导读:本文包含了线性神经网络论文开题报告文献综述及选题提纲参考文献，主要关键词:Adaline-LMM,谐波辨识,信号评估,拟合分析
线性神经网络论文文献综述
杜春晖,张晔[1]（2019）在《自适应线性神经网络LMM算法的谐波辨识技术研究》一文中研究指出介绍了组合适应线性神经网络最小平均值评估法(Adaline-LMM)对脉冲控制信号的拟合分析方法,用于对电力控制系统中的信号评估。通过对系统信号中的各个谐波分量的幅值和相位进行谐波辨识,并对Adaline的权重向量进行更新,同时对目标函数进行技术估计。其中,自适应神经网络中的权重向量由LMM算法进行迭代更新,通过最小平均值估计算法的引入,减小由于脉冲噪声引起的暂时波动的影响。通过对给定脉冲信号进行拟合,可以发现所提方法具有较高的计算精度。(本文来源于《现代电子技术》期刊2019年21期）
刘博,游旭群[2]（2019）在《基于PSO-BP神经网络的民航空乘人员安全绩效建模——兼与BP神经网络和多元线性回归对比分析》一文中研究指出客舱安全是民航安全最直接、最重要的组成部分,既是确保飞行安全的重要基础,更是民航安全运输管理系统的最后屏障。空乘人员作为客舱执勤人员,职责主要在于维护飞行安全,其安全绩效对于客舱安全的实现具有重要意义。目前,相关研究使用的研究方法主要以线性回归和结构方程模型等线性分析方法为主。然而,现实中变量间的关系往往不仅仅是简单的线性关系,同时更是一种复杂的非线性关系。因此线性研究方法在精度上存在一些无法克服的问题,应用也受到一定程度的限制。BP神经网络是应用最为广泛的人工神经网络之一,其具有良好的非线性映射逼近性能,可用于构建变量间的非线性模型。由于BP神经网络的初始权值和阈值是随机产生的,会导致其学习效率降低、陷入局部最优点,进而影响模型的精确度。本研究以通过主动性人格量表、安全态度量表和安全绩效量表对中国南方航空公司的710名空乘人员进行的调查结果为例,使用粒子群算法优化权值和阈值的BP神经网络(PSO-BP)构建了民航空乘人员主动性人格、安全态度与安全绩效之间关系的模型。作为对比,同时用BP神经网络与多元线性回归进行了建模。采用决定系数(R2)、均方根误差(RMSE),平均绝对误差百分比(MAPE)作为模型的评价标准。研究结果表明,在模型的拟合与预测性能上,PSO-BP神经网络>BP神经网络>多元线性回归。相信随着研究和应用的深入,智能算法与人工神经网络模型将在相关研究中得到更广泛的应用,从而可为制定提高民航空乘人员安全绩效的干预方案提供更加科学的支持。(本文来源于《第二十二届全国心理学学术会议摘要集》期刊2019-10-19）
佟秀秀,康志宏[3]（2019）在《基于多元线性回归和BP神经网络的单井能力预测》一文中研究指出为提高单井能力预测的精度和可靠性,提出利用地震属性数据,结合多元线性回归方法和BP神经网络方法进行预测。首先提取了研究区目的层的地震属性,然后利用多元线性回归方法和BP神经网络方法建立了单井能力与地质、地震属性之间的函数关系,得出了半定量-定量化的单井产量设计模型,并且验证了模型的预测结果。结果显示:单井能力预测精度总体在80%以上,其中BP神经网络模型预测精度更高,吻合度更好,证明了利用多种地震属性联合预测单井产能是一种卓有成效的方法。(本文来源于《科学技术与工程》期刊2019年29期）
黄兵,胥云,廖映华,石艳,李志荣[4]（2019）在《基于BP神经网络和多元线性回归的航发叶片铣削力预测研究》一文中研究指出针对航空发动机叶片加工过程中铣削力的变化预测和控制问题,通过研究铣削加工工艺系统的主要工艺参数,利用正交试验法确定了若干组工艺参数方案,建立了AdvantEdge FEM叶片二维铣削模型完成了叶片铣削仿真试验;提取了仿真试验的铣削力,通过方差分析确定了不同工艺参数对铣削力变化影响能力的强弱;利用影响能力强的参数设计了对比试验,建立了BP神经网络铣削力预测模型和多元线性回归铣削力预测模型,比较分析了两种预测模型对铣削力的预测能力。研究结果表明:铣削深度对铣削力变化的影响最大,其余影响较小;BP神经网络预测的准确度和稳定性整体上优于多元线性回归。(本文来源于《机电工程》期刊2019年08期）
刘虎,周野,袁家斌[5]（2019）在《基于多尺度双线性卷积神经网络的多角度下车型精细识别》一文中研究指出针对多角度下车辆出现一定的尺度变化和形变导致很难被准确识别的问题,提出基于多尺度双线性卷积神经网络(MS-B-CNN)的车型精细识别模型。首先,对双线性卷积神经网络(B-CNN)算法进行改进,提出MS-BCNN算法对不同卷积层的特征进行了多尺度融合,以提高特征表达能力;此外,还采用基于中心损失函数与Softmax损失函数联合学习的策略,在Softmax损失函数基础上分别对训练集每个类别在特征空间维护一个类中心,在训练过程中新增加样本时,网络会约束样本的分类中心距离,以提高多角度情况下的车型识别的能力。实验结果显示,该车型识别模型在Comp Cars数据集上的正确率达到了93. 63%,验证了模型在多角度情况下的准确性和鲁棒性。(本文来源于《计算机应用》期刊2019年08期）
李健,王海明,李勇,周岭[6]（2019）在《基于多元线性回归与BP神经网络分析南疆巴旦木结构物理特性》一文中研究指出运用多元线性回归与BP神经网络等多种数理统计手段对南疆巴旦木结构物理特性进行研究。基于多元线性回归及方差分析方法,对南疆巴旦木结构外形进行定义和物理参数测定,运用MATLAB软件得出,巴旦木长、宽、缝叁者之间不是简单线性关系,其外形近似为关于横、竖、纵3椭圆截面对称的扁壳体;在测定对应的巴旦木果仁质量后,运用3层BP神经网络结构寻找巴旦木结构外形与果仁质量间的关系,建立相应质量预测模型。可在不破坏巴旦木外壳的情况下,通过长、宽、缝来预测巴旦木果仁的质量,从而为巴旦木无损品质分级及破壳装置设计提供理论基础。(本文来源于《江苏农业科学》期刊2019年12期）
陈世杰,唐秋华[7]（2019）在《优化神经网络用电量预测性能的多元线性回归方法》一文中研究指出电网电能难以储存,其准确预测可用于指导发电计划,是电力系统运行的基础。针对用电量预测中需求波动幅度大与需求变动趋势不确定的特点,基于已有的用电数据,运用多元线性回归预测与时间序号、月度、日期、小时等因素直接相关的用电量趋势,实现用电量的宏观量级控制。其次,采用不同神经网络预测实际值与趋势值之间的偏移量,推演用电量的微观波动规律,进一步推算预测用电量。算例证明,融合多元线性回归和神经网络的预测方法减小了总体预测误差,其预测精度高于没有多元线性回归处理的神经网络。(本文来源于《机械设计与制造》期刊2019年06期）
刘太君[8]（2019）在《基于深度神经网络的5G宽带射频功放数字预失真线性化技术研究》一文中研究指出本报告将讨论使用几种不同的深度神经网络对5G宽带射频功放进行数字预失真线性化的问题。首先回顾采用诸如各种径向基函数神经网络、前馈神经网络等传统神经网络对射频功放进行数字预失真线性化时所表现出的性能差异。在此基础上,重点讨论如何使用卷积神经网络(CNN)、循环神经网络(RNN)、长短期神经网络(LSTM)、对抗神经网络(GAN)等深度神经网络对5G宽带射频功放进行数字预失真线性化。最后,通过一些在5G射频功放原型上获得的实验结果,对各种深度神经网络的线性化能力进行实验验证。(本文来源于《2019年全国微波毫米波会议论文集（下册）》期刊2019-05-19）
刘嘉蔚,李奇,陈维荣,蒋璐,余嘉熹[9]（2019）在《基于概率神经网络和线性判别分析的PEMFC水管理故障诊断方法研究》一文中研究指出为了准确迅速判断质子交换膜燃料电池(proton exchange membrane fuel cell,PEMFC)水管理子系统故障,提出基于概率神经网络(probabilistic neural network,PNN)和线性判别分析(linear discriminant analysis,LDA)的PEMFC水管理故障诊断方法。该方法采用归一化消除原始数据参量之间的量纲影响,使用线性判别分析对归一化后的变量进行特征提取。不但可以将原始实验数据映射到同一区间内,而且能有效降低数据维度。利用概率神经网络对5维故障特征向量实现水管理故障诊断。17086组PEMFC水管理故障样本的诊断结果表明:所提方法能有效识别正常状态、水淹故障和膜干故障共3种水管理健康状态,训练集和测试集的诊断正确率分别为99.80%和93.48%,运算时间仅为14.04s。与BPNN和LDA-BPNN相比:新方法测试集的预测精度分别高出17.47%和2.75%,计算时间分别节省39.83s和28.37s。因此,新方法能快速准确地诊断PEMFC水管理故障。(本文来源于《中国电机工程学报》期刊2019年12期）
马力,王永雄[10]（2019）在《基于稀疏化双线性卷积神经网络的细粒度图像分类》一文中研究指出针对双线性卷积神经网络(B-CNN)在细粒度图像分类中因参数过多、复杂度过高而导致的过拟合问题,提出稀疏化B-CNN.首先对B-CNN的每个特征通道引入比例因子,在训练中采用正则化方法对其稀疏.然后利用比例因子的大小判别特征通道的重要性.最后将不重要特征通道按一定比例裁剪,消除网络过拟合,提高关键特征的显着性.稀疏化B-CNN属于弱监督学习,可实现端到端训练.在FGVC-aircraft、Stanford dogs、Stanford cars这3个细粒度图像数据集上的实验表明,稀疏化B-CNN的准确率高于B-CNN,也优于或基本接近其它通用的细粒度图像分类算法.(本文来源于《模式识别与人工智能》期刊2019年04期）
线性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：
客舱安全是民航安全最直接、最重要的组成部分,既是确保飞行安全的重要基础,更是民航安全运输管理系统的最后屏障。空乘人员作为客舱执勤人员,职责主要在于维护飞行安全,其安全绩效对于客舱安全的实现具有重要意义。目前,相关研究使用的研究方法主要以线性回归和结构方程模型等线性分析方法为主。然而,现实中变量间的关系往往不仅仅是简单的线性关系,同时更是一种复杂的非线性关系。因此线性研究方法在精度上存在一些无法克服的问题,应用也受到一定程度的限制。BP神经网络是应用最为广泛的人工神经网络之一,其具有良好的非线性映射逼近性能,可用于构建变量间的非线性模型。由于BP神经网络的初始权值和阈值是随机产生的,会导致其学习效率降低、陷入局部最优点,进而影响模型的精确度。本研究以通过主动性人格量表、安全态度量表和安全绩效量表对中国南方航空公司的710名空乘人员进行的调查结果为例,使用粒子群算法优化权值和阈值的BP神经网络(PSO-BP)构建了民航空乘人员主动性人格、安全态度与安全绩效之间关系的模型。作为对比,同时用BP神经网络与多元线性回归进行了建模。采用决定系数(R2)、均方根误差(RMSE),平均绝对误差百分比(MAPE)作为模型的评价标准。研究结果表明,在模型的拟合与预测性能上,PSO-BP神经网络>BP神经网络>多元线性回归。相信随着研究和应用的深入,智能算法与人工神经网络模型将在相关研究中得到更广泛的应用,从而可为制定提高民航空乘人员安全绩效的干预方案提供更加科学的支持。
（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。
线性神经网络论文参考文献
[1].杜春晖,张晔.自适应线性神经网络LMM算法的谐波辨识技术研究[J].现代电子技术.2019
[2].刘博,游旭群.基于PSO-BP神经网络的民航空乘人员安全绩效建模——兼与BP神经网络和多元线性回归对比分析[C].第二十二届全国心理学学术会议摘要集.2019
[3].佟秀秀,康志宏.基于多元线性回归和BP神经网络的单井能力预测[J].科学技术与工程.2019
[4].黄兵,胥云,廖映华,石艳,李志荣.基于BP神经网络和多元线性回归的航发叶片铣削力预测研究[J].机电工程.2019
[5].刘虎,周野,袁家斌.基于多尺度双线性卷积神经网络的多角度下车型精细识别[J].计算机应用.2019
[6].李健,王海明,李勇,周岭.基于多元线性回归与BP神经网络分析南疆巴旦木结构物理特性[J].江苏农业科学.2019
[7].陈世杰,唐秋华.优化神经网络用电量预测性能的多元线性回归方法[J].机械设计与制造.2019
[8].刘太君.基于深度神经网络的5G宽带射频功放数字预失真线性化技术研究[C].2019年全国微波毫米波会议论文集（下册）.2019
[9].刘嘉蔚,李奇,陈维荣,蒋璐,余嘉熹.基于概率神经网络和线性判别分析的PEMFC水管理故障诊断方法研究[J].中国电机工程学报.2019
[10].马力,王永雄.基于稀疏化双线性卷积神经网络的细粒度图像分类[J].模式识别与人工智能.2019
标签：Adaline-LMM; 谐波辨识; 信号评估; 拟合分析;