导读:本文包含了网络粒子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:粒子,算法,神经网络,网络,模型,链式,子群。
网络粒子论文文献综述
田海林,宋珂炜,董铂龙,方辉[1]（2019）在《基于粒子群神经网络的无刷直流电机控制方法》一文中研究指出在高性能、高精度的控制要求条件下,针对无刷直流电机(BLDCM)利用经典比例-积分-微分(PID)无法满足相关要求的问题,提出了一种神经网络在线整定的PID控制算法,并针对神经网络的缺陷,利用粒子群算法(PSO)进行了优化,力图使BLDCM在复杂多变的情况下响应性能更好、速度波动更小。设计了BLDCM控制板,搭建了实验平台,分析了BLDCM的控制模型,建立了神经网络控制模型,结合PSO对神经网络进行改进优化。实验结果表明优化后的算法收敛速度更快,BLDCM具有更好的动态响应性能,速度波动更小。(本文来源于《电力电子技术》期刊2019年12期）
张鹏程[2]（2019）在《基于粒子滤波与神经网络的工程勘察目标遮挡跟踪——评《通信工程勘察设计与概预算》》一文中研究指出随着全球信息化的到来,世界正经历一场由信息和信息技术为主导的革命。掌握以信息为载体的先进科学技术,是我国建设现代化强国,增强综合国力,提升国际竞争力的关键。目标跟踪技术作为计算机视觉学科中的组成部分,是一门跨学科涉及多领域的科学技术。目标跟踪能够自主获取信息并对信息进行分析判断,从而做出智能决策。主要运用在视频监控、交通管理、军事安全等领域。在目标跟踪的过程中,目标运动具有复杂性、特殊性,再加上复杂背景、光照强度、目标特征、目标尺度变化等多方面因素的干扰,目标追踪的效果受到严重影响。尤其是目标跟踪的遮挡问题,一直是目标跟踪过程中急需解决的难点,对跟踪算法和模型的精确程度要求较高,然而多数系统都(本文来源于《岩土工程学报》期刊2019年12期）
黄澄[3]（2019）在《基于粒子群优化的毫米波通信网络资源分配算法》一文中研究指出由于传统的信道资源分配问题解决速度慢且频率利用率较低,针对毫米波通信资源分配问题,设计了一种基于粒子群算法(PSO)的毫米波通信资源分配算法。在传统的粒子群优化算法求解信道分配问题的基础上,对于粒子群优化算法的缺点—易陷入局部最优解,提出了一种通过调整惯性权重的改进粒子群优化算法。仿真结果表明,与其他方法相比,改进后的粒子群优化算法具有更快的收敛速度和更高的收敛率。(本文来源于《物联网技术》期刊2019年11期）
何禹锟,高强,侯远龙[4]（2019）在《某定深电液伺服系统的粒子群优化神经网络PID控制》一文中研究指出为解决定深电液伺服系统的系统参数难以确定、运行过程中内部参数具有时变性和外部负载扰动较大等问题,设计一种将PID控制器与神经网络相结合的控制策略。分析定深电液伺服系统的数学模型和控制器的结构与工作原理,用径向基函数神经网络来动态修正PID控制器中控制参数的策略,采用粒子群算法离线选取最优的神经网络权值,用Matlab将控制器应用于定深电液伺服系统中,并与经典的PID控制器和RBF-PID控制器进行对比。仿真结果表明,该控制器具有较好的快速响应能力与鲁棒性。(本文来源于《兵工自动化》期刊2019年11期）
晁迎[5]（2019）在《基于压缩因子粒子群算法的通信网络规划优化》一文中研究指出为了解决无线网络规划中的基站合理分布规划的问题,采用4G基站规划模型,针对模型的参数难以确定,规划方法易陷入局部最优及早熟不稳定等缺点,采用自适应惯性权重、学习因子,带有收缩因子的粒子群优化算法对4G基站规划模型的参数寻找最优解。实验结果表明改进后的粒子群优化算法能够寻找模型的最优解,优化的4G基站规划模型能够有效提供与网络建设要求相符合的最优基站位置分布方案,为实际工程应用提供了参考依据。(本文来源于《信息通信》期刊2019年11期）
康帅,俞建成,张进,金乾隆,胡峰[6]（2019）在《基于粒子群优化神经网络的水下链式机器人直航阻力预报》一文中研究指出多单体水下机器人串联组成的水下链式机器人具有航行效率高、稳定性能好、搭载能力强等优势,对其直航阻力的精确预报可实现更有效的运动控制和更合理的动力编组。针对由于水下链式机器人各单体间耦合关系复杂及使用计算流体力学分析阻力耗时较长导致无法快速准确进行阻力预报问题,开展了水下链式机器人直航阻力预报研究。利用计算流体力学分析获得大量输入量(单体数量、航速和单体间间距)与输出量(直航阻力)样本数据,使用BP神经网络建立输入量与输出量模型关系,并通过粒子群算法优化神经网络的初始权值和偏差以改善BP神经网络易陷入局部极值点和过拟合等问题。由大量测试样本的预报结果可知:基于粒子群优化的BP神经网络算法比传统BP神经网络算法预报结果更准确,在给定不同速度和间距测试中均方误差分别降低了2.04×10~(–5)和7.40×10~(–6);在5单体水下链式机器人以0.25 m/s~2的加速度做匀加速运动过程中,基于粒子群优化的BP神经网络模型预报结果的平均相对误差为0.42%,精度较高。试验结果说明所提方法是可行且有效的。(本文来源于《机械工程学报》期刊2019年21期）
郭亚菲,樊超,闫洪涛[7]（2019）在《基于主成分分析和粒子群优化神经网络的粮食产量预测》一文中研究指出粮食产量的预测研究在粮食安全方面具有重要意义,神经网络可以较好地反映粮食产量这一复杂的非线性动态系统。但是传统的BP神经网络预测模型存在学习收敛速度慢、易陷入局部极小值等缺陷,为了改善这一缺陷,提出了一种基于主成分分析(PCA)和粒子群(PSO)优化神经网络的预测模型。首先计算各影响因素与粮食产量之间的相关系数,利用主成分分析方法降低影响因子的维度,将降维后的因子作为神经网络的输入,然后采用BP神经网络建立粮食产量预测模型,其中引入PSO算法对BP神经网络的权值和阈值进行优化,最后使用训练过的BP神经网络预测粮食产量值。预测结果表明,该模型可有效提高预测精度,且收敛速度快,全局收敛性好,为粮食产量预测提供了一种新的途径。(本文来源于《江苏农业科学》期刊2019年19期）
叶泽龙,吴明功,朱德山,温祥西[8]（2019）在《基于二进制粒子群算法的战时航空网络规划研究》一文中研究指出领空作为国家资源的一部分,其使用、调配关系到国家的安全与发展,在战时,将更多的空中资源调配给军航使用,有利于保障军事行动的顺利进行。基于此,提出一种基于二进制粒子群算法(BPSO)的战时航空网络规划方法。首先,对航空网络建模,收集航班数据;其次,建立航空网络性能评价体系;然后,以使用尽可能少的民航机场维持预期网络性能为目标,以作战意图和战场环境为约束条件,通过BPSO算法进行求解;最后,进行仿真分析。结果表明:该方法能够结合作战意图、反映战场环境、合理调配航空资源,为战时航空管制工作提供决策依据。(本文来源于《航空工程进展》期刊2019年05期）
吴慧玲,丁晓彬,贺广生,刘久富[9]（2019）在《判别类条件贝叶斯网络分类器的量子粒子群优化参数学习》一文中研究指出针对贝叶斯网络分类器在处理多属性分类问题时,存在分类精度下降、算法运行时间过长等问题,提出一种判别类条件贝叶斯网络模型。该模型在类条件贝叶斯模型的基础上,将条件对数似然函数以对数形式重新参数化,并使用量子粒子群优化算法最大化目标函数。新模型采用判别参数学习方法,直接计算条件概率,对于分类问题更加高效。本研究将判别类条件贝叶斯网络模型与TAN分类器相结合,使用量子粒子群算法进行优化,用于对液体火箭发动机的故障诊断与分类中。针对某型号火箭的仿真数据进行故障诊断与分类,与传统的贝叶斯分类器相比,改进的分类器在处理分类问题时,准确率和学习效率更高。(本文来源于《山东科技大学学报(自然科学版)》期刊2019年05期）
李义罡,焦朋朋,乔伟栋[10]（2019）在《基于改进粒子群优化BP神经网络的弯道转向行为预测》一文中研究指出为研究驾驶人视觉特性和弯道转向行为的内在联系,借助模拟驾驶器,选取50名驾驶人在3种不同半径的弯道上进行驾驶试验。在整理采集的试验数据后,分别比较驾驶人视觉特性(瞳孔面积变化率、扫视速度、扫视幅度)、弯道转向行为(方向盘旋转率、车辆侧向加速度)与弯道半径之间的关系,并进一步提出一种以驾驶人视觉特性为预测因素,基于BP神经网络的驾驶人弯道转向行为预测方法。为使BP神经网络适用于小样本量的预测情况,需引入改进粒子群算法对BP神经网络进行优化。对粒子群算法的改进之处主要体现为:在粒子群算法进行搜索的过程中,采用动态惯性权值与自适应方法,解决了一般粒子群算法中粒子快速趋同的问题。在模型训练的过程中,选取BP神经网络的误差作为改进PSO算法的适应值,由事先确定的最大迭代次数与误差范围共同决定迭代的终止条件。最后,分别使用基于BP神经网络的驾驶人弯道转向行为预测方法,与基于改进粒子群优化BP神经网络的驾驶人弯道转向行为预测方法,对弯道转向行为进行预测,结果表明:基于改进粒子群优化BP神经网络的弯道转向行为预测方法相较传统预测方法具有更高的预测精度,可以有效地预测驾驶人弯道转向行为。(本文来源于《公路交通科技》期刊2019年10期）
网络粒子论文开题报告
（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：
随着全球信息化的到来,世界正经历一场由信息和信息技术为主导的革命。掌握以信息为载体的先进科学技术,是我国建设现代化强国,增强综合国力,提升国际竞争力的关键。目标跟踪技术作为计算机视觉学科中的组成部分,是一门跨学科涉及多领域的科学技术。目标跟踪能够自主获取信息并对信息进行分析判断,从而做出智能决策。主要运用在视频监控、交通管理、军事安全等领域。在目标跟踪的过程中,目标运动具有复杂性、特殊性,再加上复杂背景、光照强度、目标特征、目标尺度变化等多方面因素的干扰,目标追踪的效果受到严重影响。尤其是目标跟踪的遮挡问题,一直是目标跟踪过程中急需解决的难点,对跟踪算法和模型的精确程度要求较高,然而多数系统都
（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。
网络粒子论文参考文献
[1].田海林,宋珂炜,董铂龙,方辉.基于粒子群神经网络的无刷直流电机控制方法[J].电力电子技术.2019
[2].张鹏程.基于粒子滤波与神经网络的工程勘察目标遮挡跟踪——评《通信工程勘察设计与概预算》[J].岩土工程学报.2019
[3].黄澄.基于粒子群优化的毫米波通信网络资源分配算法[J].物联网技术.2019
[4].何禹锟,高强,侯远龙.某定深电液伺服系统的粒子群优化神经网络PID控制[J].兵工自动化.2019
[5].晁迎.基于压缩因子粒子群算法的通信网络规划优化[J].信息通信.2019
[6].康帅,俞建成,张进,金乾隆,胡峰.基于粒子群优化神经网络的水下链式机器人直航阻力预报[J].机械工程学报.2019
[7].郭亚菲,樊超,闫洪涛.基于主成分分析和粒子群优化神经网络的粮食产量预测[J].江苏农业科学.2019
[8].叶泽龙,吴明功,朱德山,温祥西.基于二进制粒子群算法的战时航空网络规划研究[J].航空工程进展.2019
[9].吴慧玲,丁晓彬,贺广生,刘久富.判别类条件贝叶斯网络分类器的量子粒子群优化参数学习[J].山东科技大学学报(自然科学版).2019
[10].李义罡,焦朋朋,乔伟栋.基于改进粒子群优化BP神经网络的弯道转向行为预测[J].公路交通科技.2019
论文知识图
