共查询到18条相似文献,搜索用时 78 毫秒
1.
改进BP网络的舰船装备保障资源保障能力评估 总被引:2,自引:0,他引:2
针对单独运用BP网络评估舰船装备保障资源保障能力时存在的不足,提出了一种基于改进BP网络的舰船装备保障资源保障能力评估模型。首先构建了保障能力评估的指标体系,在此基础上,采用主成分分析法对原始输入变量进行预处理,选择输入变量的主成分作为神经网络输入,一方面减少了输入变量的维数,消除了各输入变量的相关性;另一方面提高了网络的收敛性和稳定性,同时也简化了网络的结构。然后将遗传优化算法与BP网络结合,利用GA的全局搜索能力优化BP网络的结构参数。最后进行实例计算,结果表明该方法有效克服了纯BP算法局部收敛、泛化能力弱等问题,新模型采用的算法具有收敛速度快,结果精度高的优点,适用于对保障资源保障能力的分析和评估。 相似文献
2.
3.
周燕艳 《海军工程大学学报》2011,(6):40-43
传统的BP神经网络算法已被有效地应用于处理RoboCup中防守策略,但是它具有最速下降法收敛速度慢和易陷入局部极小的缺点.针时该问题提出了一种改进的BP算法,通过增加附加动量项对BP算法进行了改进,并将之应用于离线的防守学习.随后,在RoboCup环境中与传统的BP算法进行了比较,结果表明:该方法可有效提高收敛成功率. 相似文献
4.
5.
针对BP网络存在易陷入局部极小和收敛速度慢的问题,采用遗传算法(GA)优化BP网络;采用混配的方法,对遗传算法进行了改进,克服了遗传算法中所存在的种群内过早收敛的缺点,并在光纤陀螺温度漂移建模中,取得了预测的效果。 相似文献
6.
7.
为了提高磁流变阻尼器的振动控制效果,在磁流变阻尼器力学特性试验的基础上,首先建立了基于BP神经网络的磁流变阻尼器的逆向模型,并通过试验试选的方法对模型中隐含层节点数目、期望误差等相关参数的确定进行了探讨;然后,针对BP网络在学习过程中表现出的学习速率慢、容易陷入局部极小等问题,进行了相应的算法改进。结果表明:利用改进算法建立的模型能够更准确、更快速地对控制电流进行预测,证明了改进算法的合理性,同时也进一步验证了利用BP神经网络方式建立磁流变阻尼器逆向模型方法的有效性。 相似文献
8.
针对传统BP神经网络以及标准PSO算法神经网络在故障诊断过程中易出现收敛速度低及易陷入局部最优点的问题,提出了一种使用改进PSO(IM-PSO)算法进行训练的神经网络。该方法具有收敛速度快、不易陷入局部极小值的优点。使用该方法对核电站二回路凝给水系统的典型故障进行了诊断,诊断结果表明:该方法的性能优于传统BP算法和标准PSO算法,在复杂系统故障诊断领域具有很好的应用前景。 相似文献
9.
神经网络在某交流伺服系统建模中的应用 总被引:1,自引:0,他引:1
针对某交流伺服系统的模型辨识问题,提出了基于遗传算法优化的BP神经网络的辨识方法.BP神经网络在非线性系统的辨识中已得到了广泛的使用,但是其存在易陷入局部极小值和对网络结构初值要求高等缺点.根据遗传算法具有全局寻优的特点,先用遗传算法优化得到神经网络权值和阈值的初值,再由BP算法进行局部寻优.辨识结果表明,该算法辨识精度高、收敛速度快. 相似文献
10.
本文提出了一种新的寻优方法———数值积分寻优法 ,将此方法应用于神经网络的学习算法中 ,构造了两个神经网络 ,它们与BP网络有相同功能 ,且不出现BP网络的局部极小问题 ,收敛速度比BP网快 相似文献
11.
针对涡轮增压器转速实车测量中存在安装困难、精度低的问题,提出了利用RBF神经网络和BP神经网络估算涡轮增压器转速的方法。分别建立了基于RBF神经网络和BP神经网络增压器转速估算模型,通过与台架试验测试样本比较,模型误差分别2.25%和2.27%。同时,RBF神经网络较BP神经网络,具有训练次数少,收敛速度快、结果稳定的优点,更适合实车涡轮增压器转速估算。 相似文献
12.
针对航空肼燃料保障安全评价的复杂性和非线性,提出并建立了基于BP和Hopfield神经网络的动态安全评价模型。在综合分析国内外肼燃料保障安全评价的基础上,针对航空肼燃料保障过程中出现的问题,构建并优化了指标体系,选取前馈神经网络中的BP网络和反馈神经网络中的Hopfield网络建立评价模型。在详细说明了BP和Hopfield神经网络的构建方法后,进行实例验证,并对预测效果进行了比较分析。仿真表明,两种模型都能正确评价安全保障状态。但在收敛速度、联想记忆功能方面Hopfield神经网络优于BP神经网络。将BP和Hopfield神经网络用于肼燃料保障安全评价过程中,具有适用性和可行性,对于航空肼燃料保障的安全建设与安全管理研究具有重要意义。 相似文献
13.
精度要求是神经网络硬件实现的一个关键问题。本文提出了一种有限精度的BP高速算法,通过实例验证,该算法适于低精度,且收敛速度快。 相似文献
14.
15.
16.
针对磨削表面粗糙度传统BP(Back Propagation)神经网络模型在线预测时存在预测精度低、误差大等问题,以磨削声发射信号的RMS值、FFT值、标准差、方差和偏斜度5参量为输入单元,建立了三层BP神经网络来预测磨削表面粗糙度,并应用附加动量法和自适应学习速率法对其进行了改进。通过仿真优化了隐层单元数,利用模型对磨削加工10个频段的声发射信号样本进行优选,确定将300400kHz的声发射(Acoustic Emission,AE)信号作为表面粗糙度预测模型学习样本频段。实验结果显示:改进后的BP预测模型与传统BP模型相比,具有收敛速度快、预测精度高的特点,相对误差可控制在8.66%以内。 相似文献
17.
18.
为了合理选择样本条件以实现高效的智能化诊断,以及克服智能化方法中传统反向传播(back propagation, BP)网络权值较多、局部信息提取能力不足的问题,对基于卷积神经网络(convolutional neural network, CNN)的开路故障诊断方法进行研究,并以典型的三相两电平逆变器为具体对象,着重分析样本时长、样本数量变化时,CNN方法相较于BP网络方法在网络权值数量、训练稳定性、诊断准确率上的量化优势。结果表明,基于CNN的方法可在权值数量远少于BP网络方法的情况下构建深度更深的诊断模型,并在更短样本时长、更少训练样本数量下实现高效、准确的开路故障诊断。 相似文献