合能力和泛化能力,有效提高模型的质量。
（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。
动态神经网络论文参考文献
[1].韩勇,周林,高鹏,王舒康,陈戈.基于BP神经网络的公交动态行程时间预测方法研究[J].中国海洋大学学报(自然科学版).2020
[2].任振华,邵恩泽,雎刚.一种改进的动态过程神经网络模型辨识方法[J].工业控制计算机.2019
[3].刘昕明,吕亮,罗伟.基于动态模糊神经网络逆系统的焦炉集气管压力解耦控制[J].无线互联科技.2019
[4].顾陈楠,曾晓勤.基于3D卷积神经网络的动态手势识别[J].计算机与现代化.2019
[5].张晋博,丁传红.基于神经网络的模数转换电路动态误差源识别系统设计[J].现代电子技术.2019
[6].汪颖翔,潘笑.基于改进Elman反馈型动态神经网络的配电网可靠性评估[J].水电能源科学.2019
[7].张喆,刘阶萍,张予昊.基于BP神经网络的不确定性动态Job-shop调度研究[J].机械制造与自动化.2019
[8].付明星,李悦冬,潘书磊,戴经纬,王雁冰.基于Elman神经网络的高压电缆导体温度动态计算方法[J].高压电器.2019
[9].蔡舒凌,李二兵,陈亮,高磊,濮仕坤.基于FA-NAR动态神经网络的隧洞围岩变形时序预测研究[J].岩石力学与工程学报.2019
[10].陈艳,禹继国.基于概率路线图的动态环境下移动机器人路径规划的神经网络方法[J].曲阜师范大学学报(自然科学版).2019