导读:本文包含了结构自适应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,自适应,结构,水下,机器人,算法,分散。
结构自适应神经网络论文文献综述
潘兆东,刘良坤,谭平,周福霖[1]（2019）在《大型结构自适应学习率RBF神经网络滑模分散控制研究》一文中研究指出为了有效处理土木工程结构分散振动控制中子系统间相互影响力和外界荷载不确定性的影响,提出了自适应学习率RBF神经网络滑模分散控制算法(DALRBFSMC)。首先利用Lyapunov稳定性理论设计了仅依赖于子系统位移和速度响应反馈信息的滑模分散控制律,在此基础上,结合RBF神经网络理论和经典梯度下降法,引入Lyapunov函数,推导了调整RBF网络权值的自适应学习率,进而得到能实时调节滑模分散控制律切换增益项的自适应学习率RBF神经网络滑模分散控制算法(DALRBFSMC)。同时,针对子系统不同划分方式及子控制器之间存在重迭,提出了多种分散控制设计策略。对ASCE 9层Benchmark模型进行多种分散控制和集中控制设计。仿真分析结果表明,该分散控制算法适用于不同的分散控制策略,重迭分散控制策略较传统集中控制策略而言有更好的控制效果;同时能使分散控制系统内各作动器均处于功效最大状态。(本文来源于《工程力学》期刊2019年09期）
卞捷[2]（2018）在《基于结构自适应的神经网络预测NBA比赛结果》一文中研究指出文章使用结构自适应的BP神经网络对NBA的比赛结果进行预测,BP神经网络的结构将会通过文中提到的方法进行最优化,最终的预测准确率提高到了66%。(本文来源于《无线互联科技》期刊2018年20期）
闻辉[3]（2018）在《核自适应学习的RBF混合结构神经网络分类器研究》一文中研究指出分类是人类活动中最常见的决策任务之一。当前,用于分类的神经网络算法及模型已经广泛应用于科学、工业和医学等不同领域中。尽管各种神经网络算法及模型已经取得了较大发展,但由于算法及模型的差异性,以及不同的非线性问题所呈现出的多样性和复杂性,传统的神经网络分类器在某些复杂问题上其网络性能往往有限。典型的深度学习中的卷积神经网络,在网络结构上增加多个不同类型的隐藏层,可以实现对复杂问题的分类处理。一般的做法是先将输入样本经过卷积核的映射,其输出经过一系列的处理后,再与多层感知器(MLP)相级联,然后利用反向传播(BP)算法实现各层权值的更新。然而,将径向基核函数(RBF)与BP网络相级联处理,当前还没有很好地研究。针对有监督分类问题,本文以构造优化的神经网络分类器和相匹配的学习算法为实现目标,主要围绕RBF网络结构及核参数的优化选取、RBF混合结构神经网络分类器设计以及核整体划分思想的分类方法这几项内容展开,以完成不同非线性问题的优化分类。在研究过程中,取得了以下研究成果:1.提出一种前置核的RBF-BP混合结构神经网络。将RBF网络结构与BP网络结构进行级联调整,其中原有的RBF网络隐藏层的输出进行一定处理后与BP网络的隐藏层相级联。在该网络分类器当中,RBF网络用于实现原始样本的局部化核映射,BP网络用于非线性分类。通过这种方式,可以将RBF网络的局部非线性映射能力与BP网络的全局非线性分类能力相结合。实验结果表明,本文所提网络结构可以改善单一的RBF网络及BP网络的分类性能,同时降低了对RBF网络及BP网络隐节点参数选择的依赖。2.提出一种核数自适应学习的RBF-BP混合结构神经网络分类器。充分利用了每类训练样本的空间分布信息,通过引入势函数密度聚类的方式来度量样本空间不同区域的稀疏程度,从而建立相应的RBF隐节点完成对样本空间不同区域的覆盖,可以根据样本空间的分布情况自动增量构建RBF网络隐节点。实验结果表明,该方法可以实现对前置核RBF-BP神经网络分类器中RBF网络隐节点个数及中心的自动估计,并具有较好的分类性能。3.提出一种异类斥力核优化的RBF-BP混合结构神经网络分类器。在所提势函数密度聚类生成初始RBF网络隐节点的基础上,进一步将每个RBF网络隐节点所覆盖区域的邻域信息考虑进来,设计了面向中心的异类样本排斥力模型,完成对RBF网络部分隐节点中心、核宽以及隐节点个数的优化调整,并最终建立起整个网络模型的优化学习算法。理论上分析并证明了样本经过核结构自适应RBF网络后,其可分性增强的量化条件,阐明了核结构自适应RBF网络的优越性。实验结果表明,该方法具有良好的分类能力,尤其当样本空间维数较低且训练样本个数充分的基础上,该方法表现出特有的优势。4.提出一种核整体划分思想的RBF-BP混合结构神经网络分类器。该方法以RBF核作为整体的训练学习目标,从机理上阐述了核整体学习划分的优点。设计了RBF子核内部样本生成及优化筛选机制,以实现对RBF子核整体划分思想的逼近。在生成合适的样本集规模的基础上,再利用已有的网络分类器进行训练分类。实验表明,该方法可以有效改善训练样本集规模较小或维数过高导致的样本空间分布稀疏问题,提高了网络分类器的鲁棒性和泛化能力。5.提出一种核结构自适应的RBF-ELM混合神经网络分类器。该方法是对核自适应RBF混合结构神经网络分类器的推广。通过将异类斥力核优化的RBF网络与ELM网络相级联,其中异类斥力核优化的RBF网络用于实现样本空间不同区域的局部化核映射,ELM网络用于RBF核映射后样本的非线性分类,由此构成一种结构互补的优化网络模型。给出了核结构自适应的RBF-ELM混合神经网络分类器算法步骤。对异类斥力核优化的RBF网络可分性增强的量化条件进行了实验验证。多个数据集上的实验表明,该方法可以明显改善ELM网络的分类性能。(本文来源于《深圳大学》期刊2018-06-30）
夏江南,王杜娟,王延章,Yaochu,Jin,江彬[4]（2018）在《基于结构自适应模糊神经网络的前列腺癌诊断方法》一文中研究指出前列腺癌是近年来严重危害男性健康的疾病.利用模糊神经网络方法可以实现前列腺癌诊断,并将诊断模型表示为模糊规则集合.针对模糊神经网络所提取规则解释性差的问题,提出结构自适应模糊神经网络方法,通过改进损失函数,在训练中控制相似隶属度函数的合并,实现模糊神经网络模型结构自适应调整,减少模糊规则数量,在保证诊断准确性情况下,提取出容易理解的可解释性规则.同时该方法在模型的训练过程中引入粒子群优化(PSO)算法进行结构和参数学习,有效减少计算量,提高训练效率.最后,使用临床医学科学数据中心提供的前列腺疾病检查数据进行数值实验,验证了所提出方法在前列腺癌诊断和可解释性规则提取中的有效性.(本文来源于《系统工程理论与实践》期刊2018年05期）
李金林[5]（2018）在《水下机器人—机械手结构设计及自适应神经网络控制研究》一文中研究指出随着人类社会的发展,陆地上不可再生资源逐渐减少,海洋作为蕴含大量资源的宝库,已经成为全世界竞相研究和开发的对象。开发海洋需要先进的技术和装备,水下机器人作为海洋开发的重要装备受到人们的关注。随着对海洋开发进程的加快,对无人无缆自主式水下机器人(AUV)的功能提出了新的要求,要求其在探测功能基础上能够具有作业功能,因此需要在AUV上搭载机械手,构成作业型AUV,通过机械手与AUV载体协同控制完成作业任务。由于搭载了机械手,作业展开时会导致AUV载体的姿态变化,影响AUV载体-机械手系统的动力学性能,进而影响AUV的作业效果。因此,研究作业型AUV机械手展开对AUV载体-机械手系统动力学性能的影响以及对机器人姿态的控制方法,对于提高其作业质量和效率具有重要的研究意义和实用价值。为了研究作业型AUV姿态受机械手运动的影响规律及其控制方法,本文研制AUV载体-机械手实验样机。在实验室已有的小型自主式水下机器人载体“BeaverⅡ”的基础上,研制小型双关节水下电动机械手。针对“BeaverⅡ”载体开架式、体积小的特点,提出本文机械手的技术指标;进行关节驱动电机选型与所需功率计算,完成机械手两个关节的结构设计,完成关节与“BeaverⅡ”载体之间连接模块、关节间连接模块的结构设计;完成机械手各零部件的材料选择、完成检测机械手关节转动角度信息的角度传感器选型,设计传感器与机械手之间的连接方式和传感器密封方式;完成机械手的安装调试,对搭载机械手之后的“BeaverⅡ”载体进行水中重浮心调平。研究搭载机械手之后的“BeaverⅡ”载体的动力学性能,建立其纵倾和纵向两个自由度的动力学模型。针对机械手展开导致载体姿态变化的问题,分析搭载机械手后“BeaverⅡ”的受力情况,利用最小二乘法和BP神经网络学习方法,通过水池实验辨识纵倾和纵向动力学模型未知参数。为检验所建立的动力学模型的准确性,通过搭载机械手的“BeaverⅡ”载体进行水池实验验证。研究搭载机械手后的“BeaverⅡ”载体在机械手作业时姿态保持的控制方法。针对作业型水下机器人系统非线性、强耦合的特点,本文设计一种自适应神经网络控制方法,在该方法中,为降低模型不确定因素对载体AUV控制精度的影响,基于自适应神经网络方法对动力学模型中不确定因素进行单独逼近,并通过Lyapunov理论对本文控制器下的系统稳定性进行分析;通过机械手展开不同角度时的AUV艇体纵倾姿态和纵横倾复合姿态控制仿真实验,验证本文设计的自适应神经网络控制方法的有效性。对本文机械手展开作业时“BeaverⅡ”载体姿态保持问题进行水池实验研究。为验证本文设计的自适应神经网络控制方法的实际效果,本文以搭载机械手的“BeaverⅡ”为实验对象,进行多组水池姿态控制实验,并与典型的滑模控制方法进行对比。多组水池姿态控制实验为:1)在机械手以阶跃和正弦轨迹运动时,对AUV纵倾、横倾单独控制进行水池实验,以验证本文方法在机械手以不同规律运动时,对AUV单自由度姿态的控制效果;2)在机械手以阶跃和正弦轨迹运动时,对AUV纵横倾复合姿态控制进行水池实验,以验证本文方法对AUV复合姿态的控制效果;3)为验证该方法抵抗外界干扰的能力,本文进行模拟海流干扰下的纵倾、横倾单自由度姿态控制和纵横倾复合姿态控制水池实验。(本文来源于《哈尔滨工程大学》期刊2018-05-01）
潘兆东,谭平,刘良坤,周福霖[6]（2018）在《基于自适应RBF神经网络算法的建筑结构递阶分散控制研究》一文中研究指出针对建筑结构振动控制的递阶分散控制问题进行研究。首先,通过设置全局控制器消除子系统间的关联耦合;在此基础上,结合Lyapunov稳定性理论和RBF神经网络理论设计了仅依赖于子系统位移和速度响应反馈信息的自适应控制律,并利用差分进化(DE)算法对自适应RBF神经网络局部子控制器相关参数进行优化,建立了适用于建筑结构振动控制的自适应RBF神经网络递阶分散控制(ARBFHDC)算法。对ASCE 9层Benchmark模型进行递阶分散控制设计、优化及仿真分析。结果表明,不同地震激励下,基于ARBFHDC算法设计的递阶分散控制较传统集中控制而言有更好的控制效果,且能保障各子系统作动器处于最大功效工作状态。(本文来源于《土木工程学报》期刊2018年01期）
周军超,田建平,汤爱华[7]（2018）在《基于RBF神经网络的翻曲机器人自适应滑模变结构控制》一文中研究指出针对酿酒翻曲机器人关节抖振和控制存在的不确定性等问题,从动力学角度出发,结合机器人部件结构、材料和运动实际情况,提出一种基于RBF神经网络的线性反馈滑模变结构控制策略。通过线性反馈RBF神经网络系统实现对滑模变控制器不确定性的补偿,进一步改善控制效果。研究结果表明,文中提出的基于线性反馈RBF神经网络神经的滑模变结构控制策略,具有良好的位置控制精度和收敛速度,且能有效地削弱抖振。(本文来源于《自动化与仪表》期刊2018年01期）
萧辉,杨国来,孙全兆,葛建立,于清波[8]（2017）在《基于自适应神经网络的火炮身管结构优化研究》一文中研究指出针对火炮多学科优化设计存在计算量大、收敛慢和易陷入局部最优的问题,提出一种基于自适应径向基函数(RBF)神经网络的结构优化方法。编程计算火炮高低温压力曲线,并对ABAQUS有限元软件二次开发将其加载进有限元模型以获取身管的优化目标值,构建其与设计变量间自适应RBF神经网络模型。引入罚函数法处理约束条件,采用遗传算法在模型中求解寻优。每次优化迭代时利用建立的局部和全局分析模型分别选取更新点,增加样本点来更新神经网络,以提高神经网络的局部和全局预测能力。采用典型函数算例和某火炮身管结构多目标优化,实例验证了所提出优化策略的有效性。研究结果表明:身管优化后质量减小了6.63%,结构刚度提高了5.60%,最大等效应力减小了6.34%;与仅使用遗传算法相比,该方法所需的有限元模型调用次数降低了86.5%,运行时间减少了83.3%,为火炮结构设计和优化提供了参考。(本文来源于《兵工学报》期刊2017年10期）
刘志刚,许少华,杜娟,肖佃师[9]（2018）在《一种混合优化的结构自适应极限过程神经网络及应用》一文中研究指出为解决过程神经网络的隐层结构和训练速度问题,在极限学习机的基础上,提出一种混合优化的结构自适应极限过程神经网络.首先,采用在隐层中逐次增加过程神经元节点直至满足输出误差的方式完成模型结构自适应;然后,为消除冗余节点,提出对新增临时节点输出实施Gram-Schmidt正交化完成相关性判别;最后,构建一种量子衍生布谷鸟算法,对新增节点输入权函数正交基展开系数实施寻优.仿真实验以Mackey-Glass和页岩油TOC预测为例,通过对比分析验证所提出方法的有效性,仿真结果表明所得模型的逼近效率和训练速度有明显提高.(本文来源于《控制与决策》期刊2018年07期）
李伟林,廖恩红[10]（2017）在《自适应调节的隐节点神经网络结构优化算法》一文中研究指出为解决现有神经网络算法易陷入局部最优化的问题,根据隐节点对整个网络的贡献值大小,提出一种自适应的动态隐节点调节策略。根据网络的节点容量与输出精度,建立一个资源分配机制,结合隐节点的删除与分裂策略,实现在网络学习过程中对隐节点自适应地增加或删除,形成一个节点利用率高且结构分布合理的神经网络系统。实验结果表明,在不同信号下,该算法能够将误差控制在一个较为合理的数值内,保持较快的收敛速度,有效解决局部最优化问题。(本文来源于《计算机工程与设计》期刊2017年06期）
结构自适应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：
文章使用结构自适应的BP神经网络对NBA的比赛结果进行预测,BP神经网络的结构将会通过文中提到的方法进行最优化,最终的预测准确率提高到了66%。
（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。
结构自适应神经网络论文参考文献
[1].潘兆东,刘良坤,谭平,周福霖.大型结构自适应学习率RBF神经网络滑模分散控制研究[J].工程力学.2019
[2].卞捷.基于结构自适应的神经网络预测NBA比赛结果[J].无线互联科技.2018
[3].闻辉.核自适应学习的RBF混合结构神经网络分类器研究[D].深圳大学.2018
[4].夏江南,王杜娟,王延章,Yaochu,Jin,江彬.基于结构自适应模糊神经网络的前列腺癌诊断方法[J].系统工程理论与实践.2018
[5].李金林.水下机器人—机械手结构设计及自适应神经网络控制研究[D].哈尔滨工程大学.2018
[6].潘兆东,谭平,刘良坤,周福霖.基于自适应RBF神经网络算法的建筑结构递阶分散控制研究[J].土木工程学报.2018
[7].周军超,田建平,汤爱华.基于RBF神经网络的翻曲机器人自适应滑模变结构控制[J].自动化与仪表.2018
[8].萧辉,杨国来,孙全兆,葛建立,于清波.基于自适应神经网络的火炮身管结构优化研究[J].兵工学报.2017
[9].刘志刚,许少华,杜娟,肖佃师.一种混合优化的结构自适应极限过程神经网络及应用[J].控制与决策.2018
[10].李伟林,廖恩红.自适应调节的隐节点神经网络结构优化算法[J].计算机工程与设计.2017
论文知识图
