导读:本文包含了免疫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,免疫,算法,卷积,故障诊断,纱线,人工免疫。
免疫神经网络论文文献综述
周智勇,肖玮,田龙,胡培[1]（2019）在《基于免疫原理的径向基神经网络品位插值研究》一文中研究指出针对地质统计学方法的应用缺陷,基于径向基函数神经网络(RBF网络),结合免疫算法,开展矿石品位插值研究。利用RBF网络对样本数据进行分类及训练,通过免疫算法进行数据聚类分析,确定RBF网络的隐含层节点数、径向基函数中心向量及其宽度等参数。在此基础上,选取某典型矿山品位数据进行插值计算,将插值结果与品位真实值及克立格插值进行比较分析。研究结果表明:所给出的插值模型计算效率高,算法可以覆盖更多的训练数据,全局寻优能力强;插值结果具有较高的精度。当矿床无法满足地质统计学使用条件时,可考虑采用神经网络方法对矿石品位进行估值计算。(本文来源于《矿业研究与开发》期刊2019年04期）
刘向宇,田玉玲[2]（2019）在《B细胞免疫的卷积神经网络级联故障诊断》一文中研究指出针对故障诊断中特征提取不充分和复杂性,对未知故障无法学习,诊断模型自适应能力差的问题,提出一种B细胞免疫卷积神经网络的级联故障诊断模型。在检测阶段用并行的卷积神经网络对时间窗内振动信号的时域波形和频域波形分别进行特征提取,通过分类器对故障进行识别,对诊断结果进行可靠性评估;然后根据评估结果决定后续免疫过程;在遇见未知故障类型时,把卷积神经网络提取到的特征映射为抗原,通过B细胞算法对抗原进行学习,把生成的新检测器放入未知故障知识库中,完成未知故障的学习和识别。文中采用美国凯斯西储大学公布的轴承数据集,实验结果表明,提出的B细胞免疫卷积神经网络对已知故障识别准确率高于基于特征提取的相关技术,其检测准确率提高了4.86%左右,而且能够很好地学习和识别未知故障,自适应动态变化的环境。(本文来源于《现代电子技术》期刊2019年05期）
查刘根,谢春萍[3]（2019）在《免疫遗传神经网络算法的纱线原料性能反演》一文中研究指出探讨基于免疫遗传神经网络算法的纱线原料性能参数反演。以BP神经网络建立纱线原料性能参数正演模型,同时使用免疫遗传算法优化该网络的权值和阈值,以提高网络的预测精度和速度,在此基础上,以纱线强力值为对象再次通过免疫遗传算法构建反演模型,并对反演参数进行求解。通过真实数据训练仿真,反演精度达到了95%,验证了该方法的可行性与有效性。认为:该方法可为纺织企业的配棉工作和工艺设计提供有效的理论指导。(本文来源于《棉纺织技术》期刊2019年02期）
李栓柱,李登攀,李灿[4]（2019）在《基于免疫神经网络的双缸液压机同步PID控制》一文中研究指出为了提高双缸锻造液压机的同步运动控制精度,设计了免疫神经网络PID控制器。分析了双缸锻造液压机同步控制系统原理,建立了阀控液压缸数学模型;针对传统PID控制器不具有参数自适应整定的缺陷,使用免疫算法对系统状态进行监测,根据系统状态实时调整PID参数,使PID控制更具有时效性和有效性;免疫算法中抗体抑制调节函数的构建精度极大影响控制精度,鉴于BP神经网络对非线性函数的无限逼近能力,使用BP神经网络逼近抗体抑制调节函数;经仿真实验验证,设计的免疫神经网络PID控制器具有超调量小、同步跟踪误差小、鲁棒性高等优势。(本文来源于《机械工程师》期刊2019年02期）
查刘根,谢春萍[5]（2019）在《基于免疫遗传算法的BP神经网络在纱线条干预测上的应用》一文中研究指出为了避免因随机生成BP神经网络初始权值和阈值而带来的不确定性,以及得到更好的预测纱线条干CV值的精度和速度,借助免疫遗传算法对传统单一的BP神经网络进行权值和阈值的优化。免疫算法中特有的浓度调节机制有效地解决了遗传算法后期未成熟收敛的问题。利用Matlab构建单一的BP神经网络模型、遗传BP神经网络模型和免疫遗传BP神经网络模型进行纱线条干CV值的预测实验,通过仿真训练结果的对比分析可得出,免疫遗传算法优化的BP神经网络能够更准确、更快速、更稳定地完成纱线条干CV值的预测。(本文来源于《丝绸》期刊2019年02期）
程秋云,刘宁[6]（2018）在《基于免疫遗传算法优化的神经网络遥感图像分类研究》一文中研究指出分类是遥感图像应用的一个重要方面。论文使用免疫遗传算法,自适应确定遗传参数,通过疫苗提取,局部最优判断和动态接种几个算子,优化BP神经网络,充分利用免疫算法保持种群多样性的特点,加快BP算法的收敛速度,避免了神经网络训练速度慢、陷入局部极值的情况,有效提高了遥感图像分类精度。(本文来源于《数字技术与应用》期刊2018年08期）
孙浩水,王小平,王晓光,林秦颖[7]（2018）在《基于模糊免疫神经网络PID算法的全向底盘控制方法》一文中研究指出针对全向底盘控制的实际需求,提出了基于模糊免疫神经网络PID算法的智能控制方法。首先根据神经网络算法和模糊算法的结构特点建立了模糊神经网络模型,并使用误差反向传播的方法对模型进行训练;然后使用免疫算法确定学习率,实现了对PID参数的动态整定,并对底盘路径跟踪控制器参数进行整定,以实现对底盘的精确运动控制;最后建立了底盘的运动学模型,基于Matlab平台进行了相关算法的仿真,并基于Linux Ubuntu系统下Tensorflow框架搭建并训练了神经网络模型,进而实现了整体算法。轨迹跟踪试验表明:当底盘沿不同方向以5 m/s的速度进行轨迹跟踪时,最大误差为4.88cm,平均误差为0.25cm,该算法能够有效地对底盘进行控制,满足全向底盘控制的要求。(本文来源于《空军工程大学学报(自然科学版)》期刊2018年04期）
王晓建,朱婷涵,劳咏昶,黄丽丽[8]（2018）在《基于人工免疫优化神经网络的输变电工程造价评估》一文中研究指出提出了基于人工免疫优化神经网络的输变电工程造价评估模型,该模型以输变电工程造价影响因素为输入变量,造价评估值为输出值,利用人工神经网络在小样本学习领域的优越性,结合人工免疫全局参数优化算法,实现稳定有效的输变电工程造价评估,用以对工程造价管理进行指导。(本文来源于《浙江电力》期刊2018年07期）
刘向宇[9]（2018）在《免疫自适应的深度卷积神经网络故障诊断应用研究》一文中研究指出滚动轴承是机械设备的关键部件,对其进行的智能故障诊断技术已有许多应用,但仍然存在许多不足之处。滚动轴承时域和频域信号包含了其运行状态的重要信息,在基于振动信号特征提取的滚动轴承故障诊断算法模型中,首先对振动信号进行预处理和特征提取,然后输入分类器进行故障分类,这类故障诊断方法在特征提取时依赖人为经验选择,进而导致特征提取不全面、不充分的问题。本文把深度卷积神经网络和抗体免疫引入滚动轴承故障诊断领域,提出了一种免疫自适应的深度卷积神经网络滚动轴承故障诊断模型,利用深度卷积神经网络自适应的提取滚动轴承时域和频域信号特征,实现从原始数据到诊断结果的直接映射,使故障诊断过程更加的智能化,减少了人为因素的干扰。深度学习在滚动轴承故障领域已有应用,主要是针对已知故障的识别,在出现未知故障时无法进行自适应调整,必须重新训练模型,导致出现模型自适应能力差的问题。本文在滚动轴承出现未知故障时,把深度卷积神经网络作为特征提取器,利用免疫自学习特性生成未知故障检测器,用于该故障类型再次出现时进行快速诊断,实现未知故障的识别。针对自适应算法模型检测和学习时间长,故障诊断实时性的要求,提出了一种基于深度卷积神经网络的分组克隆快速诊断模型,在检测阶段通过时域和频域诊断结果对比确定故障类型,在学习阶段通过分组克隆策略和连续区域变异操作提高未知故障的学习效率。实验采用的数据集是美国凯斯西储大学公布的滚动轴承数据集,实验表明免疫自适应的深度卷积神经网络模型可以很好的识别已知滚动轴承的故障类型,比基于特征提取的故障诊断方法识别准确率高,而且能够对未知故障进行学习,再次识别准确率达到了98.32%。在故障程度检测方面,深度卷积神经网络模型能够提取信号波形的细微差别特征,判断出故障程度。提出的分组克隆策略快速故障诊断模型相比自适应算法模型,在保证识别准确率的前提下,检测和学习效率有了明显提高。(本文来源于《太原理工大学》期刊2018-06-01）
罗艳[10]（2018）在《基于量子免疫优化BP神经网络算法的变压器故障诊断研究》一文中研究指出变压器作为电力系统变换电压以利于功率传输的重要设备,其运行状态对电力系绍的安全性起着举足轻重的作用,对整体系统而言有着巨大的经济意义和安全意义。本文以电力变压器的稳固运行为目的,以现有的故障诊断技术为基础,结合变压器在变电站的实际运行,提出基于量子免疫优化BP神经网络的变压器故障诊断和基于支持向量机故障点定位算法,对变压器进行故障诊断和定位研究。本文主要研究工作如下:首先,结合变压器常见故障的特点,剖析绝缘油的产气机理以及特征气体与故障类型之间的复杂关系,通过对传统和人工智能两类诊断方法优缺点的比较,得出BP神经网络在理论上适用于故障诊断系统,但是BP神经网络在实际应用上还存在一些问题,对于故障判定的快速性和准确率还有待进一步的提高和优化。其次,针对BP神经网络存在学习能力有限及易困入局部极小点的缺陷,而量子免疫(QIA)具有全局搜索和寻优能力,本文采用扬长避短融合优化的思维方式提出基于QIA-BP的故障诊断方案。QIA采用量子位概率幅的编码方式扩充QIA对种群的整体搜索能力,提升该算法的运行效率;利用量子交叉和旋转门的动态调整实现种群的优化更新,使得搜索变得更为精确;QIA-BP在避免BP算法陷入局部最优的同时提高它的学习能力和运行效率。采用该算法对所建模型进行求解,并选用实例来验证所提算法的有效性。最后,在确定出变压器故障性质的基础上,设计基于二叉树的支持向量机(SVM定位系统,采用二叉树理论将变压器故障进行逐层的定位诊断,在对数据进行预处理、相关参数确定的基础上,通过案例分析,对算法的实际应用能力进行验证,运行结果符合设计要求,对变压器在故障定位方面的改善与提高具有一定的参考价值。(本文来源于《西安科技大学》期刊2018-06-01）
免疫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：
针对故障诊断中特征提取不充分和复杂性,对未知故障无法学习,诊断模型自适应能力差的问题,提出一种B细胞免疫卷积神经网络的级联故障诊断模型。在检测阶段用并行的卷积神经网络对时间窗内振动信号的时域波形和频域波形分别进行特征提取,通过分类器对故障进行识别,对诊断结果进行可靠性评估;然后根据评估结果决定后续免疫过程;在遇见未知故障类型时,把卷积神经网络提取到的特征映射为抗原,通过B细胞算法对抗原进行学习,把生成的新检测器放入未知故障知识库中,完成未知故障的学习和识别。文中采用美国凯斯西储大学公布的轴承数据集,实验结果表明,提出的B细胞免疫卷积神经网络对已知故障识别准确率高于基于特征提取的相关技术,其检测准确率提高了4.86%左右,而且能够很好地学习和识别未知故障,自适应动态变化的环境。
（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。
免疫神经网络论文参考文献
[1].周智勇,肖玮,田龙,胡培.基于免疫原理的径向基神经网络品位插值研究[J].矿业研究与开发.2019
[2].刘向宇,田玉玲.B细胞免疫的卷积神经网络级联故障诊断[J].现代电子技术.2019
[3].查刘根,谢春萍.免疫遗传神经网络算法的纱线原料性能反演[J].棉纺织技术.2019
[4].李栓柱,李登攀,李灿.基于免疫神经网络的双缸液压机同步PID控制[J].机械工程师.2019
[5].查刘根,谢春萍.基于免疫遗传算法的BP神经网络在纱线条干预测上的应用[J].丝绸.2019
[6].程秋云,刘宁.基于免疫遗传算法优化的神经网络遥感图像分类研究[J].数字技术与应用.2018
[7].孙浩水,王小平,王晓光,林秦颖.基于模糊免疫神经网络PID算法的全向底盘控制方法[J].空军工程大学学报(自然科学版).2018
[8].王晓建,朱婷涵,劳咏昶,黄丽丽.基于人工免疫优化神经网络的输变电工程造价评估[J].浙江电力.2018
[9].刘向宇.免疫自适应的深度卷积神经网络故障诊断应用研究[D].太原理工大学.2018
[10].罗艳.基于量子免疫优化BP神经网络算法的变压器故障诊断研究[D].西安科技大学.2018
论文知识图
