神经网络法

摘要： 为了提高2 min平均的10 m风预报精度,开展了多种建模和检验方法比较。根据欧洲数值中心集合预报系统产品及北京海陀山的5个测站资料,使用一元回归、岭回归、神经网络、粒子群-神经网络等方法建模,进行2021年2月逐日的未来3天6 h间隔预报误差订正,并从多个角度分析预报精度差异。结果为:(1)系统误差、预报准确率检验表明,建模订正后的预报误差均明显减小。(2)频率关系图揭示,回归法在弱风区(大概率事件)有较好的订正能力,神经网络法在不同风速区都有正向的订正效果。(3)大风过程预报的对比显示,建模方法能有效订正风向的预报。

摘要： 为解决目前实验仿真中通常采用环境温度或固定数值替代光伏组件温度,导致建模结果偏差较大的问题,该文基于数值天气预报(NWP),采用自适应偏最小二乘回归法、BP神经网络法和集合预报法建立光伏组件温度预报模型,对17块不同倾角的光伏组件温度进行分析和预测.结果表明,集合预报法的预测效果最佳且具有普适性,在秋冬季,0°～25°倾角及西墙90°预测误差较低,均方根误差RMSE不超过3°C;春夏季各倾角误差变化相对平稳,春季集合预测法各倾角误差在2.1°C(0°)～3.0°C(45°)之间;夏季从倾角0°至90°,RMSE整体呈下降趋势,90°RMSE最低为1.9°C;对于不同的天气状况,晴天条件下预测误差相对最小,阴天和雨天对不同倾角预测误差的波动性较大;最后,针对武汉地区高温日和低温日的最佳倾角进行验证,高温日的板温预报RMSE为1.2°C,低温日为1.6°C.

摘要： 不同的铣削加工工艺参数会影响加工表面形貌和表面粗糙度.考虑灰关联分析与神经网络法的各自优点,提出了一种新的基于灰关联神经网络模型进行表面粗糙度预测的模型.首先利用灰关联分析,将各因子与预测目标作关联性的排序,且把不必要的因子剔除,接着进行神经网络的训练及预测.将所提的预测模型运用到铣削加工的表面粗糙度预测中,构建出表面粗糙度预测系统,最后采用两样本T分配假设检验,以此验证该预测系统的有效性与可行性.

摘要： 科学评价乡村旅游用地竞争力并识别其障碍因素是优化乡村旅游产业布局的前提和基础.以北京市密云区为例,从资源禀赋特征、区域生态环境和旅游开发条件3个维度选择13项指标,构建了基于神经网络法的旅游用地竞争力评价模型,以揭示密云区乡村旅游用地竞争力的格局.引入障碍因素诊断模型,分析主要乡村旅游用地竞争力类型的限制因素.结果表明:(1)乡村旅游用地低竞争力类以组团状形式,在密云区东南部和密云水库东北集中连片分布;中竞争力类沿"潮河轴带""白河轴带""安达木河轴带"和北部山区带状分布;高竞争力类以点状形式,涵盖张家坟村、司马台村、贾峪村、河北村、石城村、圣水头村、石马峪村和龙潭沟村.(2)以中竞争力类区域为例,基于主要障碍因素,将其划分为资源、环境和开发障碍型,并分别提出优化对策.研究成果可为乡村产业用地规划提供参考.

摘要： 基于Ludwik模型,采用有限元软件进行仿真,建立压痕曲线神经网络数据库,利用Matlab提供的函数来创建反向传播神经网络,利用材料参数输入和压痕曲线输出向量对神经网络进行训练,学习输入和输出数据之间的关系.利用训练好的神经网络模拟压痕曲线,通过Matlab优化函数使试验观测值与神经网络模拟预测值之间的误差最小.由于神经网络数据库已包含所有的数据信息,计算时不需要再进行有限元模拟,神经网络法能够节省大量计算时间.神经网络法计算得到奥氏体不锈钢的屈服强度、抗拉强度、应变硬化指数和弹性模量等力学性能与单轴标准试验结果吻合良好,能够用于预测奥氏体不锈钢的力学性能.

摘要： 卤代肉桂酸因具有肉桂酸一样的抑菌、抗氧化和抗微生物活性作用,故被广泛应用于医药、化妆品和农药等生产行业.为了研究卤代肉桂酸对羊角月牙藻急性毒性与其分子结构之间的定量构效关系,基于分子拓扑理论,计算了14个卤代肉桂酸分子的4类分子结构参数,筛选了电性拓扑状态指数(E13)和电性距离矢量(M15)作为理论结构描述符,将其与卤代肉桂酸对羊角月牙藻急性毒性进行回归分析,并将这2种参数作为神经网络法的输入层参数,采用2-2-1的神经网络结构,构建了相关性良好的预测毒性的神经网络模型,模型的总相关系数(R总)为0.951,预测的毒性值与其相应文献实验值的相对平均误差为4.49％,吻合度较好,利用模型预测了另外12种卤代肉桂酸对羊角月牙藻急性毒性.结果表明,卤代肉桂酸对羊角月牙藻急性毒性与2种分子结构参数具有良好的非线性关系.

摘要： 构建科学有效的变形预测模型对于预测桥梁的变形趋势与状态,保障桥梁的安全运营具有现实意义。基于桥面动态变形频率特征,从温度、相对湿度、风速和风向等综合影响中分析各因素对桥面变形的影响。结合主成分分析结果,引入多变量时间序列模型,构建主成分-多变量时间序列模型,利用桥梁实测数据对模型的拟合及预测精度进行分析与验证。结果表明,主成分-多变量时间序列模型在x、y、h 3个方向的拟合均方根误差分别为2 mm、2 mm和8 mm,优于多变量时间序列法和神经网络法;在x、y、h 3个方向的预测均方根误差分别为3 mm、3 mm和6 mm,表明所构建的主成分-多变量时间序列模型在桥梁变形预测方面具有一定的有效性及适用性。

摘要： 二苯甲酮类化合物在众多领域得到广泛应用,是非常重要的一种日用化工原料.为了研究二苯甲酮类化合物对发光菌毒性与其结构之间的定量结构-毒性相关关系,基于拓扑理论,计算了14个二苯甲酮类化合物分子的连接性指数(m X),选取连接性指数(m X)中的2种结构参数(2 X和5 X c)作为理论结构描述符,引入与二苯甲酮类化合物对发光菌毒性相关的回归分析中,构建了稳定性较好的QSTR模型,并将这2种连接性指数(2 X和5 X c)作为人工神经网络法(ANN)的输入层节点,采用2-2-1的神经网络结构,构建了相关性良好的神经网络预测模型,该毒性预测模型的总相关系数r t达到0.9983,预测的毒性值与其相应文献值的相对平均误差只有1.60％,两者吻合度较好.结果表明,二苯甲酮类化合物对发光菌毒性与2种分子连接性指数具有良好的非线性关系,利用该模型可为设计毒性低的新二苯甲酮类化合物分子提供指导.

摘要： 以某自锚式斜拉—悬吊组合体系模型试验桥的施工过程模拟试验为背景,利用施工过程有限元模型对该桥部分设计参数进行敏感性分析,在此基础上以静力测试数据为依据采用神经网络法对该模型试验桥进行了有限元模型修正.结果表明该方法是斜拉—悬吊体系桥梁这类非线性结构的有限元模型修正的可行方法.对于斜拉一悬吊组合体系桥梁，施工过程中斜拉索的初始张拉力会对桥梁后期的线形和内力产生一定的影响，所以在进行敏感性分析时，斜拉索的初始张拉力也应作为一种设计参数予以考虑。可以选择斜拉索的无应力长度作为设计参数。对比BP神经网络和RBF神经网络的结果，表明RBF网络训练迭代次数少，网络误差更小，输出精度更高，其对非训练样本的识别和判决结果的置信度更高。用神经网络法进行有限元模型修正，能考虑结构的非线性，因此该方法是悬索桥这类非线性结构的有限元模型修正的可行方法。

摘要： 河南省的主要矿山地质环境问题有:矿山地质灾害、煤矸石堆放及自燃、占用和破坏土地,矿区水土流失,区域地下水位下降、水体污染等.在着重考虑矿山地质环境影响因素、矿山地质灾害发育程度、环境危害程度的基础上,兼顾地质环境背景,并结合人类工程经济活动强度等,共选取地形地貌、工程地质条件、构造条件、崩塌、滑坡、泥石流、地面塌陷、地裂缝、地面沉降、土地占用与破坏、固体废弃物、废水和废液排放、矿坑突水、水资源枯竭、煤(矸石)自燃、企业规模、生态环境恢复治理难易程度等17项评价因子.将全省按6'×5'剖分网格,每个评价单元面积约100km2,然后对每一评价因子定量或定性评价赋值,分别计算各评价单元的总分值,然后利用神经网络法进行定量分级.最后根据每一评价单元的环境质量分级,将全省矿山地质环境质量分为三类:环境质量较差区(含13个亚区)、环境质量中等区(含9个亚区)和环境质量良好区,为矿山地质环境防治规划提供了依据.

摘要： 本文介绍了混沌控制领域中的几种控制方法,并着重讨论了智能控制方法,详细地介绍常用的神经网络法和模糊控制法,并指出存在不足及限制条件.对混沌控制方法的进一步研究方向进行了预期和展望，指出根据混沌理论的具体需要，建立针对性的数学理论分支，发展相应的数学工具和分析方法，为混沌控制的发展提供相应的理论基础;针对各个领域内混沌定义的不统一，对各个专业、领域内的混沌定义进行统一化和标准化，使整个混沌理论的体系更加正规化。

摘要： 结合南京机场线地铁项目,进行了邻近隧道爆破开挖作用下既有隧道的爆破振动速度现场监测试验,应用BP神经网络,建立了既有隧道爆破振动速度的预测模型,并与多种经验公式预测进行了比较分析.结果表明:BP神经网络爆破振动速度预测数据与试验监测数据拟合较好,相比于经验公式预测,具有误差小、精度高的特点.研究成果可为邻近隧道爆破开挖作用下既有隧道爆破振动控制和新建隧道爆破开挖方案完善提供理论参考.

摘要： 从1995年开始到2008年1月,利用附加质量法检测堆石土密度问题的研究工作经历了13年之久,随着试验、应用的不断发展,深层次问题不断提出、研究工作不断深入,分别于1996年6月、2005年8月、2008年1月提出了三个阶段的研究报告,称为三代技术，堆石土密度检测附加质量法的第一代技术，引入了等效动能模型，推出了衰减系数密度式，将密度与参振质量挂上了勾，从理论和操作上证明了利用动力参数检测密度的可能性，在试验和工程检测中得到了证实。第二代技术针对第一代技术中存在的问题，引入了动力基础弹性半空间模型和质弹阻模，推出了弹性半空间密度解析式，解开了动力参数测试中频率反常问题的谜团，提出了密度求解的另一种途径线性相关，解决了压板选择和层密度计算问题，研制了密度测试的专用仪器。第三代技术，引入了八种模型，发现了广义与狭义、动力与静力、半空间与质弹阻模型的一致性;研究了含水率对刚度的影响、参振质量m0≤0问题、密度变化的灵敏度问题、时域曲线的裁选问题;提出了解析法、相关法和神经网络法三种密度算法，覆盖了密度求解的各种可能出现的情况。

摘要： 利用数据挖掘智能分析技术中的神经网络、回归方法对实际运营的地铁ATO运行数据进行分析,并建立停车精度的模型对如制动模型的数据、网压、车重等因素进行分析.采用Lasso方法、BP网络、RBF神经网络方法分别对样本进行停车精度分析,并通过验证数据对其效果进行验证.获得了与停车精度相关度较高的4个参数,并且通过模型的计算得到这4个相关参数的最佳输出值,为改进列车停车精度提供了依据.相对于列表或者画图分析方法,利用数据挖掘技术分析列车停车精度的方法可以找出数据潜在的规律,为高效利用大量数据带来了极大的便利.

摘要： 利用数据挖掘智能分析技术中的神经网络、回归方法对实际运营的地铁ATO运行数据进行分析,并建立停车精度的模型对如制动模型的数据、网压、车重等因素进行分析.采用Lasso方法、BP网络、RBF神经网络方法分别对样本进行停车精度分析,并通过验证数据对其效果进行验证.获得了与停车精度相关度较高的4个参数,并且通过模型的计算得到这4个相关参数的最佳输出值,为改进列车停车精度提供了依据.相对于列表或者画图分析方法,利用数据挖掘技术分析列车停车精度的方法可以找出数据潜在的规律,为高效利用大量数据带来了极大的便利.

摘要： 利用数据挖掘智能分析技术中的神经网络、回归方法对实际运营的地铁ATO运行数据进行分析,并建立停车精度的模型对如制动模型的数据、网压、车重等因素进行分析.采用Lasso方法、BP网络、RBF神经网络方法分别对样本进行停车精度分析,并通过验证数据对其效果进行验证.获得了与停车精度相关度较高的4个参数,并且通过模型的计算得到这4个相关参数的最佳输出值,为改进列车停车精度提供了依据.相对于列表或者画图分析方法,利用数据挖掘技术分析列车停车精度的方法可以找出数据潜在的规律,为高效利用大量数据带来了极大的便利.

摘要： 利用数据挖掘智能分析技术中的神经网络、回归方法对实际运营的地铁ATO运行数据进行分析,并建立停车精度的模型对如制动模型的数据、网压、车重等因素进行分析.采用Lasso方法、BP网络、RBF神经网络方法分别对样本进行停车精度分析,并通过验证数据对其效果进行验证.获得了与停车精度相关度较高的4个参数,并且通过模型的计算得到这4个相关参数的最佳输出值,为改进列车停车精度提供了依据.相对于列表或者画图分析方法,利用数据挖掘技术分析列车停车精度的方法可以找出数据潜在的规律,为高效利用大量数据带来了极大的便利.

摘要： 利用数据挖掘智能分析技术中的神经网络、回归方法对实际运营的地铁ATO运行数据进行分析,并建立停车精度的模型对如制动模型的数据、网压、车重等因素进行分析.采用Lasso方法、BP网络、RBF神经网络方法分别对样本进行停车精度分析,并通过验证数据对其效果进行验证.获得了与停车精度相关度较高的4个参数,并且通过模型的计算得到这4个相关参数的最佳输出值,为改进列车停车精度提供了依据.相对于列表或者画图分析方法,利用数据挖掘技术分析列车停车精度的方法可以找出数据潜在的规律,为高效利用大量数据带来了极大的便利.

摘要： 一种基本人工神经网络的训练法及自动训练人工神经网络的装置，包括成双向电路联结的数据采集器和计算机，并在该计算机内存建立BP人工神经网络输入暂存区，参数暂存区等，特别是还包括基本神经网络和以程序联结的病人ED模式选取程序模块和训练专用神经网络程序模块等，使得可依藉本发明装置实现无医生参与的全自动定量检测脑电图中的癫痫样放电。

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： 一种基本人工神经网络的训练法及自动训练人工神经网络的装置,包括成双向电路联结的数据采集器和计算机,并在该计算机内存建立BP人工神经网络输入暂存区,参数暂存区等,特别是还包括基本神经网络和以程序联结的病人ED模式选取程序模块和训练专用神经网络程序模块等,使得可依藉本发明装置实现无医生参与的全自动定量检测脑电图中的癫痫样放电。

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。