SOM神经网络
SOM神经网络的相关文献在1996年到2022年内共计260篇,主要集中在自动化技术、计算机技术、机械、仪表工业、电工技术
等领域,其中期刊论文227篇、会议论文6篇、专利文献366086篇;相关期刊185种,包括山西农经、商场现代化、金融经济学研究等;
相关会议6种,包括第十一届(2016)中国管理学年会、中国高等学校电力系统及其自动化专业第二十七届学术年会、2011塑性成形过程中钢材组织性能预报与控制技术学术研讨会等;SOM神经网络的相关文献由685位作者贡献,包括杨纪青、张吉刚、陈洪萍等。
SOM神经网络—发文量
专利文献>
论文:366086篇
占比:99.94%
总计:366319篇
SOM神经网络
-研究学者
- 杨纪青
- 张吉刚
- 陈洪萍
- 刘国高
- 刘立
- 廖泽钦
- 梁娜
- 韩光洁
- 黄金波
- 原思聪
- 向天堂
- 张永礼
- 李敏
- 李春生
- 秦少鹏
- 董雨
- 赵伟
- 邓权伦
- 钟小强
- 丁锐
- 严国萍
- 付玲
- 余培照
- 余海斌
- 倪海明
- 冉宝新
- 冯晓宁
- 冯睿智
- 凌丹
- 刘大昕
- 刘广利
- 刘爱琴
- 刘璐
- 刘美红
- 刘道华
- 周良金
- 唐刚
- 夏玮玮
- 姚小强
- 孙军伟
- 孙少华
- 孙文磊
- 孙磊
- 季振洲
- 宋铁成
- 宋青松
- 帕孜来·马合木提
- 康兴无
- 张勋才
- 张平
-
-
谢云东;
章四龙;
王红瑞;
李婵娟;
王丰
-
-
摘要:
传统的年径流划分往往通过年径流量的数量指标划分丰水年、平水年与枯水年。但仅仅通过该方法难以反映年内径流分布的情况。引入SOM神经网络,根据径流序列的月径流量、集中度与集中期,年内不均匀系数等指标,进行年径流序列的划分,得出具有年内特征的年径流划分成果。并以密云水库为例,对密云水库年径流进行了应用研究,将密云水库年径流序列划分了丰-平-枯水3大类,在此基础上又细分为9小类。结果发现:不同的分类结果在径流量,年内分布,不均匀性,集中度,年内变化幅度都具有不同的性质。同一大类在径流量相似的基础上,在径流分布,枯水期径流量呈现出不同的特性。说明考虑多种指标的SOM神经网络进行年径流的划分能够更细致地划分各类型的年径流序列。
-
-
夏孟阳;
邢芷恺;
陈浩;
应银生
-
-
摘要:
提出基于能量矩、EMD-SOM的智能诊断方法,首先将轴承部位原始信号EMD分解得到IMF分量,提取IMF分量的能量矩特征;将提取得到的特征作为SOM网络的输入参数进行模型训练;采用CWRU轴承振动数据进行验证,其准确率可达98%,说明了该方法可以有效地识别轴承故障,可为设备的状态监测和故障诊断提供理论依据。
-
-
彭良刚
-
-
摘要:
根据大量的实验,我们发现不同中药材光谱分布的低波数段的吸光度具有明显的差异,将低波数段的吸光度平均值作为视觉特征对刻划中药材的外在特性较有效。本文主要介绍基于光谱特征的SOM神经网络中药材分类识别系统,实现对中药材的分类鉴定。
-
-
万仟;
王奕苗;
于明;
田松龄
-
-
摘要:
三维编织复合材料制件主要应用于承载器件,在实际应用过程中经常会受到高温、高压、高空辐射等环境因素的影响,容易出现制件疲劳甚至损伤情况.笔者建立了基于自组织特征映射神经网络(SOM)的损伤诊断模型,实现了三维编织复合材料制件的损伤监测和数据分析处理;设计了基于MATLAB的仿真实验平台,实现了制件损伤监测与分析的可视化.实验获得的损伤监测数据与制件实际测试的数据相同,证明了建立的基于SOM的损伤诊断模型在三维编织复合材料损伤监测和数据分析处理方面的可行性,对提高我国复合材料制件的健康监测应用水平具有应用价值.
-
-
李金蓉;
邓先红;
张乐;
陈浩森;
段忠平;
郝文杰;
于大鹏
-
-
摘要:
应急柴油发电机组是核电厂安全相关的重要设备,及时准确的故障诊断确保应急柴油发电机组能够正常运行对核安全有着重要的意义。本文梳理核电应急柴油发电机组故障种类,总结故障集、参数集、故障特征数据,利用MATLAB神经网络工具箱建立SOM神经网络实现应急柴油发电机组故障类型的聚类和仿真,准确诊断某时刻应急柴油发电机组出现的单一故障及双重故障。仿真结果表明:SOM神经网络具有故障识别能力,但在对出现两种或两种以上故障诊断过程需要重新建立故障样本,操作比较繁琐,不具备实际操作性,后续对复合神经网络的故障诊断进行研究,保持SOM神经网络诊断准确性的同时兼顾可操作性。
-
-
王鲁;
王峰;
徐竞;
赵延鹏;
李玮;
王艳艳;
王应彪
-
-
摘要:
针对退役动力电池分选方法匮乏的问题,提出一种基于SOM(自组织特征映射网络)+SVM(支持向量机)的退役锂离子电池分选方法。对退役电池进行电池测试,通过电池测试系统记录电池的电流、电压、温度和放电容量的变化,进行电池PNGV(新一代汽车合作伙伴)模型参数辨识,并依据电池容量、等压降时间等特征参数与模型参数对电池进行多参数聚类与分选归类。将分选归类结果中的退役电池单体进行并联重组,进行一致性实验,并对实验结果进行比较分析。实验结果表明:该方法下的退役电池参数在经过重组循环运算后,极化内阻、剩余容量、等压降时间、温度转换速率一致性变化程度较小,欧姆内阻离散度明显减小,在退役电池分选工作中具有实际意义。
-
-
袁璟瑾
-
-
摘要:
船舶动力系统的工作状态可以通过振动、机油检测、温度检测等方法进行识别,但传统的状态识别方法较单一,针对这一问题,本文设计一种基于信息融合技术和SOM神经网络技术的船舶动力系统在线状态评估平台,利用神经网络强大的处理能力,同时将船舶动力系统振动传感器、压力传感器、温度传感器等信号进行分析和处理,最终获取准确的船舶动力系统工作状态。本文重点介绍状态评估系统的整体结构、SOM神经网络的原理、振动信号和功率信号熵特性,最后基于SOM和信息融合技术进行动力系统的状态评估。
-
-
董巧玲
-
-
摘要:
针对目前抽油机示功图故障诊断人工分析方法效率低,而智能方法计算量大且识别类型少的问题,提出了抽油机故障智能诊断新方法,通过改进的自组织特征映射网络(SOM神经网络)对抽油机示功图进行故障诊断。对比了蚁群算法(ACO)、遗传算法(GA)、粒子群算法(PSO)对SOM神经网络的改进效果,PSO算法的最优个体适应度值最小,且所需的迭代次数少,收敛速度快。同时对比了神经网络BP、LVQ、常规SOM和PSO-SOM诊断模型效果,PSO-SOM神经网络在识别时间、诊断准确率和诊断方差方面展现出了明显的优势。采用傅里叶描绘子和不变矩复合的形状识别方法提取抽油机样本示功图特征参数,利用PSO-SOM神经网络技术进行学习训练和仿真分析,实现了不同工况模式的分类以及待测示功图的工况诊断。研究表明:对于XX油田现场抽油机700井次的9种不同工况示功图,PSO-SOM方法有效识别正确率高达90.3%,是实现智能化高效诊断示功图的一种有效途径。
-
-
肖志荣;
李雯;
龚永康;
杜灿谊;
刘利武;
喻菲菲
-
-
摘要:
制造业等多个工业领域都大量使用旋转机械设备,机械故障可能会造成巨大经济损失甚至灾难性事故,但旋转机械发生机械故障的点位多,机械故障表象特征不明显,不易判断故障点位,采集旋转机械本体的振动信号,用于对旋转机械故障进行智能诊断极其重要。利用加速度传感器采集旋转机械4种状态(正常状态、基座松动、传动带破损和轴承破损故障)不同转速下的振动时域信号,在Matlab中进行多种信号特征量的提取,并以这些特征参数作为输入向量,建立SOM神经网络模型进行故障诊断,网络初始化需要用随机数设定输入层和映射层之间的权值初始值并对其进行归一化,形成输入层和竞争层组成的神经网络,其中竞争层也叫输出层,输入层神经元与竞争层的每一个神经元相联接,测试样本进入到SOM神经网络中的竞争层,会被与之映射最为强烈的神经元获得,即为获胜神经元,当输入新样本时,网络模型会以拓扑结构的形式输出分类结果。试验结果证明,SOM神经网络能够有效实现旋转机械故障的分类和诊断,判断旋转机械的故障位置。
-
-
田冰;
黄山;
孙晔;
闫宇杰;
金康康
-
-
摘要:
随着资源量的不断减少,采矿深度的不断增大,岩爆发生概率也逐渐增大.为对岩爆等级进行精确预测,提出了一种聚类-关联度TOPSIS模型预测岩爆的方法.在综合分析岩爆产生条件的基础上,从应力、岩性、能量三个指标对样本进行归类处理,并将灰色关联度和TOPSIS评价法相结合.该方法可以通过自组织特征映射网络将样本准确分类,同时通过灰色关联度计算不同指标的权值,最后通过TOPSIS评价法对岩爆等级进行判据.该方法使得岩爆预测多信息融合更加客观,可操作性强.对比工程实例,发现SOM神经网络聚类-关联度TOPSIS岩爆预测法模拟计算与工程实例情况基本一致.
-
-
赵翔;
周开乐;
张弛
- 《第十一届(2016)中国管理学年会》
| 2016年
-
摘要:
在当今世界,互联网与大数据技术的进步带动了数字信息化时代的飞跃性发展,而数据量的爆发性增长则激发了社会发掘数据背后有效信息的需求,搜寻有效信息的数据挖掘技术正在各个行业的发展过程中展现出越来越重要的作用.本文从探讨电力用户需求侧管理对行业发展的重要意义以及居民用户电力消费模式识别在需求侧管理中所处的地位和作用的角度出发,研究作为一种可以挖掘行业信息的重要的数据挖掘方法——模式识别方法在识别居民用户电力消费模式中的应用.通过研究SOM神经网络在识别居民用户电力消费模式过程中的应用,利用Matlab神经网络工具箱构建出SOM神经网络,对江苏省部分家庭的用电消费模式进行识别,并通过数据可视化方法对模式识别的结果进行进一步分析.
-
-
赵翔;
周开乐;
张弛
- 《第十一届(2016)中国管理学年会》
| 2016年
-
摘要:
在当今世界,互联网与大数据技术的进步带动了数字信息化时代的飞跃性发展,而数据量的爆发性增长则激发了社会发掘数据背后有效信息的需求,搜寻有效信息的数据挖掘技术正在各个行业的发展过程中展现出越来越重要的作用.本文从探讨电力用户需求侧管理对行业发展的重要意义以及居民用户电力消费模式识别在需求侧管理中所处的地位和作用的角度出发,研究作为一种可以挖掘行业信息的重要的数据挖掘方法——模式识别方法在识别居民用户电力消费模式中的应用.通过研究SOM神经网络在识别居民用户电力消费模式过程中的应用,利用Matlab神经网络工具箱构建出SOM神经网络,对江苏省部分家庭的用电消费模式进行识别,并通过数据可视化方法对模式识别的结果进行进一步分析.
-
-
赵翔;
周开乐;
张弛
- 《第十一届(2016)中国管理学年会》
| 2016年
-
摘要:
在当今世界,互联网与大数据技术的进步带动了数字信息化时代的飞跃性发展,而数据量的爆发性增长则激发了社会发掘数据背后有效信息的需求,搜寻有效信息的数据挖掘技术正在各个行业的发展过程中展现出越来越重要的作用.本文从探讨电力用户需求侧管理对行业发展的重要意义以及居民用户电力消费模式识别在需求侧管理中所处的地位和作用的角度出发,研究作为一种可以挖掘行业信息的重要的数据挖掘方法——模式识别方法在识别居民用户电力消费模式中的应用.通过研究SOM神经网络在识别居民用户电力消费模式过程中的应用,利用Matlab神经网络工具箱构建出SOM神经网络,对江苏省部分家庭的用电消费模式进行识别,并通过数据可视化方法对模式识别的结果进行进一步分析.
-
-
赵翔;
周开乐;
张弛
- 《第十一届(2016)中国管理学年会》
| 2016年
-
摘要:
在当今世界,互联网与大数据技术的进步带动了数字信息化时代的飞跃性发展,而数据量的爆发性增长则激发了社会发掘数据背后有效信息的需求,搜寻有效信息的数据挖掘技术正在各个行业的发展过程中展现出越来越重要的作用.本文从探讨电力用户需求侧管理对行业发展的重要意义以及居民用户电力消费模式识别在需求侧管理中所处的地位和作用的角度出发,研究作为一种可以挖掘行业信息的重要的数据挖掘方法——模式识别方法在识别居民用户电力消费模式中的应用.通过研究SOM神经网络在识别居民用户电力消费模式过程中的应用,利用Matlab神经网络工具箱构建出SOM神经网络,对江苏省部分家庭的用电消费模式进行识别,并通过数据可视化方法对模式识别的结果进行进一步分析.
-
-
-
-
-
-
-
-
-
-
- 哈尔滨工业大学(威海)
- 公开公告日期:2022.11.08
-
摘要:
本发明提出了一种基于智能芯片的自组织特征映射神经网络(Self‑organizing Map,SOM)算法处理方法。SOM神经网络是无监督机器学习中一种经典的聚类算法,在图像处理、数据挖掘、深度学习有广泛的应用。本发明将SOM神经网络算法划分成不存在数据依赖的多个步骤,这个过程在下文中称为Kernel的划分。在保证每个步骤高并行度的情况下,将各个步骤在GPU上实现,对应下文里Kernel的分步骤实现与优化。在单个Kernel在GPU上完成高效的实现后,再将所有的步骤整合为一个Kernel。对整合后的Kernel进行深度优化,并将各个分步骤整合迭代的过程中,使用全局同步的方法,最终实现了一个可以在GPU端单次Kernel启动即可完成的高效的SOM神经网络算法。
-
-
-
-
-
-
-