导读:本文包含了感知器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:感知器,多层,网络,深度,卷积,直方图,神经网络。
感知器论文文献综述
陈通,周晓辉[1]（2019）在《基于BP神经网络的深层感知器预测模型》一文中研究指出众所周知,地方财政收入是国家的重要组成部分。科学合理地预测地方财政收入,能有效克服预算收支规模的随意性和盲目性。在大数据的浪潮中,善于利用数据进行财政收入的预测与分析,将大量繁琐零碎的数据转换成有用的决策信息具有非常重要意义。目前,财政收入组合预测模型大都采用的都是叁层神经网络结构;文章结合当前财政收入组合预测方法和深层学习思想,提出了一种基于BP神经网络的深层神经网络预测模型。它是四层神经网络结构,并以西安的财政收入数据为样本,与传统的BP神经网络预测模型进行比较,证明该模型具有学习精度高、收敛速度快、预测精度高等优点,具有广泛的应用性和实用性。(本文来源于《计算机与数字工程》期刊2019年12期）
王格格,郭涛,余游,苏菡[2]（2019）在《基于半监督学习的多层感知器生成对抗网络》一文中研究指出半监督学习通过充分利用大量无标记数据和少量有标记数据来改善学习性能,近年来已成为机器学习领域的研究热点.半监督生成对抗网络(SGAN)将生成对抗网络扩展到半监督学习,通过在原始无标记输入数据的基础上加入少量有标记数据,并将判别器转换成分类器输出分类结果,以此来解决传统分类问题中因有标记训练数据太少引起的过拟合问题.但SGAN判别器上的线性卷积层提取图像深层次特征的能力较弱,使其在半监督环境下对图像进行分类的准确率不高,且生成的图像质量较差.为此,提出半监督多层感知器生成对抗网络(SMPGAN).该网络采用多层感知器卷积层代替SGAN判别器上的线性卷积层来提高抽象层次,并在生成器上使用特征匹配进一步提高图像的分类精度.在不同数量的有标记样本辅助下,SMPGAN的分类精度和图像生成效果均有明显提升.(本文来源于《小型微型计算机系统》期刊2019年11期）
黄强,王永雄[3]（2019）在《感知器残差网络和超限学习机融合的3D物体识别》一文中研究指出目的随着3D扫描技术和虚拟现实技术的发展,真实物体的3D识别方法已经成为研究的热点之一。针对现有基于深度学习的方法训练时间长,识别效果不理想等问题,提出了一种结合感知器残差网络和超限学习机(ELM)的3D物体识别方法。方法以超限学习机的框架为基础,使用多层感知器残差网络学习3D物体的多视角投影特征,并利用提取的特征数据和已知的标签数据同时训练了ELM分类层、K最近邻(KNN)分类层和支持向量机(SVM)分类层识别3D物体。网络使用增加了多层感知器的卷积层替代传统的卷积层。卷积网络由改进的残差单元组成,包含多个卷积核个数恒定的并行残差通道,用于拟合不同数学形式的残差项函数。网络中半数卷积核参数和感知器参数以高斯分布随机产生,其余通过训练寻优得到。结果提出的方法在普林斯顿3D模型数据集上达到了94.18%的准确率,在2D的NORB数据集上达到了97.46%的准确率。该算法在两个国际标准数据集中均取得了当前最好的效果。同时,使用超限学习机框架使得本文算法的训练时间比基于深度学习的方法减少了3个数量级。结论本文提出了一种使用多视角图识别3D物体的方法,实验表明该方法比现有的ELM方法和深度学习等最新方法的识别率更高,抗干扰性更强,并且其调节参数少,收敛速度快。(本文来源于《中国图象图形学报》期刊2019年10期）
董超,冯俊健,田联房,郑兵[4]（2019）在《梯度纹理直方图与多层感知器船舶快速检测》一文中研究指出在动态的复杂环境中,受背景建模失效影响,传统船舶目标检测方法的精度较低。针对该问题,提出一种基于梯度纹理直方图特征与多层感知器的船舶快速检测算法。该算法利用多层感知器将目标的梯度与纹理的直方图进行特征融合,为船舶目标构建特征空间。首先,基于二值梯度的特征训练船舶候选区模型,以快速生成具有高召回率的少量船舶候选窗口,并在每个候选窗口提取梯度纹理直方图特征;其次,设计一个多层感知器作为船舶分类器,对提取到的梯度纹理直方图特征进行判别。实验结果表明,该算法在多个海上场景中船舶检测平均精确率达90.0%,平均执行时间为20.4 ms/frame,有效实现海上船舶精确与快速的检测。(本文来源于《红外与激光工程》期刊2019年10期）
王格格,郭涛,李贵洋[5]（2019）在《多层感知器深度卷积生成对抗网络》一文中研究指出生成对抗网络(GAN)是目前图像生成领域中一种新的、有效的训练生成模型方法。深度卷积生成对抗网络(DCGAN)作为GAN的一种延伸,将卷积神经网络引入到生成模型中进行无监督训练。但DCGAN的线性卷积层对于下层数据块是一个广义线性模型,其抽象层次较低,生成的图像质量不高,并且在模型性能度量方面仅以主观的视觉感受来评判图像质量。针对以上问题,文中提出了一种多层感知器深度卷积生成对抗网络(MPDCGAN),采用多层感知器卷积层取代广义线性模型在输入数据上进行卷积,以捕获图像更深层次的特征,并采用定量评估方法Frechet Inception Distance(FID)衡量图像生成质量。在4种基准数据集上的实验结果表明,采用MPDCGAN生成的图像的FID值与图像质量呈负相关关系,且图像生成质量随着FID值的降低得到了进一步的提高。(本文来源于《计算机科学》期刊2019年09期）
邢英梅,王竹君,王建萍,阚燕[6]（2019）在《基于多层感知器神经网络的人体尺寸预测研究》一文中研究指出准确、智能的人体尺寸预测技术,在互联网与服装业深度融合的当前,有助于服装企业提高服装制板的准确率和工作效率,提升企业的智能化水平。基于此,本文以成年男性为例,提出利用多层感知器神经网络构建人体尺寸预测模型,以期通过输入颈椎点高、胸围、腰围、臀围等易测的躯干部位尺寸,实现快速预测全臂长、上臂长、上臂围、大腿围等四肢部位尺寸。经过对网络的训练和仿真测试,以及对不同实验结果的分析,发现具有7个隐层神经元的神经网络性能相对最佳,可满足服装制板的基本需求,这表明用多层感知器神经网络预测人体尺寸是可行的,若进一步选择合适的数据集,网络模型的预测精度会进一步提高。(本文来源于《武汉纺织大学学报》期刊2019年04期）
宫金良,孙晓峰,张彦斐[7]（2019）在《多层感知器自监督在线修正的道路识别算法》一文中研究指出为解决自主移动机器人非结构化道路识别检测准确性、鲁棒性及实时性的问题,提出一种基于感兴趣区域(Region of Interest,ROI)与多层感知器(Multi-Layer Perceptron,MLP)为核心的自监督在线修正算法.首先,通过ROI算法规定被处理图像的有效计算区域;其次,利用多层感知器对样本数据进行训练,将感兴趣区域按相应特征实现分类处理,并对分类区域进行形态学处理及特征提取处理,筛选出有效的行驶区域;最后,通过自监督在线修正算法替换错误处理结果,进一步保障道路分类识别的准确性.实验结果表明,改进算法能准确地识别出环境中的道路区域,具有良好的实时性与可靠性.(本文来源于《交通运输系统工程与信息》期刊2019年04期）
陶冶,张书奎,张力,龙浩,王进[8]（2019）在《移动感知器网络中基于随机游走和协作关系的任务分发算法》一文中研究指出关于移动感知器网络中感知任务的分发问题,目前学术界已经有了诸多相关研究.然而,这些研究很少涉及到多个智能体协作完成复杂感知任务问题.针对这种情况,首先,通过分析移动感知器网络的结构特征、智能体相互之间、以及智能体和感知任务之间的关系,本文提出了智能体之间协作关系强度和智能体对感知任务适应度两个概念,并讨论了二者对于移动感知器网络中感知任务动态分发的作用.其次,在上述概念的基础上,将二者融合为偏好因子,提出了基于随机游走和协作关系的任务分发算法(TDCR,Task Distribution With Cooperative Relationship),通过该算法达到提高任务分发效率的目的.最后,将TDCR与Personal Rank算法(PR)、HITS算法对比分析,表明所提出的算法TDCR在任务分发效率和准确度等性能指标上有较好的提升.(本文来源于《电子学报》期刊2019年08期）
彭程,刘永涛,尤文强,马红梅[9]（2019）在《感知器在矿井突水水源识别中的应用》一文中研究指出针对使用BP和RBF等神经网络进行矿井突水水源识别时存在网络结构和训练算法复杂的问题,使用感知器进行矿井突水水源识别。以焦作矿区的突水水源识别问题为例,舍弃其中的Na~+和K~+两种离子的浓度信息,选择Ca~(2+)、Mg~(2+)、Cl~-、SO_4~(2-)和HCO_3~-五种离子的浓度为作为水源识别的依据,利用叁十五组数据进行训练,构建了六输入四输出的感知器模型。计算结果表明,感知器是一种有效的识别工具,对于不同的学习率和初始权值矩阵,训练后的感知器均能够正确进行水源识别。(本文来源于《中国矿业》期刊2019年07期）
郭丽,刘磊[10]（2019）在《基于多层感知器的流量分类方法研究》一文中研究指出为了解决现有流量分类方法识别准确率低、复杂度高、高速流量处理能力弱、对既定特征依赖程度高等问题,提出了一种新的流量分类方法。利用深度学习的思想识别复杂网络应用、感知应用内部服务。在多层感知器模型基础上,基于无监督学习算法训练多层感知器参数,基于有监督学习算法回溯调整,经过不断迭代优化分类器性能。为了获得更好的分类效果,引入了基于载荷熵值以及字节值的分类特征。实验结果表明,基于多层感知器的流量分类方法在复杂应用识别上具有较高的识别准确率,在应用服务感知上具有很高的精确率、更少的训练和测试时间。相比于其他机器学习算法,基于多层感知器的流量分类方法能够更加准确地识别复杂网络应用,更高效地感知应用内部服务。(本文来源于《电子测量与仪器学报》期刊2019年07期）
感知器论文开题报告
（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：
半监督学习通过充分利用大量无标记数据和少量有标记数据来改善学习性能,近年来已成为机器学习领域的研究热点.半监督生成对抗网络(SGAN)将生成对抗网络扩展到半监督学习,通过在原始无标记输入数据的基础上加入少量有标记数据,并将判别器转换成分类器输出分类结果,以此来解决传统分类问题中因有标记训练数据太少引起的过拟合问题.但SGAN判别器上的线性卷积层提取图像深层次特征的能力较弱,使其在半监督环境下对图像进行分类的准确率不高,且生成的图像质量较差.为此,提出半监督多层感知器生成对抗网络(SMPGAN).该网络采用多层感知器卷积层代替SGAN判别器上的线性卷积层来提高抽象层次,并在生成器上使用特征匹配进一步提高图像的分类精度.在不同数量的有标记样本辅助下,SMPGAN的分类精度和图像生成效果均有明显提升.
（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。
感知器论文参考文献
[1].陈通,周晓辉.基于BP神经网络的深层感知器预测模型[J].计算机与数字工程.2019
[2].王格格,郭涛,余游,苏菡.基于半监督学习的多层感知器生成对抗网络[J].小型微型计算机系统.2019
[3].黄强,王永雄.感知器残差网络和超限学习机融合的3D物体识别[J].中国图象图形学报.2019
[4].董超,冯俊健,田联房,郑兵.梯度纹理直方图与多层感知器船舶快速检测[J].红外与激光工程.2019
[5].王格格,郭涛,李贵洋.多层感知器深度卷积生成对抗网络[J].计算机科学.2019
[6].邢英梅,王竹君,王建萍,阚燕.基于多层感知器神经网络的人体尺寸预测研究[J].武汉纺织大学学报.2019
[7].宫金良,孙晓峰,张彦斐.多层感知器自监督在线修正的道路识别算法[J].交通运输系统工程与信息.2019
[8].陶冶,张书奎,张力,龙浩,王进.移动感知器网络中基于随机游走和协作关系的任务分发算法[J].电子学报.2019
[9].彭程,刘永涛,尤文强,马红梅.感知器在矿井突水水源识别中的应用[J].中国矿业.2019
[10].郭丽,刘磊.基于多层感知器的流量分类方法研究[J].电子测量与仪器学报.2019
论文知识图
