导读:本文包含了弹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:航班延误预测,随机森林,弹性神经网络,特征选择
弹性神经网络论文文献综述
周洁敏,戴美泽,卢朝阳,周凯[1]（2019）在《基于弹性神经网络的航班延误时间预测》一文中研究指出航班延误受到多种因素的交叉影响,导致航班延误数据分布不规律,难以从传统统计学的角度准确预测航班延误时间,因此以减少数据过拟合为目标,利用随机森林特征选择模型筛选21个重要特征,引入正则化L1、L2范数,建立弹性神经网络预测模型,对航班落地延误时间进行预测。预测结果为:±3 min容差内的准确率达到83.954%,±5 min容差内的准确率达到94.431%,结果表明该模型能够提高航班延误预测的准确率。(本文来源于《航空计算技术》期刊2019年05期）
张浩,孙辉,王晓毅,姜博午,芦永明[2]（2019）在《基于卷积神经网络的倾角域弹性波逆时偏移噪音压制方法》一文中研究指出随着计算技术的发展,弹性波逆时偏移(ERTM)方法可行性日益增强。它可以提供更多地下结构的物理信息。然而,偏移噪音降低了ERTM的成像分辨率。为了获得更高分辨率的地震成像,本文介绍了一种在ERTM生成的倾角域成像道集中使用卷积神经网络(CNN)实现偏移噪音压制的方法。该方法通过在倾角域识别主要的反射波能量,剔除对成像贡献不大的部分,从而实现去噪,可显着提高ERTM的成像质量。该方法由叁个步骤组成:首先,利用坡印廷矢量方法逐炮生成ERTM的倾角道集;然后,将所有的倾角道集按照炮点迭加;最后,利用CNN在倾角域进行去噪约束孔径预测,以抑制串扰效应,提高ERTM的成像质量。卷积神经网络拾取约束函数方法是一个端到端的深度学习过程,一旦网络经过训练得到适合权系数和偏置,可以在不需要额外人工干预的情况下实现自动拾取。数值算例验证了该方法的可行性和实用性。(本文来源于《中国石油学会2019年物探技术研讨会论文集》期刊2019-09-09）
冯明皓,张天伦,王林辉,陈荣,连少静[3]（2019）在《改进的弹性网模型在深度神经网络中的应用》一文中研究指出由于具有较高的模型复杂度,深层神经网络容易产生过拟合问题,为了减少该问题对网络性能的不利影响,提出一种基于改进的弹性网模型的深度学习优化方法。首先,考虑到变量之间的相关性,对弹性网模型中的L1范数的不同变量进行自适应加权,从而得到L2范数与自适应加权的L1范数的线性组合。其次,将改进的弹性网络模型与深度学习的优化模型相结合,给出在这种新正则项约束下求解神经网络参数的过程。然后,推导出改进的弹性网模型在神经网络优化中具有群组选择能力和Oracle性质,进而从理论上保证该模型是一种更加鲁棒的正则化方法。最后,在多个回归问题和分类问题的实验中,相对于L1、L2和弹性网正则项,该方法的回归测试误差可分别平均降低87.09、88.54和47.02,分类测试准确度可分别平均提高3.98、2.92和3.58个百分点。由此,在理论和实验两方面验证了改进的弹性网模型可以有效地增强深层神经网络的泛化能力,提升优化算法的性能,解决深度学习的过拟合问题。(本文来源于《计算机应用》期刊2019年10期）
张惠,卫晓娟,丁旺才[4]（2019）在《一类弹性碰撞振动系统周期倍化分岔预测及其神经网络控制》一文中研究指出针对一类单自由度含间隙和预紧弹簧的弹性碰撞振动系统的分岔控制问题,提出了一种基于Lyapunov指数及径向基函数神经网络的分岔预测及控制方法。首先建立了系统的Poincaré映射,推导了弹性碰撞振动系统周期运动存在的条件,研究了在主要分岔参数平面中的动力学分布;其次利用Lyapunov指数分析了系统的稳定性,提出利用追踪Lyapunov指数谱分岔点来预测周期倍化分岔发生的方法;最后基于径向基函数神经网络设计了参数反馈分岔控制器、基于周期倍化分岔点处的最大Lyapunov指数构造适应度函数,并利用Lyapunov指数判断是否实现了分岔控制,以引导自适应混合引力搜索算法对控制器的参数进行优选,从而实现周期倍化分岔控制。(本文来源于《振动工程学报》期刊2019年04期）
张淑清,杨振宁,张立国,苑世钰,王志义[5]（2019）在《基于弹性网降维及花授粉算法优化BP神经网络的短期电力负荷预测》一文中研究指出电力负荷预测为电力系统规划和运行提供可靠的决策依据。随着智能电网的全面发展,数据采集与监视控制系统(SCADA)获取数据量增加,数据的结构也更加复杂,负荷的频繁变化以及地区性的气象因素等都将影响负荷的预测的准确性。提出一种弹性网(EN)进行大数据降维以及花授粉算法(FPA)优化BP神经网络的短期电力负荷预测方法。首先采用弹性网对负荷和气象等高维大数据进行选择和降维。弹性网通过在惩罚项中添加L1范数和L2范数,兼具了最小绝对值收缩及变量选择(LASSO)和岭回归的优点,克服了LASSO降维时因为数据内部存在共线性和群组效应而影响降维效果的问题;然后,考虑到BP神经网络权值和阈值容易受到初值的影响、收敛速度慢以及容易陷入局部最优,引入花授粉算法(FPA)优化BP神经网络,通过与粒子群算法(PSO)对比得出花授粉算法寻优速度更快,效果更好。本文方法应用于实际电力负荷预测,结果表明能有效提高预测精度。(本文来源于《仪器仪表学报》期刊2019年07期）
P.M.R.DeVries,T.B.Thompson,B.J.Meade,李帛珊,唐丽华[6]（2019）在《通过神经网络加速实现大型黏弹性计算》一文中研究指出认识重复地震周期活动的影响,其最大的挑战之一是大尺度的黏弹性地震周期模型的计算成本。对于计算密集型黏弹性代码,须在数以千计的时间和位置点上进行评估。因此,研究趋向于采用几个固定的流变结构和模型几何结构,考查所预测的大震后短时间(小于10年)内给定深度处不同时间的形变。训练一个深层神经网络来学习黏弹性解在任意时间、位置和大范围流变结构计算效率的表示,可快速且可靠地完成计算,并具有较高时空分辨率。结果表明,该机器学习方法可以将黏弹性计算速度提高50 000%以上。这种加速量级将使得在更大的模型参数范围内、在比以前更大的时空尺度上和数千个地震周期内,模拟几何结构复杂的断层成为可能。(本文来源于《世界地震译丛》期刊2019年05期）
刘粉,薄祥雷[7]（2019）在《弹性BP神经网络在高校课程评价分析系统中的应用》一文中研究指出本文针对高校专业课学习效果评价体系,提出一种弹性BP神经网络(Resilient Back-Propagation Neural Network, RPROP-NN)的专业课程评价分析系统.一门课程的最终学习效果的评估受许多相关指标的影响,从而传统的人工专家评价方法不能真实客观地反映出学生对这门课程的学习效果.相对于传统的专家评价方式,RPROP-NN解决了专家因主观因素影响评价结果的问题;同时,比起传统的BP神经网络,RPROP-NN可消除对评价结果有不利影响的网络训练过程中的梯度幅度,使网络的收敛速度更快,课程评价结果更加准确.通过对实际专业课学习评价数据的仿真,RPROP-NN的有效性得到验证.(本文来源于《赤峰学院学报(自然科学版)》期刊2019年02期）
黄小琴,陈力[8]（2019）在《基座弹性的双柔杆空间机器人的神经网络动态面控制》一文中研究指出针对基座弹性的双柔杆漂浮基空间机器人系统存在外部干扰时的轨迹跟踪及柔性抑振问题,推导了系统的动力学模型,应用奇异摄动理论,将系统分解为表示刚性运动的慢变子系统和表示基座弹性、双柔杆振动的快变子系统。对于慢变子系统,设计了一种基于动态面的神经网络控制器,通过动态面的应用避免反步法带来的计算膨胀问题;通过RBF神经网络逼近了含有外部干扰在内的动力学不确定项;针对快变子系统,采用线性二次型最优控制同时抑制弹性基座与双柔杆的振动。数值仿真验证了控制方法的有效性。(本文来源于《载人航天》期刊2019年01期）
曾宪奎,李营如,黄年昌,张杰,鲍丽苹[9]（2018）在《基于Elman神经网络的叁元乙丙橡胶胶料动态粘弹性能预测》一文中研究指出研究叁元乙丙橡胶(EPDM)胶料配方因子与动态粘弹性能之间的关系,通过建立Elman神经网络模型预测EPDM胶料在85℃,0. 1Hz,15%应变下的动态粘弹性能。通过正交试验设计18组数据样本,利用1—14号样本训练Elman神经网络、15—18号样本验证Elman神经网络的预测能力。结果表明:Elman神经网络对EPDM胶料动态粘弹性能预测结果的相对误差基本在4%以内,具有较高的预测精度。(本文来源于《橡胶工业》期刊2018年11期）
郑阳,曹艳平[10]（2018）在《基于人工神经网络表征肝脏黏弹性性质的超声弹性成像方法》一文中研究指出目的肝脏的一些疾病(如肝纤维化)会导致肝脏的力学性质(弹性、黏弹性)发生明显的变化。超声弹性成像方法因其能够非侵入、非损伤地在体表征组织力学性质而受到广泛关注。然而,目前有关利用超声弹性成像表征肝脏黏弹性性质的方法都或多或少存在表征误差大,结果不稳定(容易受噪声影响)等问题。尝试从机器学习的角度出发,提出一种更加准确、稳定的肝脏黏弹性表征方法。方法 整个流程大致表述如下:(1)采用不同的材料参数,利用有限元方法得到材料在超声弹性成像激励下的响应。(2)提取有限元结果的数据,并进行一定的前处理得(本文来源于《第十二届全国生物力学学术会议暨第十四届全国生物流变学学术会议会议论文摘要汇编》期刊2018-08-17）
弹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：
随着计算技术的发展,弹性波逆时偏移(ERTM)方法可行性日益增强。它可以提供更多地下结构的物理信息。然而,偏移噪音降低了ERTM的成像分辨率。为了获得更高分辨率的地震成像,本文介绍了一种在ERTM生成的倾角域成像道集中使用卷积神经网络(CNN)实现偏移噪音压制的方法。该方法通过在倾角域识别主要的反射波能量,剔除对成像贡献不大的部分,从而实现去噪,可显着提高ERTM的成像质量。该方法由叁个步骤组成:首先,利用坡印廷矢量方法逐炮生成ERTM的倾角道集;然后,将所有的倾角道集按照炮点迭加;最后,利用CNN在倾角域进行去噪约束孔径预测,以抑制串扰效应,提高ERTM的成像质量。卷积神经网络拾取约束函数方法是一个端到端的深度学习过程,一旦网络经过训练得到适合权系数和偏置,可以在不需要额外人工干预的情况下实现自动拾取。数值算例验证了该方法的可行性和实用性。
（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。
弹性神经网络论文参考文献
[1].周洁敏,戴美泽,卢朝阳,周凯.基于弹性神经网络的航班延误时间预测[J].航空计算技术.2019
[2].张浩,孙辉,王晓毅,姜博午,芦永明.基于卷积神经网络的倾角域弹性波逆时偏移噪音压制方法[C].中国石油学会2019年物探技术研讨会论文集.2019
[3].冯明皓,张天伦,王林辉,陈荣,连少静.改进的弹性网模型在深度神经网络中的应用[J].计算机应用.2019
[4].张惠,卫晓娟,丁旺才.一类弹性碰撞振动系统周期倍化分岔预测及其神经网络控制[J].振动工程学报.2019
[5].张淑清,杨振宁,张立国,苑世钰,王志义.基于弹性网降维及花授粉算法优化BP神经网络的短期电力负荷预测[J].仪器仪表学报.2019
[6].P.M.R.DeVries,T.B.Thompson,B.J.Meade,李帛珊,唐丽华.通过神经网络加速实现大型黏弹性计算[J].世界地震译丛.2019
[7].刘粉,薄祥雷.弹性BP神经网络在高校课程评价分析系统中的应用[J].赤峰学院学报(自然科学版).2019
[8].黄小琴,陈力.基座弹性的双柔杆空间机器人的神经网络动态面控制[J].载人航天.2019
[9].曾宪奎,李营如,黄年昌,张杰,鲍丽苹.基于Elman神经网络的叁元乙丙橡胶胶料动态粘弹性能预测[J].橡胶工业.2018
[10].郑阳,曹艳平.基于人工神经网络表征肝脏黏弹性性质的超声弹性成像方法[C].第十二届全国生物力学学术会议暨第十四届全国生物流变学学术会议会议论文摘要汇编.2018