T-S模糊神经网络

摘要： 涉及公安机关的舆情热点话题更易引起民众的关注,往往会迅速地在网络上蔓延.对涉警网络舆情的发展态势进行准确预警,有利于公安机关及时有效的应对舆情.但由于涉警网络舆情影响因素众多,呈现出非线性且复杂的变化,因此需要快速、准确地预测其发展趋势.本文首先综合分析、选取了5个影响指标,构建涉警网络舆情指标体系;然后针对涉警网络舆情的复杂性和非线性的特点,采用T-S模糊神经网络来预测其发展趋势;针对舆情样本不足、神经网络训练不充分影响预测准确度的问题,通过集成学习将若干个模糊神经网络预测器组合成强预测模型.最后,通过采集的新浪微博上“12·4望江女孩溺亡事件”数据集进行对比实验,验证了所提方法的有效性和准确性.

摘要： 风电的不确定性和高渗透率,导致电网调度控制难和电网惯量下降等问题,为此提出了基于混合储能的功率分配系数自适应控制策略和基于T-S模糊神经网络的调频功率自适应控制策略。首先,对风场混合储能系统健康状态进行评估;其次,功率分配系数自适应控制器根据各组混合储能系统健康状态系数对风场所有风机输出总功率和调度功率之间的差值进行分配,实现电网调度功率跟踪;最后,调频功率自适应控制器根据电网频率偏差和各组混合储能系统健康状态控制各组混合储能系统为电网提供频率支撑。仿真分析表明,所提出的功率分配系数自适应控制策略能有效分配功率差,减小电网调度控制难度;调频功率自适应控制策略能有效增加电网惯量,为电网提供频率支撑。

摘要： 对产品服务质量的评估是产品评价所关注的问题之一。本文运用模糊控制以及机器学习的相关理论,建立了一种基于T-S模糊神经网络[4]的产品服务质量评估模型。该网络结构分为前件和后件网络两部分,其中前者用于匹配模糊规则,后者则采用传统全连接网络对输入数据数据进行学习。根据仿真模拟所得到的结果表明,此模型应用于现实中的产品服务质量评估是有效可行的。

摘要： 文章融合混合高斯模型与三帧差分法对有轨电车线路进行异物侵限检测,并结合有轨电车位置、速度、异物运动轨迹等参数,采用T-S模糊神经网络进行预警等级划分。以某有轨电车公司提供的视频监控数据作为实例,开展实例仿真研究,仿真结果表明该异物侵限检测算法能够较好地检测出行人、汽车等异物,T-S模糊神经网络能够用于有轨电车异物侵限预警。

摘要： 针对现有的智能变电站通信网络状态评价中存在过多人为因素的问题,在智能变电站体系结构的基础上,提出一种基于T-S模糊神经网络和模糊C-均值聚类的智能变电站通信网络状态评价模型,并通过实例验证该模型的有效性和可靠性.结果表明,该方法能有效地评价通信网络状态,在工程中具有一定的应用价值.

摘要： Black-Scholes方程可以对期权进行定价,但方程的求解一直是难点问题.基于此提出了采用T-S模糊神经网络模型求解Black-Scholes方程的方法,利用欧式看涨期权定价公式生成训练样本数据,定义误差函数,并给出了T-S模糊神经网络模型求解方程的框架.数值实例结果验证了该方法的有效性.

摘要： 由于污水在复杂的处理过程中无法进行出水氨氮(NH4-N)值的实时检测,提出一种改进型T-S模糊神经网络(TSFNN)的算法来对出水NH4-N进行有效预测.利用主元分析法和"统计产品与服务解决方案"(SPSS)软件对出水NH4-N浓度的关键影响因子进行筛选,选择主要特征变量作为输入.针对TSFNN结构,采用模糊C-均值聚类算法(FCM)对其进行初始化.结果表明,该算法对出水氨氮值的预测具有良好的预测精度且保证了处理过程的时效性.

摘要： 为及时准确辨识地铁深基坑风险信息、动态控制施工过程,针对现场管理中信息传递不及时、人为主观决策等问题,提出基于BIM的安全风险预警框架.以成都地铁深基坑为研究对象,创建基于BIM的深基坑风险预警模型.对基坑BIM信息模型进行模拟后,辨析项目隐含的风险信息,并进行4D模拟施工,对可能发生的风险作出预判并制订预防方案.最后界定施工事故险情及风险信息量化指标,根据T-S模糊神经网络融合模型确定风险预警值,在BIM界面中加以标识反馈,实现基坑安全风险立体控制.

摘要： 为了能够实时掌握光伏组件的健康状况,提出一种基于T-S模糊神经网络的在线健康诊断模型.首先,分析了常见光伏组件异常工况下的电气输出并选取特征向量;其次,利用模糊C均值(FCM)及自适应LM算法对T-S模糊神经网络进行了优化;最后,通过仿真验证了模型的有效性和可行性.仿真结果表明:本文诊断方法的诊断正确率达到了 94％,诊断精度与收敛速度都优于传统T-S模糊神经网络模型.

摘要： 针对石灰窑系统难以建立准确数学模型,经典控制方案对煅烧带温度控制不佳的问题,利用TS型模糊神经网络设计了三叶回转石灰窑的网络模型,以煅烧带温度和温度变化率作为网络输入,以窑头燃气量和助燃空气量作为网络输出控制煅烧带温度,神经网络在训练后的输出与样本对比误差较小,能够准确控制石灰窑温度;在石灰窑控制系统中应用模糊神经网络自校正控制方案,具有自学习自调整能力,取得了良好的控制效果。

摘要： 提出了一种基于多信息融合的深基坑安全预警方法.验证了T-S模糊神经网络是适用于处理非线性、大量数学分析的多信息融合模型,并利用MATLAB软件实现了该模型的构建.通过大量样本对模型训练与检测,实现对应空间区位与事故警情的各组多信息融合模型的准确性与泛化能力,提升现有深基坑安全预警信息分析处理的智能化.最后,以黄浦新城地铁车站深基坑工程为研究实例,实地采取各信息源相应预警信息,并代入已训练好的各组多信息融合模型.结果表明,融合结果与现场实际情况相吻合,验证了该方法的可行性.可为深基坑安全预警方法提供参考.

摘要： 提出了一种基于多信息融合的深基坑安全预警方法.验证了T-S模糊神经网络是适用于处理非线性、大量数学分析的多信息融合模型,并利用MATLAB软件实现了该模型的构建.通过大量样本对模型训练与检测,实现对应空间区位与事故警情的各组多信息融合模型的准确性与泛化能力,提升现有深基坑安全预警信息分析处理的智能化.最后,以黄浦新城地铁车站深基坑工程为研究实例,实地采取各信息源相应预警信息,并代入已训练好的各组多信息融合模型.结果表明,融合结果与现场实际情况相吻合,验证了该方法的可行性.可为深基坑安全预警方法提供参考.

摘要： 提出了一种基于多信息融合的深基坑安全预警方法.验证了T-S模糊神经网络是适用于处理非线性、大量数学分析的多信息融合模型,并利用MATLAB软件实现了该模型的构建.通过大量样本对模型训练与检测,实现对应空间区位与事故警情的各组多信息融合模型的准确性与泛化能力,提升现有深基坑安全预警信息分析处理的智能化.最后,以黄浦新城地铁车站深基坑工程为研究实例,实地采取各信息源相应预警信息,并代入已训练好的各组多信息融合模型.结果表明,融合结果与现场实际情况相吻合,验证了该方法的可行性.可为深基坑安全预警方法提供参考.

摘要： 提出了一种基于多信息融合的深基坑安全预警方法.验证了T-S模糊神经网络是适用于处理非线性、大量数学分析的多信息融合模型,并利用MATLAB软件实现了该模型的构建.通过大量样本对模型训练与检测,实现对应空间区位与事故警情的各组多信息融合模型的准确性与泛化能力,提升现有深基坑安全预警信息分析处理的智能化.最后,以黄浦新城地铁车站深基坑工程为研究实例,实地采取各信息源相应预警信息,并代入已训练好的各组多信息融合模型.结果表明,融合结果与现场实际情况相吻合,验证了该方法的可行性.可为深基坑安全预警方法提供参考.

摘要： 针对高炉炉温铁水硅含量为预测对象的不确定性和高炉炉温单变量时间序列模型所含炉温输入信息量少、难以揭示各个变量之间的相互关系及变化规律的特点,以高炉铁水温度为研究对象,建立BP神经网络多元时间序列模型和T-S模糊神经网络多元时间序列模型.应用高炉实际数据做模型检验,结果表明,T-S模糊神经网络多元时间序列模型取得更好的命中率和预测精度.

摘要： 针对高炉炉温铁水硅含量为预测对象的不确定性和高炉炉温单变量时间序列模型所含炉温输入信息量少、难以揭示各个变量之间的相互关系及变化规律的特点,以高炉铁水温度为研究对象,建立BP神经网络多元时间序列模型和T-S模糊神经网络多元时间序列模型.应用高炉实际数据做模型检验,结果表明,T-S模糊神经网络多元时间序列模型取得更好的命中率和预测精度.

摘要： 针对高炉炉温铁水硅含量为预测对象的不确定性和高炉炉温单变量时间序列模型所含炉温输入信息量少、难以揭示各个变量之间的相互关系及变化规律的特点,以高炉铁水温度为研究对象,建立BP神经网络多元时间序列模型和T-S模糊神经网络多元时间序列模型.应用高炉实际数据做模型检验,结果表明,T-S模糊神经网络多元时间序列模型取得更好的命中率和预测精度.

摘要： 针对高炉炉温铁水硅含量为预测对象的不确定性和高炉炉温单变量时间序列模型所含炉温输入信息量少、难以揭示各个变量之间的相互关系及变化规律的特点,以高炉铁水温度为研究对象,建立BP神经网络多元时间序列模型和T-S模糊神经网络多元时间序列模型.应用高炉实际数据做模型检验,结果表明,T-S模糊神经网络多元时间序列模型取得更好的命中率和预测精度.

摘要： 针对高炉炉温铁水硅含量为预测对象的不确定性和高炉炉温单变量时间序列模型所含炉温输入信息量少、难以揭示各个变量之间的相互关系及变化规律的特点,以高炉铁水温度为研究对象,建立BP神经网络多元时间序列模型和T-S模糊神经网络多元时间序列模型.应用高炉实际数据做模型检验,结果表明,T-S模糊神经网络多元时间序列模型取得更好的命中率和预测精度.

摘要： 研究目的:构建土地整治项目生态补偿效应评价体系并对其评价方法进行创新研究.研究方法:以土地整治项目实例作为研究对象,选取9个指标建立指标体系,利用T-S模糊神经网络构建模型,对土地整治生态补偿效应进行预测性评价.研究结果:①所训练T-S模糊神经网络的高精度和低误差证明其对于生态补偿效应评价有很好的泛化能力;②该项目按照规划实施,其生态补偿效应水平较整治前显著提高,项目设计符合土地整治生态补偿理念.研究结论:基于T-S模糊神经网络的土地整治生态补偿效应评价模型相对于传统研究采用的德尔菲法和层次分析法等方法在权值确定方面更具客观性与一致性,可科学地评价土地整治生态补偿效应,为生态化土地整治工作提供指导.

摘要： 本发明公布了一种模糊神经网络控制的混合小波神经网络盲均衡方法，本发明方法包括如下步骤：a.)将发射信号x(n)经过脉冲响应信道得到信道输出向量b(n)；b.)采用信道噪声N(n)和步骤a所述的信道输出向量b(n)得到盲均衡器的输入序列；c.)将步骤b所述的盲均衡器的输入序列y(n)依次经过改进的混合小波神经网络得到输出信号利用模糊神经网络(FNN)来调整改进的混合小波神经网络中神经元小波函数中平移因子和尺度因子的迭代步长，并以均方误差E(n)＝MSE(n)与均方误差的偏差ΔE(n)＝MSE(n)-MSE(n-1)作为模糊神经网络控制器的输入。本发明系统的灵活性高，避免了易陷入局部极小值的困境。

摘要： 本发明公布了一种模糊神经网络控制的混合小波神经网络盲均衡方法，本发明方法包括如下步骤：a.将发射信号x(n)经过脉冲响应信道得到信道输出向量b(n)；b.采用信道噪声N(n)和步骤a所述的信道输出向量b(n)得到盲均衡器的输入序列；c.将步骤b所述的盲均衡器的输入序列y(n)依次经过改进的混合小波神经网络得到输出信号；利用模糊神经网络(FNN)来调整改进的混合小波神经网络中神经元小波函数中平移因子和尺度因子的迭代步长，并以均方误差E(n)＝MSE(n)与均方误差的偏差ΔE(n)＝MSE(n)-MSE(n-1)作为模糊神经网络控制器的输入。本发明系统的灵活性高，避免了易陷入局部极小值的困境。

摘要： 本发明提供一种不需要偏置的神经网络电路装置、神经网络、神经网络处理方法和神经网络的执行程序。二值化神经网络电路(100)具有：输入输入值x1～xn(xi)(二值)的输入节点和输入权重w1～wn(wi)(二值)的输入部(101)；XNOR门电路(102)，其接收输入值x1～xn和权重w1～wn，且进行XNOR逻辑运算；求和电路(103)，其求出各XNOR逻辑值的总和；批归一化电路(41)，其通过扩大归一化范围且使中心位移的处理来修正由二值化导致的分布不平衡；和激活函数电路(35)，其使用激活函数fsgn(B)对信号B进行转换，其中所述信号B是对求出总和之后的信号Y进行批归一化得到的信号。

摘要： 本发明提供一种无需批归一化电路的神经网络电路装置、神经网络、神经网络处理方法及神经网络的执行程序。二值化神经网络电路(100)具备：输入输入值x1～xn(xi)(二值)的输入节点及输入加权w1～wn(wi)的输入部(101)、接收输入值x1～xn及加权w1～wn并采用XNOR逻辑的XNOR门电路(102)、输入多位偏置W'的多位偏置W'输入部(110)、取各XNOR逻辑值和多位偏置W'的总和的求和电路(103)及对于取总和后的信号Y仅输出符号位的激活电路(120)。

摘要： 本发明提高数据并行型分散学习的吞吐量。神经网络系统具有存储器和访问存储器的多个处理器，多个处理器中的每一个处理器在多次学习中的每一次学习中，基于训练数据的输入和神经网络内的参数执行神经网络的运算来计算神经网络的输出，计算计算出的输出与训练数据的教师数据的差分相对于参数的梯度或者基于梯度的更新量，(1)在梯度或者更新量的累积不小于阈值的第一情况下，执行多个处理器将分别计算出的多个梯度或者更新量的累积发送到多个处理器内的其它的处理器来汇集多个梯度或者更新量的累积，接收汇集后的梯度或者更新量的累积，用汇集后的梯度或者更新量的累积更新参数的第一更新处理，(2)在梯度或者更新量的累积小于阈值的第二情况下，执行多个处理器不进行基于发送的多个梯度或者更新量的累积的汇集，用多个处理器分别计算出的梯度或者更新量更新各自的参数的第二更新处理。

摘要： 本公开涉及训练神经网络的方法、训练神经网络的系统以及神经网络。一种用于训练第一神经网络，以在图像输入到第一神经网络时，检测在该图像上可见并且属于给定对象类别的对象的视点的方法，包括：提供不同视点下的多对图像的数据集，提供被配置成能够得出对象的外观信息的第二神经网络，提供被配置成能够使用外观信息和视点，得出所述类别的对象的合成图像的第三神经网络，联合训练第一神经网络、第二神经网络和第三神经网络。

摘要： 根据本发明的分布式处理用人工神经网络运算加速装置可以具有：外部主存储器，存储针对输入神经元的输入数据和突触权重；内部缓冲存储器，存储构成所述人工神经网络运算的各个循环所需的突触权重和输入数据；DMA模块，用于与所述外部主存储器及内部缓冲存储器直接发送和接收数据；神经网络运算装置，针对构成人工神经网络运算的各个循环重复地处理以下一系列顺序过程：读取存储在所述内部缓冲存储器的突触权重和输入数据、执行人工神经网络运算、将运算结果存储在所述外部主存储器；CPU，用于控制在所述外部主存储器和内部缓冲存储器存储针对输入神经元的输入数据和突触权重的操作和所述神经网络运算装置的运行；及通用通信中介块，可以与无关集成电路的类型地以物理方式连接的其他加速装置发送和接收针对所述输入神经元的输入数据和突触权重以及在所述神经网络运算装置执行的运算结果。

摘要： 一种卷积神经网络(CNN)处理装置(1)，设置有：输入缓冲器(10)，用于存储要对CNN应用的输入信号A；权重缓冲器(11)，用于存储权重U；卷积运算单元(12)，执行包括输入信号A与权重U之间的乘积‑求和运算的卷积运算；存储单元16，存储表(160)，在该表中，转换‑量化处理的输入与输出彼此相关联，其中，转换‑量化处理接受卷积运算的运算结果作为所述输入，基于预定条件来转换输入值，通过降低转换后的数据的比特精度来进行量化，并且输出结果；以及处理单元(14)，参考表(160)以获取转换‑量化处理的与卷积运算的运算结果相对应的输出。

摘要： 本发明提供一种能够通过减少存储器数量而将其配置在芯片上的神经网络电路装置、神经网络处理方法和神经网络的执行程序。三状态神经网络电路(200)具有非零卷积运算电路(21)、求和电路(22)和激活函数电路(23)，其中，所述非零卷积运算电路(21)在中间层中接收用于进行卷积的输入值Xi和权重Wi来进行卷积运算；所述求和电路(22)求取通过卷积运算得到的各运算值和偏置W0的总和；所述激活函数电路(23)用激活函数f(u)对求取总和得到的信号Y进行转换。非零卷积运算电路(21)跳过权重Wi为零的权重，来根据非零权重和与该非零权重对应的输入值Xi进行卷积运算。

摘要： 本发明提供了一种生成训练神经网络的训练数据的方法、训练神经网络的方法和利用神经网络进行自主操作的方法，以及相关设备和系统。一方面，提供了一种训练用于环境中对象的自主操作的神经网络的方法，包括：基于样本数据集生成策略值；基于所述策略值生成近似动作值函数；通过所述近似动作值函数为所述样本数据集中的所有状态以及所有可能动作生成近似策略值集；基于近似策略值计算所述神经网络的训练目标；计算训练误差作为所述训练目标和所述样本数据集中对应的状态动作对的策略值之间的差值；更新所述神经网络的至少一些参数以最小化所述训练误差。