动态神经网络
动态神经网络的相关文献在1995年到2022年内共计188篇,主要集中在自动化技术、计算机技术、电工技术、无线电电子学、电信技术
等领域,其中期刊论文135篇、会议论文18篇、专利文献476172篇;相关期刊100种,包括郧阳师范高等专科学校学报、东北大学学报(自然科学版)、科技资讯等;
相关会议17种,包括2015第8届中国保险教育论坛、2014中国制导、导航与控制学术会议、中国电机工程学会电力系统自动化专业委员会三届一次会议暨2011年学术交流会等;动态神经网络的相关文献由478位作者贡献,包括胡维礼、刘耀年、陈庆伟等。
动态神经网络—发文量
专利文献>
论文:476172篇
占比:99.97%
总计:476325篇
动态神经网络
-研究学者
- 胡维礼
- 刘耀年
- 陈庆伟
- 吴晓蓓
- 宁佐贵
- 戴琼海
- 韩卫华
- 井元伟
- 刘学广
- 刘岱
- 刘恩东
- 吕永红
- 吕若琳
- 吕进
- 周涌
- 孙增圻
- 孙广成
- 崔蔚
- 庞松岭
- 张嗣瀛
- 李明
- 柴天佑
- 沈艳军
- 王伯瑞
- 王登峰
- 王耀南
- 谭文
- 郑培
- 项湜伍
- 严忠林
- 伍锡如
- 何统洲
- 余伟炜
- 余跃庆
- 侯迪波
- 党选举
- 刘仲尧
- 刘宗巍
- 刘帆
- 向志立
- 吴新
- 周川
- 周琨
- 周竑宇
- 周红达
- 唐士杰
- 喻洁
- 夏卫国
- 姜春福
- 姜胜
-
-
赵瑞锋;
王海柱;
郭文鑫;
刘洋;
王可
-
-
摘要:
为解决综合能源电/热储能配置问题,提出了一种含风电接入的区域综合能源系统电/热储能配置方法。首先,构建风电功率预测的动态神经网络预测模型,对区域综合能源系统内的风电场出力进行有效预测。然后,分析区域综合能源系统电/热储能充放能行为,建立储电、储热与区域风电场功率的联系,并考虑电热耦合关系,形成电/热储能的联合优化配置模型。最后,选取某地实际数据,设置3个场景,将预测结果代入优化模型计算储电和储热配置,对比验证了该方法下风电预测具有较好效果,有利于储能资源的优化配置和降低成本。
-
-
孙晓哲;
白玉轩;
杨建忠
-
-
摘要:
机电作动器逐步应用于新型多电飞机中,其中的传感器故障对于机电作动系统的正常工作具有较大影响。针对余度传感器故障无法判定正确的传感器信号以及丧失全部传感器数据情况下信号重构的问题,采用处理时序信号有优势的神经网络辨识学习方法对故障传感器的信号进行恢复,由此解决输入信号故障情况下的信号重构问题。对比了两种动态神经网络的差异,即非线性动态神经网络与NARX网络。试验结果表明:NARX网络可有效准确完成信号丧失下的信号恢复,对比网络线性回归、误差自相关与互相关系数可得NARX恢复结果优于非线性动态神经网络。
-
-
张宇;
程开新;
竺俊杰;
武国勋;
姚熊亮
-
-
摘要:
针对含不确定关联项的级联RTAC系统的镇定控制问题,提出了一种基于动态神经网络辨识的分散控制方案.应用拉格朗日方程建立起了考虑不确定非线性作用力的级联RTAC系统数学模型,采用动态神经网络实现级联RTAC系统中不确定关联项的在线辨识,通过构造含神经网络权值矩阵迹的Lyapunov函数,证明了辨识误差的一致有界性.通过动态神经网络辨识不确定关联项、补偿系统建模误差,建立级联RTAC系统分层滑模控制算法,以实现级联RTAC系统的高精度分散镇定控制.数值仿真验证了动态神经网络的引入对级联RTAC系统分散镇定控制系统瞬态幅值抑制、稳态精度提升的效果.
-
-
张红杰;
曲成;
李京
-
-
摘要:
深度强化学习使用深度神经网络在解决复杂决策任务上取得显著进步.然而,其推理成本明显增加,导致实用性降低,减少推理代价为该技术落地的重要挑战.本文研究发现,任务中并非所有状态都是难以决策的.受此启发,本文提出状态自适应推理框架,保证策略质量并显著降低策略推理成本.本文设计了动态策略训练算法:首先,为加速简单状态下的推理,生成不同大小的子策略网络.然后,训练元策略以根据状态难易动态选择合适的子策略.为进一步降低元策略推理成本,本文共享子策略与元策略网络的部分参数,并基于扩展的马尔可夫决策过程训练元策略.最后在gym平台上进行的实验表明,自适应推理框架在保证策略质量的前提下浮点数计算量少3.4倍.
-
-
王伯瑞;
郑培
-
-
摘要:
锂离子电池组的不一致性导致电池组增加过充电或过放电风险,并造成个别电池易于老化,使电池组的可用容量和寿命下降,且过充电产生的热量会影响电动汽车的使用安全性.基于此,提出以开关阵列为核心的双向DC/DC变换器均衡电路,以荷电状态(SOC)极值和均值为均衡开启和结束条件,采用主元分析法(PCA)-蚁群算法(ACO)-Elman动态神经网络-无迹卡尔曼滤波(UKF)联合算法进行SOC估算.实验及仿真结果表明,通过算法间取长补短既克服系统输入变量维数大、Elman神经网络易陷入局部最优、UKF过于依赖模型等缺陷,又使均方差达到1%,提高算法的稳定性,计算速度快,且与其他均衡方案相比,均衡耗时短、效率高.
-
-
张希仁;
万知祥;
蓝云聪
-
-
摘要:
在政府征收定量税的前提之下,投资乘数直接取决于边际消费倾向的变化,本文以边际消费倾向作为研究对象,选取会直接对边际消费倾向造成影响的人均国民收入、基尼系数、实际利率和物价水平四个影响因素,构建动态神经网络模型,将四者作为神经网络的输入层,将对应边际消费倾向指数作为输出层进行训练,并预测出之后我国居民边际消费倾向的发展趋势,预测结果显示,近年内我国国民的边际消费倾向会稳定在略高于国际平均的水平,符合我国当前的形势,同时提出了相应的建议.
-
-
赵照;
熊建军;
冉林;
何苗
-
-
摘要:
结冰风洞试验过程中,喷雾耙内气体温度传感器出现故障会导致数据缺失.结冰风洞喷雾供气系统是高耦合度的热力系统,喷雾耙供气温度受多种因素影响,很难用准确的物理模型描述.文中采用主成分分析(PCA)方法消除喷雾耙供气温度相关影响因素变量间的数据冗余,建立以喷雾耙入口温度、喷雾耙供气压力、风洞内部环境温度及喷雾耙供气温度延迟量为输入和喷雾耙供气温度为输出的动态神经网络异常数据重构模型,提出了序列排序与并行排序的数据训练方法,应用训练后的模型对喷雾耙供气温度单点异常与长期异常数据进行重构,并与真实值作对比.结果表明,采用并行排序的动态神经网络能够准确地实现喷雾耙供气温度数据重构,具有较好的泛化能力.
-
-
王伯瑞;
刘晶;
郑培
-
-
摘要:
锂离子电池组的不一致性导致电池组增加过充电或过放电风险,并造成个别电池易老化,在工作中易老化电池过充电或过放电使其可用容量和寿命下降,且过充电产生的热量会造成温度快速上升,易引发热失控,增加电池组安全隐患.因此,需要引入均衡技术以减轻电池组的不一致性.基于此提出以开关阵列为核心的改进型双向DC/DC变换器均衡电路,以荷电状态(SOC)极值为均衡开启条件,并设计基于蚁群算法(ACO)-Elman动态神经网络的模糊PID控制系统,以粒子群算法(PSO)对量化因子寻优处理.经MATLAB/Simulink仿真,开关阵列使DC/DC变换器均衡能量传递路径缩短,避免能量的无效流动,通过各算法间的优化处理,实现PID特征参数随控制参量变化实时可调,即控制占空比使能量传递处于最优状态,充分发挥电感的储能作用,与其他均衡方案相比,均衡速度快,且效率高.
-
-
程功
-
-
摘要:
采用Matlab基于Bayesian Regularization算法建立动态神经网络模型,对基坑支护桩顶面位移进行变形分析.通过实测数据对比分析:利用动态神经网络对基坑支护桩水平位移监测数据进行预测,预测精度较高,方法可行.
-
-
聂文明;
梅彬
-
-
摘要:
旋翼飞行器动力学模型复杂度高、非线性强,且存在模型参数偏差、外界随机干扰导致的未知不确定性,因此难以建立精确的动力学模型,给飞行控制系统的设计带来困难.针对上述问题,提出了一种基于动态神经网络的旋翼飞行器在线模型辨识算法,在不依赖于模型先验信息和未知的不确定性信息的情况下,可实现完全数据驱动的在线高精度的模型辨识.基于Lyapunov理论和Barbalat引理,给出了辨识算法的收敛性理论分析.最终,通过数值仿真验证了模型辨识算法的有效性.
-
-
Yun Lian;
连云;
Lin Wang;
王琳
- 《2014中国制导、导航与控制学术会议》
| 2014年
-
摘要:
本文基于直升机的飞行数据,使用NARX和LRC两种动态神经网络,辨识了直升机在不同速度下的纵向和横向的动态特性.相比于传统的辨识方法,动态神经网络表达能力强、需要的先验假设少、能够直接得到多输入多输出的直升机模型.试验结果表明,当使用精心选择的飞行数据进行训练后,动态神经网络模型能在选定的状态点附近,很好地拟合直升机的动态特性;试验还表明,NARX网络有着更快的收敛速度和更好的泛化精度.
-
-
-
-
-
-
-
-
-
郝悍勇;
孙增圻
- 《第15届中国过程控制会议》
| 2004年
-
摘要:
鉴于对线性系统的故障诊断方法比较成熟,而对非线性系统的故障诊断还有很大不足的状况,将非线性系统在多个工作点进行分段线性化.在非线性系统中借鉴线性故障诊断方法,对每个工作点的模型进行线性故障诊断设计,取得工作点密度和故障诊断性能的均衡,同时使用动态神经网络对各个工作点的工作参数进行拟合.该方法将一组改进的鲁棒观测器与一个为其确定参数的动态神经网络相结合,对非线性系统进行故障诊断.用典型的3水箱模型验证了这个合成方法,验证结果显示,该方法有很好的全局工作点适应性和对干扰的鲁棒性.
-
-
Zhao Shangmei;
赵尚梅;
Hou Jianlei;
侯建磊;
Zhao Ting;
赵汀
- 《2015第8届中国保险教育论坛》
| 2015年
-
摘要:
本文从某大型财产保险公司已经结案的机动车索赔数据库中随机采集欺诈及诚实索赔87组共696个数据,其中识别指标分为8项,针对我国机动车保险欺诈采样数据,应用逐步判别法,筛选出出险时车的使用年限、维修厂的类别、有无交警事故认定书、索赔人、已有索赔次数5个显著的特征指标.本文将支持向量机方法以及BP神经网络方法同时运用到机动车保险欺诈的识别研究中,并针对原有方法进行相应改进,然后从识别精确度、收敛性、收敛速度等方面对识别效果进行比较,证实了以B-SVM为代表的支持向量机方法在机动车保险欺诈识别中明显优于以BP神经网络为代表的其他识别模型,从而为机动车保险欺诈识别提供了准确有效的方法.