Kohonen神经网络

摘要： 针对无线传感器网络中能量受限的特点,提出了基于时空相关加权目标函数粒子群优化算法(SC-WOFPSO)的分簇协议。首先,该协议使用Kohonen神经网络提取节点间的数据相似性。在分簇过程中,该协议综合考虑了节点间的数据相似性、节点间距离以及节点剩余能量等因素,使用PSO算法进行迭代寻优,寻找最优的簇头集合;在成簇过程中,网络中的非簇头节点为每个簇头分别计算goal函数值,选择加入函数值最大的簇头。最后从网络总能量消耗、网络寿命和网络吞吐量三个性能指标出发,验证了该协议能够有效降低网络能耗、提高网络寿命、网络吞吐量。

摘要： 准噶尔盆地吉木萨尔凹陷二叠系芦草沟组岩性复杂,岩相多样,亟需建立配套的岩相测井识别方法。综合利用岩心薄片、常规测井与成像测井等资料对芦草沟组的岩性、沉积构造等特征进行研究,在此基础上进行岩相类型划分,并分析不同岩相的测井响应特征,建立岩相测井评价模型。结果表明,研究区主要由云质泥岩、泥质粉砂岩、粉砂质泥岩等岩性组成;根据岩心的矿物组成,考虑在岩心尺度上的可区分性、测井中的可识别性,划分出块状白云质泥岩相、平行/波状层理泥质粉砂岩相、块状泥岩相、块状泥晶白云岩相、平行层理粉砂岩相和波状/水平层理粉砂质泥岩相6种主要岩相类型。在此基础上通过岩心刻度测井资料建立岩相判别准则,并利用Kohonen神经网络方法实现单井岩相测井自动判别,划分结果与薄片匹配较好。研究成果可提高未取心井的岩相识别效率与精度,为该地区页岩油勘探提供一定的理论依据与方法支撑。

摘要： 永磁同步电动机（PMSM）是一个多变量、非线性、强耦合的复杂系统,其伺服系统的控制策略直接影响PMSM的性能指标。文章给出了PMSM在d-q坐标系下的数学模型,分析了空间矢量脉宽调制（SVPWM）的基本原理,针对传统的复杂SVPWM算法,分析了一种基于Kohonen神经网络的SVPWM算法。该算法计算简单,避免了大量的三角函数和求根运算,从而可节省处理器的计算时间。采用的控制方式,在Matlab/Simulink环境下建立PMSM伺服系统三闭环控制仿真模型,仿真结果验证了算法的有效性。

摘要： 针对雾霾天气下图像信息模糊难辨的问题,以图像的颜色特征传递为基础,提出一种基于自适应分类颜色传递的两次图像清晰化校正算法.首先采用基于统计特性的颜色传递方法对源图像进行一次整体校正;其次使用Kohonen神经网络对一次校正后的源图像和目标图像进行颜色信息的归类,使用归类后最相近的图像块进行二次颜色信息校正.通过两次颜色信息校正,图像整体信息和细节信息都得到了较完整和自然的恢复,效果良好.%Based on the color information transferring,it proposes a new algorithm to resolve the clearing problem for the pictures in the haze days'condition.This algorithm consists of two times clearing steps which use the selfadapt color categorize algorithm.The first step is for correcting the picture whole once,the second step is for categorizing the color and transferring the color information between the categorized color blocks.It uses Kohonen neural network to categorize color in the source & target pictures.This algorithm can correct ideally the pictures in haze days condition.

摘要： 针对衡量公司绩效能力的财务指标众多,难以建立高效的公司财务预警系统问题,本文首先通过变异系数和相关系数对最为常用的衡量公司绩效的22项指标进行初步筛选和二次筛选,得到资产收益率、销售净利率、净资产收益率、留存收益与总资产比率、资产现金回收率、营运资本总资产比、经营性现金流量流动负债比、经营性现金流量债务总额比和净资产增长率等9项指标,然后利用因子分析将这9项指标划分为盈利能力、偿债能力和成长能力3个主因子,并以此建立一个按资产收益率层级划分的监督型主元Kohonen神经网络.利用Kohonen神经网络模型对24家上市公司的财务进行实证分析,结果表明该模型相比已有的F分数模型和BPNN模型具有更高的判别准确率,可以有效地规避拒识情形,在实际中具有更高的应用价值.

摘要： 针对连铸坯铸造在线质量评估中存在的实时性和准确性评判误差较大等问题,提出一种基于人工智能神经元网络技术的在线质量评估方法.通过获取训练样本和进行独立实验,分析和研究了铸造材料中主要元素对在线连铸坯质量的影响.将收敛速度快、评判准确率高的BP神经网络模型和Kohonen自组织特征映射神经网络模型相结合,在评估过程中两者并行运算,评判结果相互融合,实现了对连铸坯在线质量的准确判定.MATLAB仿真结果表明,融合运算后的在线质量评估平均相对误差小于10％.

摘要： By combining Kohonen neural network with radial basis function (RBF) network,the seriously overlapping spectra of the three components of cobalt ,nickel and vanadium in wastewater has been analyzed. The most informa-tive wavelengths are selected from the full spectra,and the structure and parameters of RBF network are defined by optimization. As a result,the optimization problems in calibration model for the calculation of photometric analysis are solved effectively. The results prove that after using Kohonen network method for selecting the most informative wavelengths,the input of RBF network is optimized and the prediction ability is improved.%将Kohonen神经网络与RBF网络相结合，对废水中吸收光谱严重重叠的钴、镍、钒三组分体系进行解析。利用Kohonen神经网络选择全谱特征波长，优化确定了RBF网络的结构和参数，使光度分析计算的校正模型的优化问题得到有效解决。分析结果表明，经Kohonen神经网络方法进行波长选择后，优化了RBF网络的输入并提高了其预测能力。

摘要： 多组分同时测定时,由于组分间的相互影响,特征波长的选择是影响计算精度的重要因素.Sn(Ⅳ)、Mo(Ⅵ)和Sb(Ⅲ)均可与水杨基荧光酮(SAF)和溴化十六烷基三甲胺(CTMAB)发生高灵敏度的显色反应,生成稳定的三元胶束化合物,但紫外吸收光谱重叠严重.实验提出将Kohonen神经网络与Elman网络相结合建立了铸铁中3种金属同时测定的定量分析方法.方法利用Kohonen神经网络的聚类能力选择特征波长点,然后用优化后的Elman神经网络对优选特征波长点处的吸光度数据建立预测模型.结果表明,用从全谱中选出的26个波长点吸光度数据建模,整体预测效果最好.将实验方法用于合成样测定,预测结果与实际浓度的平均相对误差绝对值在2.24％～3.10％之间;用于铸铁样中Sn、Mo和Sb同时测定,测定值与原子吸收光谱法测定值吻合较好,相对标准偏差(RSD,n=7)在1.2％～2.7％之间.

摘要： The network management departments in universities have accumulated users′ mass online behavior data in ope⁃ration management process,which can master users′ online habit and regular pattern by reorganizing and analyzing the users′ on⁃line behavior,and formulate the online management strategy scientifically and effectively. A specific college is taken as the ex⁃ample,the users′ online data is preprocessed,and corresponding field is extracted to built the analysis dataset. The online login time is showed in graphic form after statistics. By taking online time as the index value,the clustering analysis for the online record is conducted with K⁃means clustering and Kohonen neural network clustering methods to obtain the clustering results. In combi⁃nation with the user information,the results obtained from the two clustering methods are compared by taking corresponding cri⁃terion of user and online record as the criterion to judge the clustering effect,and the suitable result is selected. The online con⁃dition of the experimental unit is analyzed with the computed results to propose some suggestions for online management strategy.%高校网络管理部门在运行管理过程中积累了大量用户上网行为数据，对用户上网行为进行整理分析将能掌握用户上网习惯、规律，科学有效地制定上网管理策略。以一具体高校为例，通过对用户上网数据进行预处理，抽取相应字段构建分析数据集，通过图表形式对上网登录时间进行统计展示。以上网时长为指标值，分别使用K-均值聚类与Kohonen神经网络聚类方法对上网记录进行聚类分析，得到聚类结果。结合用户信息，以用户与上网记录的对应准则作为判断聚类效果的准则，对两种聚类方式得到的结果进行比较，选择合适的结果。结合计算结果对实验单位的上网情况进行分析，对上网管理策略提出建议。

摘要： 本文根据小目标检测的要求,利用形态学变换算法的图像处理和Kohonen神经网络的自组织竞争学习特点,将二者相结合起来发挥它们的各自优势,提出了一种小目标探测算法,该算法不必考虑小目标的集合形状,能够自动识别出小目标.仿真表明该算法具有较好的检测效果.

摘要： 本文根据小目标检测的要求,利用形态学变换算法的图像处理和Kohonen神经网络的自组织竞争学习特点,将二者相结合起来发挥它们的各自优势,提出了一种小目标探测算法,该算法不必考虑小目标的集合形状,能够自动识别出小目标.仿真表明该算法具有较好的检测效果.

摘要： 本文根据小目标检测的要求,利用形态学变换算法的图像处理和Kohonen神经网络的自组织竞争学习特点,将二者相结合起来发挥它们的各自优势,提出了一种小目标探测算法,该算法不必考虑小目标的集合形状,能够自动识别出小目标.仿真表明该算法具有较好的检测效果.

摘要： 本文根据小目标检测的要求,利用形态学变换算法的图像处理和Kohonen神经网络的自组织竞争学习特点,将二者相结合起来发挥它们的各自优势,提出了一种小目标探测算法,该算法不必考虑小目标的集合形状,能够自动识别出小目标.仿真表明该算法具有较好的检测效果.

摘要： 本文运用Kohonen神经网络方法建立了工程场地稳定性评价的Kohonen神经网络模型。并利用此模型对厦门海沧开发区某工区进行了稳定性评价,结果表明,这一评价方法比其他方法更简洁,也更准确。

摘要： 本文运用Kohonen神经网络方法建立了工程场地稳定性评价的Kohonen神经网络模型。并利用此模型对厦门海沧开发区某工区进行了稳定性评价,结果表明,这一评价方法比其他方法更简洁,也更准确。

摘要： 本文运用Kohonen神经网络方法建立了工程场地稳定性评价的Kohonen神经网络模型。并利用此模型对厦门海沧开发区某工区进行了稳定性评价,结果表明,这一评价方法比其他方法更简洁,也更准确。

摘要： 本文运用Kohonen神经网络方法建立了工程场地稳定性评价的Kohonen神经网络模型。并利用此模型对厦门海沧开发区某工区进行了稳定性评价,结果表明,这一评价方法比其他方法更简洁,也更准确。

摘要： 本文运用Kohonen神经网络方法建立了工程场地稳定性评价的Kohonen神经网络模型。并利用此模型对厦门海沧开发区某工区进行了稳定性评价,结果表明,这一评价方法比其他方法更简洁,也更准确。

摘要： 本文介绍了Kohonen神经网络对样本数据进行聚类的应用,提出了从核心样本个体动态搜索BP网络训练样本集的新探索,摒弃了过去BP算法中训练样本固定不变,互不相交的方法,实现了BP网络和Kohonen网络动态无缝集成.

摘要： 本发明公开了一种基于A_Kohonen神经网络的恶意代码分类方法，属于计算机网络安全技术领域。本发明首次将人工神经网络引入恶意代码的分类，并对现有无监督学习的Kohonen神经网络进行改进，在第一阶段的无监督学习后，加入一个有监督的学习过程，从而提高了分类准确率。本发明方法可实现对未知恶意代码的快速准确分类，且算法简单，实时性好。

摘要： 本发明涉及一种基于Kohonen神经网络的最佳攻击路径规划方法，属于信息安全技术领域。具体操作步骤为：步骤一、获取网络结构。步骤二、收集网络系统中主机及漏洞信息。步骤三、建立Kohonen神经网络模型。步骤四、训练Kohonen神经网络模型，得到训练好的Kohonen神经网络模型。步骤五、使用训练好的Kohonen神经网络模型，对实验数据进行预测，得到输出向量Ym。步骤六、构造K‑攻击图。步骤七、根据K‑攻击图构造概率矩阵以及最佳原子攻击矩阵。步骤八、得到最佳攻击路径。本发明提出的基于Kohonen神经网络的攻击路径规划方法与已有技术相比较，具有以下优点：①生成的攻击图只保留最可能的攻击节点，避免了状态爆炸问题。②泛化性能强。③最优攻击路径生成速度快。

摘要： 本发明公开了一种基于Kohonen神经网络的入侵检测方法,它包括首先使用大量正常样本以及入侵样本训练Kohonen神经网络，使其隐藏层各不同类型的神经元聚集在一起。某种类型的神经元只能对特定的输入数据进行相应或者敏感,然后使用测试数据对训练后的网络进行测试。对于每一个输入，判断标准是:计算其与所有隐藏层节点的距离，距离最短的隐藏层节点所对应的类型即此次输入所对应的类型,最后统计所有测试数据的识别准确输率。本发明采用入侵检测评测权威数据集Kddcup99，通过字符替换以及数据归一化将其转化为Kohonen神经网络能够识别的类型，分别采用数据集所有字段以及降维以后的字段对网络进行训练和测试，发现此方法对入侵识别准确率达到92.72％。

摘要： 本发明公开了一种基于A_Kohonen神经网络的恶意代码分类方法，属于计算机网络安全技术领域。本发明首次将人工神经网络引入恶意代码的分类，并对现有无监督学习的Kohonen神经网络进行改进，在第一阶段的无监督学习后，加入一个有监督的学习过程，从而提高了分类准确率。本发明方法可实现对未知恶意代码的快速准确分类，且算法简单，实时性好。

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： 本发明公开了一种基于kohonen神经网络聚类抽样方法，包括如下具体步骤：录入数据，并提取属性特征；根据提取的属性特征进行kononen神经网络聚类；利用相对误差确定样本总量；根据聚类后的样本所在的大类，以及大类的属性特征给予各类不同的样本量；在各个类别样本量确定之后，在各个类别的内部进行分层抽样，分配所对应的权重，获取最后抽样样本。本发明既保证了样本点在总体中不会出现集中于某一类企业的情况，又能将真正需要进行调查的企业抽取出来。改进出口企业存在的“帕雷托效应”、以及传统抽样方法的局限性对抽样结果的影响；并且避免大部分抽取的企业为属性特征相同的企业。