导读:本文包含了网络修剪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,算法,网络,锚杆,瓶颈,缺陷,特征值。
网络修剪论文文献综述
宋小飞,姚登银,王巍巍[1]（2019）在《基于5G网络下的全智能草坪修剪机器人设计》一文中研究指出本设计包括智能草坪修剪机器人、草坪修剪机无线充电系统、光伏充电系统、光伏双轴追踪系统、5G网络下智能控制系统以及全新机械设计。结合微信小程序开发和GPS精确定位实现远程控制。(本文来源于《科技风》期刊2019年15期）
王磊,乔俊飞,杨翠丽,朱心新[2]（2019）在《基于灵敏度分析的模块化回声状态网络修剪算法》一文中研究指出针对回声状态网络(Echo state network, ESN)的结构设计问题,提出基于灵敏度分析的模块化回声状态网络修剪算法(Pruning algorithm for modular echo state network, PMESN).该网络由相互独立的子储备池模块构成.首先利用矩阵的奇异值分解(Singular value decomposition, SVD)构造子储备池模块的权值矩阵,并利用分块对角阵原理生成储备池.然后利用子储备池模块输出和相应的输出层权值向量,定义学习残差对于子储备池模块的灵敏度以及网络规模适应度.利用灵敏度大小判断子储备池模块的贡献度,并根据网络规模适应度确定子储备池模块的个数,删除灵敏度低的子模块.在网络的修剪过程中,不需要缩放权值就可以保证网络的回声状态特性.实验结果说明,所提出的算法有效解决了ESN的网络结构设计问题,基本能够确定与样本数据相匹配的网络规模,具有较好的泛化能力和鲁棒性.(本文来源于《自动化学报》期刊2019年06期）
周宗玄,徐慧[3]（2018）在《分布式网络构造的减速修剪优化实现》一文中研究指出在大脑的神经网络发育过程中有大量的突触产生,然后随着时间的推移逐渐修剪。这种策略在设计工程网络结构时并不常用,因为添加一个即将被删除的连接是一种不必要的资源浪费。对于大型的分布式路由网络,超连通后的主动修剪显着增强了网络功能。而在优化网络结构方面,全局剪枝率起着至关重要的作用。通过对一个计算路由网络模型进行理论分析和仿真实验得出结论,降低速率可以使网络更加健壮和高效。(本文来源于《信息与电脑(理论版)》期刊2018年17期）
李东亮[4]（2018）在《基于修剪算法的无线传感器网络能量消耗研究》一文中研究指出无线传感网络有大量的传感器节点组成,所以在无线传感网络中传感器节点的能量消耗是主要的能量消耗部分。基于分簇协议引起的负载不均衡现象,采用修剪技术对节点的位置、担任簇头节点的次数和剩余能量叁者进行加权和分析的这种能量均衡算法,采用动态调整机制选择簇头节点。实验结果表明该算法增加传感器节点的使用时间,有效延长无线传感网络的寿命。(本文来源于《科技通报》期刊2018年07期）
王慧慧,王萍,刘涛,张博文[5]（2018）在《基于生长-修剪优化RBF神经网络的电能质量扰动分类》一文中研究指出针对电能质量扰动分类算法中径向基函数(radial basis function,RBF)神经网络隐层神经元的中心点数量、中心点位置、宽度、输出权值的设置问题,提出一种基于网络生长-修剪算法(GAP)的RBF神经网络电能质量扰动分类算法。首先,建立电能质量扰动模型,采用GAP算法实现对RBF神经网络的结构参数优化,设计相应的电能质量扰动分类算法流程图;其次,利用广义S变换、特征值提取、GAP-RBF神经网络对8种电能质量扰动进行处理。通过仿真分析,验证GAP-RBF神经网络对隐层神经元的参数优化能力,并给出优化算法的参数设定范围;仿真和实验结果表明,与同类算法相比,所提算法在保证分类准确度的前提下减少了隐层神经元的数量,且实现了RBF神经网络的参数自优化和继承式学习。(本文来源于《电网技术》期刊2018年08期）
刘阳[6]（2018）在《基于多层前向小世界网络的层间结构优化及其网络修剪算法的研究》一文中研究指出复杂性和复杂系统是21世纪的中间研究课题之一。复杂网络概括了复杂系统的特征。很久以来,许多学者认为典型的网络是由许多个节点和连接这些节点的边组成,网络是点和边的集合,用随机图来表示。后来,这种想法发生了根本性的变化,主要归功于计算机对数据的处理、运算能力的迅猛发展。于是人们开始研究复杂网络的统计特性和的拓扑结构特性,经研究发现,尽管许多网络具有非常明显的随机性和复杂性,但是也会出现可以用数学或统计语言来描述的模式和规律,其中最重要的就是小世界效应。近些年来,人们已经认识到人工神经网络模型与大脑神经网络存在着差距,生物神经网络既不是规则网络也不是随机网络,它是介于规则网络与随机网络之间的一种复杂的网络结构。小世界网络它既具有规则网络的较大的聚类系数,又具有随机网络的较小的平均路径长度,因此小世界网络的优越性引起了人们的关注。由于在BP算法误差反向传播的过程中,权值修正阶段很容易陷入到局部极小点,而且传统的BP算法收敛速度较慢。因此本文优化了BP算法,提高了网络的收敛速度并且减少了网络陷入局部极小的可能性。由于全连接的网络中隐节点过多,节点间连接过于紧密,因此会存在过度拟合的问题。换句话说,对于不在训练样本中的数据,网络的学习能力不强,导致网络的实用价值下降,因此我们亟待找到一个合适的网络结构。长期以来,人们往往凭经验来确定网络的结构,为了保障精度常常偏向于冗余。因此不但网络训练的过程所需时间变长、增加了学习算法在学习速度上的负担,而且所得到所谓网络的高精度很有可能是冗余节点所导致的,会出现过拟合的现象,具体表现为对于训练样本之外的数据其网络训练的精度急剧下降、网路的泛化能力比较弱。本文提出一个基于E指数信息熵多层前馈小世界网络的修剪算法。基于信息熵的原理,计算每个隐节点的熵值,将那些熵值没有明显变化或者熵值变化小于阈值的隐节点进行修剪,通过不断地训练网络直至网络趋于稳定。实验结果表明,使用修剪算法的网络相比于未修剪的网络在准确率方面有明显的提高,在误差方面也做到了相应的控制,并且在一定程度上改善了过拟合的问题。(本文来源于《吉林大学》期刊2018-04-01）
孙晓云,吴世星,韩广,田军,成琦[7]（2018）在《修剪型神经网络在锚杆锚固缺陷识别中的应用》一文中研究指出锚杆在桥梁、隧道、建筑等方面应用越来越广泛。在施工的过程中,由于地质条件、材料和施工等因素的影响,锚固系统会产生许多缺陷。这些缺陷都会对锚杆的寿命和安全性能造成影响,所以对锚杆的缺陷识别是一项很有价值的研究。人工神经网络作为一个智能的分类器,可以对锚杆的缺陷进行识别分类,提出一种自适应阈值前馈神经网络修剪算法,其实质是通过判断隐含层神经元在学习过程中对输出的贡献值,利用显着性指数作为指标来删除网络中的冗余节点,实现网络结构的动态优化调整。结果表明,该方法能够降低网络结构的复杂度,同时提高了锚杆缺陷分类识别的精度。(本文来源于《振动与冲击》期刊2018年05期）
吴世星[8]（2017）在《基于增长—修剪型神经网络在锚杆缺陷识别中的应用》一文中研究指出锚杆作为一种支护系统已被广泛应用于各大岩土工程中,为了保证锚杆在工程中的使用效果,避免发生重大事故,因此,对锚杆质量检测十分重要。传统的检测技术存在着明显的不足,而近些年发展起来的无损检测技术弥补了传统检测技术的不足,但是还没有形成一套完整的检测系统。神经网络以独有的非线性和自适应处理问题的能力,克服了传统识别锚杆缺陷的不足,使其在质量检测、模式识别等方面得到了迅速发展。本文通过神经网络自组织设计对锚杆进行缺陷识别,主要做了以下工作:(1)神经网络的参数设置,主要分析了学习率和隐含层神经元个数对网络性能的影响,采用凑试法对采集的实测锚杆信号和模拟锚杆信号分别进行缺陷识别,通过比较实验结果寻找最优学习率和适当的隐含层神经元个数。(2)基本神经网络在对锚杆缺陷识别时参数设置是基于经验值和试凑法得到的,操作相对复杂。此文采用自组织方法识别锚杆缺陷类型:分别从修剪和增长两方面进行自组织设计,提出了自适应删减阈值和自适应增长阈值作为对隐含层神经元修剪和增长的判定条件。在修剪和增长过程中可能会出现对隐含层神经元删减过度或过拟合的现象。对此,根据自适应判定条件设计了改进的增长-修剪型神经网络,实验结果表明,改进后的网络能够简化网络结构,实现网络结构的动态调整,降低网络的误差,提高锚杆缺陷识别的精度。(3)根据李雅普诺夫定理对改进的网络结构进行稳定性验证,当网络的学习率和隐含层神经元个数满足一定关系时,网络具有收敛性。(本文来源于《石家庄铁道大学》期刊2017-06-01）
曹政才,邱明辉,刘民[9]（2016）在《基于增长修剪型神经网络的半导体生产线动态瓶颈分析方法》一文中研究指出瓶颈设备是制约半导体生产线在制品水平、生产周期及准时交货率的关键因素,对其进行有效地分析能够提高生产线多性能.现有的分析方法主要是将瓶颈设备视为静态瓶颈,未考虑到生产线不确定因素所带来的动态漂移问题,这样容易造成以瓶颈设备控制为核心的调度算法缺乏柔性,降低算法实效性,因此,本文提出一种基于增长修剪型神经网络的动态瓶颈分析方法.该方法从设备相对生产负荷、利用率及缓冲区队列长度等方面,利用复合定义方法描述设备的综合瓶颈度,并结合瓶颈判定机制识别瓶颈;其次,通过构建增长修剪型神经网络模型预测生产线下一时刻瓶颈,借鉴闭环控制思想动态修正网络结构;再次,使用单因子试验法对影响瓶颈的关键参数进行分析以获得设备动态特性;最后,通过仿真验证方法的可行性和有效性.(本文来源于《电子学报》期刊2016年07期）
蒲兴成,林炎钦[10]（2014）在《基于显着性分析的神经网络混合修剪算法》一文中研究指出针对神经网络结构设计问题,提出了一种混合修剪算法。该算法首先利用合作型协同进化遗传算法和反向传播算法的不同优势,完成了对神经网络的结构和权值的初步调整;然后,在保证模型泛化能力的前提下,通过计算隐层神经元的显着性,借此修剪网络中显着性较小的神经元,进一步简化网络结构。最后,将给出的基于显着性分析的神经网络混合修剪算法用于股票市场的预测。仿真结果表明,该改进算法与其他优化算法相比,具有更好的泛化能力和更高的拟合精度。(本文来源于《智能系统学报》期刊2014年06期）
网络修剪论文开题报告
（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：
针对回声状态网络(Echo state network, ESN)的结构设计问题,提出基于灵敏度分析的模块化回声状态网络修剪算法(Pruning algorithm for modular echo state network, PMESN).该网络由相互独立的子储备池模块构成.首先利用矩阵的奇异值分解(Singular value decomposition, SVD)构造子储备池模块的权值矩阵,并利用分块对角阵原理生成储备池.然后利用子储备池模块输出和相应的输出层权值向量,定义学习残差对于子储备池模块的灵敏度以及网络规模适应度.利用灵敏度大小判断子储备池模块的贡献度,并根据网络规模适应度确定子储备池模块的个数,删除灵敏度低的子模块.在网络的修剪过程中,不需要缩放权值就可以保证网络的回声状态特性.实验结果说明,所提出的算法有效解决了ESN的网络结构设计问题,基本能够确定与样本数据相匹配的网络规模,具有较好的泛化能力和鲁棒性.
（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。
网络修剪论文参考文献
[1].宋小飞,姚登银,王巍巍.基于5G网络下的全智能草坪修剪机器人设计[J].科技风.2019
[2].王磊,乔俊飞,杨翠丽,朱心新.基于灵敏度分析的模块化回声状态网络修剪算法[J].自动化学报.2019
[3].周宗玄,徐慧.分布式网络构造的减速修剪优化实现[J].信息与电脑(理论版).2018
[4].李东亮.基于修剪算法的无线传感器网络能量消耗研究[J].科技通报.2018
[5].王慧慧,王萍,刘涛,张博文.基于生长-修剪优化RBF神经网络的电能质量扰动分类[J].电网技术.2018
[6].刘阳.基于多层前向小世界网络的层间结构优化及其网络修剪算法的研究[D].吉林大学.2018
[7].孙晓云,吴世星,韩广,田军,成琦.修剪型神经网络在锚杆锚固缺陷识别中的应用[J].振动与冲击.2018
[8].吴世星.基于增长—修剪型神经网络在锚杆缺陷识别中的应用[D].石家庄铁道大学.2017
[9].曹政才,邱明辉,刘民.基于增长修剪型神经网络的半导体生产线动态瓶颈分析方法[J].电子学报.2016
[10].蒲兴成,林炎钦.基于显着性分析的神经网络混合修剪算法[J].智能系统学报.2014
论文知识图
