导读:本文包含了综合集成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,电容,综合评价,小波,分析法,证据,故障诊断。
综合集成神经网络论文文献综述
钱国超,邹德旭,颜冰,陈伟根,刘红文[1](2015)在《集成证据推理与多神经网络的电力变压器故障综合诊断》一文中研究指出电力变压器是电力系统中最为重要的设备之一,及早发现其潜伏性故障对于保障电网的安全稳定运行具有重要意义。文中结合变压器油色谱和电气预防性试验数据,提出一种基于多神经网络与证据推理的变压器故障综合诊断方法。结合神经网络的输出,将证据融合信度分配中的不可知部分分成由权重分配导致的不可知和信息缺乏导致的不可知两部分组成,优化证据推理算法,较客观地减少了诊断的不确定性。最后通过实例仿真表明该方法具有良好的诊断性能。(本文来源于《高压电器》期刊2015年09期)
钱国超,黄禾,邹德旭,颜冰,周骏[2](2014)在《集成证据推理与多神经网络的电力变压器故障综合诊断》一文中研究指出电力变压器是电力系统中最为重要的设备之一,及早发现其潜伏性故障对于保障电网的安全稳定运行具有重要意义。论文结合变压器油色谱和电气预防性试验数据,提出一种基于多神经网络与证据推理的变压器故障综合诊断方法;结合神经网络的输出,将证据融合信度分配中的不可知部分分成由权重分配导致的不可知和信息缺乏导致的不可知两部分组成,优化证据推理算法,较客观的减少了诊断的不确定性。最后通过实例仿真表明该方法具有良好的诊断性能。(本文来源于《物联网与电力新技术——2014年云南电力技术论坛论文集》期刊2014-12-08)
刘莹莹,张德虎,曹春建[3](2014)在《混流式水轮机综合特性的Adaboost_LMBP集成神经网络模型》一文中研究指出为提高基于模型综合特性曲线的混流式水轮机非线性模型精度,提出了一种适合描述水轮机综合特性的Adaboost_LMBP集成神经网络模型构建方法。该方法首先分别根据混流式水轮机单位力矩、单位流量特性数据,利用Levenberg-Marquardt算法反复训练出若干个BP神经网络弱学习器,然后采用Adaboost集成学习算法对全部BP神经网络弱学习器进行组合,最终构建出水轮机单位力矩、单位流量特性的Adaboost_LMBP集成神经网络模型。计算结果表明,相较于一般的神经网络模型,混流式水轮机综合特性的Adaboost_LMBP集成神经网络模型具有更高的拟合精度,更好的泛化性能,能够有效提升基于模型综合特性曲线的混流式水轮机非线性模型的计算精度。(本文来源于《中国农村水利水电》期刊2014年09期)
齐新战,刘丙杰,冀海燕[4](2010)在《基于聚类分析的综合神经网络集成算法》一文中研究指出研究神经网络集成是一种有效实用的分类方法,权值是影响神经网络集成性能的重要因素。为了克服神经网络集成固定权值的缺陷,提出一种基于聚类分析的综合神经网络集成算法。算法首先将样本分类,每类样本中加入其他样本类一定数量的中心样本,不同的神经网络学习不同类的样本。根据输入数据与样本类别之间的相关程度自适应调整集成权值。算法不仅用于自适应调整集成权值,而且是一种产生个体神经网络的训练方法。四个数据集上的仿真试验证实了算法的有效性。(本文来源于《计算机仿真》期刊2010年01期)
许成发[5](2008)在《集成神经网络在柴油机综合磨损系数估算中的应用研究》一文中研究指出本课题是在前人柴油发动机故障诊断系统研究的基础上,进一步研究柴油机综合磨损系数估算的方法。以东北大学设备诊断工程中心与沈阳军区65182部队合作的实际项目作为研究背景。本文主要针对柴油机综合磨损系数对柴油机磨损失效的影响进行分析探讨,并对柴油机综合磨损状况进行预测,以保证无论是直接或间接影响柴油机磨损的不利因素能及时被发现。将平均转速、机油压力、机油温度的影响作为自变量,磨损系数为非线性函数,采用人工神经网络的方法建立综合磨损系数与叁个参量之间的关系。给出柴油机磨损估算的新方法,这种方法所提供的磨损系数是切合实际的,利用此磨损系数计算的储备里程数的预测分析将为柴油机的良好运行提供条件。为了能完成神经网络的训练工作,需要大量的数据样本。由于条件所限,难于通过实测来得到所有数据。所以就要根据局部工况的部分数据去推导所有工况的全部数据。本文深入研究了局部数据的内在联系,合理的提出假设,成功的将数据拓展到多维空间。由于本课题数据量大,分类模式多,应用单一网络势必造成网络的结构过于庞大,网络的训练时间过长,甚至无法训练。针对此情况,从单个神经网络开始,从信息融合的角度建立了集成神经网络。探讨集成神经网络的实现策略和组建原则并给出了综合磨损系数估算的实例,证明该神经网络建模方法的可行性和估算结果的准确性。(本文来源于《东北大学》期刊2008-06-25)
邓大鹏,刘刚,李学德,花日茂,汤锋[6](2007)在《基于神经网络简单集成的湖库富营养化综合评价模型》一文中研究指出根据中国水利部推荐的地表水富营养化控制标准,以叶绿素a、总磷、总氮、化学需氧量和透明度为评价指标,采用线性插值方法生成均匀分布的训练样本,建立了用于湖泊、水库富营养化综合评价的神经网络简单集成模型,其个体网络采用反向传播网络。通过递增法分别确定个体网络隐含层节点数为3,集成规模为40。所有个体网络均采用弹性反传训练算法和带动量的梯度下降学习算法。将该模型应用于巢湖富营养化综合评价,结果表明该模型有效消除了单个反向传播神经网络对初始网络权重的敏感性,泛化能力得到显着的提高。该模型的评价结果与综合营养状态指数法差异极显着,而与插值评分法差异不显着;但相关性较高,相关系数分别为0.9406和0.8891。通过对比分析,表明该模型较好地归纳了评价标准中的潜在评价规则,评价结果客观、可靠。(本文来源于《生态学报》期刊2007年02期)
张宇[7](2005)在《人工神经网络在集成电容的分析与综合中的应用》一文中研究指出MIM (Metal-Insulator-Metal)电容和交指电容作为微波电路中的集总元件,常被作为射频旁路电容、隔直电容、电抗性负载,匹配调节器等出现在射频电路中。除此之外,它们在滤波器,功分器、合路器、耦合器,平衡/非平衡变压器方面应用也十分广泛,从前人对各种电容的研究工作中我们可以看到,不管是基于忽略某些微弱场效应而做出各种近似的等效电路法,还是基于各种数值算法的全波分析法,或者是基于实测结果的建库法,都很难同时满足人们在应用中对结果的准确性和有效性的要求。因此,如何对这些集成电容建立快速有效的计算模型成为人们研究的一个重要方向。在理论上,神经网络可以拟合任意非线性度的函数映射关系,因此近年来,人工神经网络强大的非线性输入输出映射能力吸引了越来越多人的关注。对于在电磁研究中的一些规模巨大,结构复杂,无闭式解析公式来直接计算的问题,神经网络无疑是一个很好的选择。集成电容的参数提取就是属于很难用准确的闭式解来解决的问题之一。本文采用了全波分析、等效电路模型、元件库和人工神经网络相结合的方法,用电磁仿真软件和元件库来得出集成电容的频率特性,然后根据我们提出的等效电路模型计算电容,再应用人工神经网络算法,训练出可以可靠逼近电容的几何结构参数和频率特性或电容之间非线性关系的网络。此神经网络我们称之为正向神经网络,即从电容的结构参数得出电容的频率特性及容值的网络。正向神经网络训练成功后,我们着手于训练逆向神经网络,即给出我们设计电路时需要的集成电容的容值,则可以通过逆向神经网络快速得到其有关的结构参数。和传统的搜索法比较,本文尝试了直接将神经网络的输入和输出互换,训练出逆向神经网络。一旦逆向神经网络训练好后,应用时只需要输入想要的系统响应,就可以立即由此网络综合出相应的元件结构参数,这样,不管是由几何结构参数计算响应或者由期望响应计算对应几何结构参数,计算的时间都几乎可以忽略不计。在本文中,我们主要针对四种结构的电容给出了正向和逆向的人工神经网络算例,这四种结构包括:两种端口馈电方式的交指电容和单、多层MIM电容。(本文来源于《东南大学》期刊2005-03-01)
高阳,王刚,夏洁[8](2004)在《一种新的基于人工神经网络的综合集成算法》一文中研究指出针对现有多目标综合评价中所存在的主观随机性和各种评价方法结果的差异性问题,依据层次分析法(AHP)、主成分分析法(PCA)和人工神经网络(ANN),提出了一种新的从定性到定量转换的综合集成算法,并用于多目标综合评价。该算法基于人工神经网络理论,吸收了层次分析法确定权值的技术和主成分分析法提取主因素的优点,建立了一个新的多目标综合评价模型———AHP PCA ANN模型。介绍了它的组成原理,给出了具体构成方法,描述了各个步骤的主要任务,通过全面质量管理综合评价的实例证明了有效性和可靠性。(本文来源于《系统工程与电子技术》期刊2004年12期)
叶锋[9](2002)在《基于神经网络的综合集成车牌识别技术的研究及其应用》一文中研究指出神经网络模式识别是近几年来兴起的模式识别领域的一个重要研究方向。与传统的模式识别相比,神经网络模式识别方法表现出来较强的自组织学习能力、容错性、鲁棒性以及非线性处理等优点,使得它在各个领域得到了广泛的应用。而车辆牌照的自动识别是计算机视觉与模式识别技术在智能交通领域的重要应用,是实现交通管理的重要环节。随着自动化水平的不断提高,在智能交通管理和监控系统中人们对车牌识别系统的准确性不断出新的要求,因此把两者进行有机的结合具有一定的理论意义和实践价值。 本文选择神经网络模式识别技术作为识别的方法,以车牌字符作为识别对象,进一步研究在干扰情况下的车牌识别问题,以提高车牌识别系统的整体识别能力。论文涉及了以下工作: 1、对文本图像二值化进行了研究,提出了一种基于SOFM(自组织特征映射网)网络的灰度图像二值化方法和彩色图像二值化方法。 2、选取了粗网格特征和方向线素特征作为字符的识别特征,并对粗网格特征进行了改进,同时对SOFM训练算法进行了优化。采用这种优化的算法,对分别使用上面两种特征作为输入的SOFM单一分类器进行数字、字母和省份汉字的识别研究。 3、对多特征输入、多神经网络集成的字符识别方法进行了研究,将Bp网络分类器与SOFM网络分类器相结合构造了一种综合集成的多网络分类器。 4、在理论研究的基础上,本文采用Visual C++6.0编程语言对相应的算法进行了实现,构造了一个车牌识别系统软件平台。 本文研究表明:采用多特征输入的综合集成网络分类器与单一分类器相比,可以有效地提高系统的抗干扰性和识别率,同时本文的综合集成识别方法对一般带有噪声干扰的车牌字符识别系统的设计有一定的参考、借鉴价值。(本文来源于《合肥工业大学》期刊2002-04-01)
综合集成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:
电力变压器是电力系统中最为重要的设备之一,及早发现其潜伏性故障对于保障电网的安全稳定运行具有重要意义。论文结合变压器油色谱和电气预防性试验数据,提出一种基于多神经网络与证据推理的变压器故障综合诊断方法;结合神经网络的输出,将证据融合信度分配中的不可知部分分成由权重分配导致的不可知和信息缺乏导致的不可知两部分组成,优化证据推理算法,较客观的减少了诊断的不确定性。最后通过实例仿真表明该方法具有良好的诊断性能。
(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。
综合集成神经网络论文参考文献
[1].钱国超,邹德旭,颜冰,陈伟根,刘红文.集成证据推理与多神经网络的电力变压器故障综合诊断[J].高压电器.2015
[2].钱国超,黄禾,邹德旭,颜冰,周骏.集成证据推理与多神经网络的电力变压器故障综合诊断[C].物联网与电力新技术——2014年云南电力技术论坛论文集.2014
[3].刘莹莹,张德虎,曹春建.混流式水轮机综合特性的Adaboost_LMBP集成神经网络模型[J].中国农村水利水电.2014
[4].齐新战,刘丙杰,冀海燕.基于聚类分析的综合神经网络集成算法[J].计算机仿真.2010
[5].许成发.集成神经网络在柴油机综合磨损系数估算中的应用研究[D].东北大学.2008
[6].邓大鹏,刘刚,李学德,花日茂,汤锋.基于神经网络简单集成的湖库富营养化综合评价模型[J].生态学报.2007
[7].张宇.人工神经网络在集成电容的分析与综合中的应用[D].东南大学.2005
[8].高阳,王刚,夏洁.一种新的基于人工神经网络的综合集成算法[J].系统工程与电子技术.2004
[9].叶锋.基于神经网络的综合集成车牌识别技术的研究及其应用[D].合肥工业大学.2002