灰色神经网络

摘要： 现役鱼雷大多时间处于贮存状态,而锂离子电池是其主要的动力能源,所以针对锂离子电池的贮存寿命研究尤为重要。文中以18650型钴酸锂电池为研究对象,通过开展加速寿命试验,获得在不同应力条件下电池容量和内阻随时间的变化曲线,并确定有利于缓解电池寿命衰减的贮存条件为:温度25°C、电池荷电状态30%;综合灰色预测方法及BP神经网络的优点,采用新陈代谢灰色模型GM(1,1)-神经网络方法对锂离子电池的容量进行预测,经验证该组合预测模型比灰色预测模型和新陈代谢GM(1,1)预测模型精度更高且更适用于电池寿命预测,从而获取锂离子电池在不同应力条件下的贮存寿命,进一步验证了有利于缓解电池寿命的贮存条件。

摘要： 为了提高网络云平台大数据存储的安全性能,并对数据安全风险进行评估,提出了一种基于灰色神经网络的云存储大数据安全风险评估模型.首先,采用基于自治的元组划分方法将待分析和评估的大数据安全风险信息进行分类,利用高斯密度谱提取信息特征,然后利用灰色神经网络将待分类的信息进行分解,最后,使用自适应差分改进方法检测安全风险信息的相关性.模型根据大数据安全风险信息频谱的特征提取,实现了相关补偿和自适应控制,提高了大数据安全风险评估能力.安全评价曲线能够快速收敛,并与K近邻算法(K-nearest neighbor,KNN)对比仿真实验结果显示,基于灰色神经网络的模型评估具有较高的准确性,因而具有更好的大数据安全保护能力.

摘要： 该文以旅游人数为研究对象,初步选取影响旅游人数的13个因素,首先建立基于遗传算法优化灰色神经网络模型对旅游人数进行预测。为了进一步提高模型预测精度,采用灰色关联度法和平均值影响法两种方法对影响因素进行变量筛选,选取影响程度大的因素代入模型进行预测。分析比较模型的结果,可得经过平均值影响法变量筛选后的模型预测精度最高,误差最小。

摘要： GM(1,1)模型以及BP神经网络对于非线性数列变化的预测具有较好的适用性,但同时也存在一定的局限性.本文采用灰色GM(1,1))模型与人工神经网络相结合的方法,优化GM(1,1)预测模型,以1990—2017年江苏省常住人口总数为依据,对江苏省未来10年人口进行预测,为江苏省人口政策制定提供依据.

摘要： 针对传统空中目标意图估计方法大多依赖专家经验,仅考虑单时刻目标属性,导致意图估计结果不可靠、准确度较差的问题,提出基于改进灰色神经网络(IFOA-GNNM)的空中目标意图估计模型.该模型采用改进后的果蝇算法优化灰色神经网络挖掘空中目标多时刻属性的变化趋势与意图之间的隐含规则实现对空中目标的意图估计.仿真实验结果表明,该模型在对空中目标的意图的估计中有着更强的可靠性和更高的准确性.

摘要： 随着新零售行业的不断发展,人们对于目标产品的需求逐渐从性价比转变为个性化。同时,商家对于种类喷井式爆发的新零售产品的管理越发困难。因此,建立一套针对目标产品的预测模型十分必要。首先运用逐步回归分析筛选出影响目标skc销量的因素,包括标签价、销售价、折扣、库存量以及销售特征;其次,构建灰色神经网络对目标skc销量进行预测,基于选取的主要因素,确定灰色神经网络结构为1—1—6—1,并运用遗传算法对灰色神经网络进行优化。根据不断调试,确定种群规模为25,迭代次数为100,网络学习次数为100,预测误差在0.05~0.1之间,可以认为模型准确度较高。因此,可以运用该组合模型对新零售目标产品进行预测分析,以此实现资源利用率的最大化,为社会健康发展作出贡献。

摘要： 随着新零售行业的不断发展,人们对于目标产品的需求逐渐从性价比转变为个性化.同时,商家对于种类喷井式爆发的新零售产品的管理越发困难.因此,建立一套针对目标产品的预测模型十分必要.首先运用逐步回归分析筛选出影响目标skc销量的因素,包括标签价、销售价、折扣、库存量以及销售特征;其次,构建灰色神经网络对目标skc销量进行预测,基于选取的主要因素,确定灰色神经网络结构为1—1—6—1,并运用遗传算法对灰色神经网络进行优化.根据不断调试,确定种群规模为25,迭代次数为100,网络学习次数为100,预测误差在0.05～0.1之间,可以认为模型准确度较高.因此,可以运用该组合模型对新零售目标产品进行预测分析,以此实现资源利用率的最大化,为社会健康发展作出贡献.

摘要： 本文在建立灰色神经网络新模型的基础上进行电子商务销售预测,采用中国商务部电子商务和信息化司发布的2016-2019年《中国电子商务报告》中的数据,挖掘电子商务销售预测的特点及影响因素,进一步对电子商务销售相关数据进行优化分析,通过整理和加工电子商务来源数据,使其呈现出更好的可靠性和实用性以充分满足对新模型有效性的验证,从而计算出合理和精确的预测值,为政府决策和电子商务企业发展提供有益参考.

摘要： 埋地燃气管道失效风险预警在制定防控预案保障管道安全运行中占据重要地位,为提高多因素影响下埋地燃气管道的失效风险预警水平,提出埋地燃气管道失效风险的时间效应预警模型。该模型将管道失效风险的时间效应纳入失效预警体系构建中,采用灰色系统理论分析埋地燃气管道失效影响因素的时间效应,开发多因素影响下的综合失效概率时间效应预测模型并应用失效概率转换函数将估计失效概率转换为年失效概率,实现燃气管道失效风险级别与预警等级的快速判定。作为实例将该模型应用于常州市埋地燃气管道的失效风险预警,结果证明该模型高效可靠。

摘要： 介绍地面沉降的危害和一阶灰色神经网络GNNM(1,1)的建模方法,并采用该模型对地面沉降数据分析和预测.结果表明,GNNM(1,1)模型在贫样本数据下能进行准确性较高的分析和预报,为地面沉降数据的挖掘与应用提供一种积极的思路.

摘要： 光伏发电系统输出功率具有不确定性特征，为了减轻其对电网的影响，有必要进行光伏出力预测。本文提出了一种基于灰色神经网络组合模型的方法对光伏出力进行预测。该方法是对传统直接预测和间接预测方法的结合，它考虑了影响光伏出力的主要因素，通过选择适当的样本建立了灰色模型，然后利用灰色模型的输出与天气温度数值建立神经网络预测模型。算例结果表明预测模型能够较好地对光伏出力进行预测，具有潜在的应用价值。

摘要： 网络流量是衡量网络运行负荷和状态的重要参数,也是网络规划、流量管理等方面起着重要作用的重要参数.在流量管理中,流量模型用于评价接入控制机制和预测网络性能.在灰色神经网络研究的基础上,提出一种新的网络预测方法,通过自适应过滤法对灰色神经组合模型时产生的残差进行修正,从而达到比较精确的效果.实验结果表明,该方法有效可行.

摘要： 本文研究了灰色神经网络的建模原理，然后通过GM(1,1)模型和等维新息灰色神经网络模型计算建筑物沉降观测数据，包括等间距时间数据序列和非等间距时间数据序列，分析试验结果，灰色神经网络模型的结果精度高于灰色理论模型的精度。

摘要： 大坝蓄水初期监测资料有限且波动性大,坝体结构处于适应变形的危险阶段.基于这种情况,结合灰色理论、神经网络和加权马尔可夫链理论的优点,构建灰色神经网络-加权马尔可夫链的大坝变形监控模型并对某碾压混凝土坝蓄水初期水平位移进行预测.结果表明,该模型解决了样本数据少、波动性大的问题,拟合效果较好,预测精度较高.

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： 本发明涉及计算机领域，尤其涉及一种基于动态模糊聚类和灰色神经网络的网络安全预测方法，包括将网络入侵攻击类型的每个数据类型视为一个种群，对种群进行初始化并采用实数编码对种群进行编码；使用自适应方法对交叉算子和变异算子进行处理；使用基于动态模糊聚类优化后的自适应遗传算法对初始权值分布进行粗略调整优化；计算种群的个体适应度函数；本发明具有良好的容错性和稳定性。

摘要： 本发明涉及计算机领域，尤其涉及一种基于动态模糊聚类和灰色神经网络的网络安全预测方法，包括将网络入侵攻击类型的每个数据类型视为一个种群，对种群进行初始化并采用实数编码对种群进行编码；使用自适应方法对交叉算子和变异算子进行处理；使用基于动态模糊聚类优化后的自适应遗传算法对初始权值分布进行粗略调整优化；计算种群的个体适应度函数；本发明具有良好的容错性和稳定性。

摘要： 本发明涉及一种基于灰色神经网络的网络课程订单需求预测方法，本发明通过根据历年网络课程订单数据和订单需求维度指数进行应用数据建模，所述历年网络订单按照时间序列分别从四个需求维度进行应用数据建模；根据应用数据建模和灰色神经网络建模进行拟合得到历年网络课程订单需求指数；对灰色神经网络的权值参数和阀值参数进行初始化，设定学习速率，通过预设随机点子生成网络结构参数；通过循环迭代法进行灰色神经网络训练；经过训练得到订单需求预测信息；通过训练好的模型对订单进行预测，得出差值，进新数据测试。本发明灰色神经网络模型能够准确，方便，方便地预测小样本数据。