动量项
动量项的相关文献在1995年到2020年内共计71篇,主要集中在自动化技术、计算机技术、无线电电子学、电信技术、电工技术
等领域,其中期刊论文63篇、会议论文5篇、专利文献6708篇;相关期刊56种,包括信息系统工程、中小企业管理与科技、科技情报开发与经济等;
相关会议5种,包括第五届中国信息融合大会、浙江省信号处理学会2011学术年会、2011年信息技术、服务科学与工程管理国际学术会议等;动量项的相关文献由180位作者贡献,包括高颖、欧世峰、王智文等。
动量项
-研究学者
- 高颖
- 欧世峰
- 王智文
- 何伟
- 刘强
- 张新波
- 张龙
- 徐静
- 李智
- 殷芮
- 沈锁金
- 王建培
- 王彩云
- 程海青
- 赵子先
- 路良坤
- 郑君
- 陈金赛
- 韩立帅
- 魏静
- 黄春跃
- 黄根信
- Guoting SONG
- Shifeng OU
- Wang Caiyun
- Xu Jing
- Ying GAO
- 丁以中
- 丁伟
- 乔焰辉
- 于琰
- 付志民
- 代宏伟
- 何苗
- 佟惠军
- 全宇
- 关小芳
- 冯宝强
- 刘伟
- 刘冰
- 刘学
- 刘宗杰
- 刘松江
- 刘磊
- 刘美珍
- 刘芳君
- 刘莉
- 刘达
- 吉树亮
- 周宝森
-
-
姚和友;
张庭芳;
黄菊花;
曹铭
-
-
摘要:
为提高动力电池的荷电状态(SOC)估算精度,延长使用寿命,利用BP神经网络思想,提出基于python编程的改进型自适应动量项BP神经网络算法.以额定容量为29 Ah的三元正极材料锂离子电池为实验对象,在电压、电流和温度的基础上,引入内阻和已放电量作为神经网络模型的输入项,并利用模型的实际输出值和期望值的误差均方差,动态调整每一步迭代过程中的动量项.与传统BP神经网络算法相比,改进后的算法收敛速度提升了80%,估算误差稳定在20%以内.
-
-
周畅;
米红娟
-
-
摘要:
应用传统浅层模型处理乐器分类任务存在非线性拟合能力较差的问题,使分类准确率得不到有效保证,有必要引入深度学习方法来提升复杂任务的非线性建模能力.将深度玻尔兹曼机作为特征提取器提取表达能力更强的数据特征,分别以SVM与softmax分类器作为深度神经网络的顶层设置形成DBM+ SVM组合模型与DBM+ softmax组合模型,引入平均场理论和动量项因子优化网络训练过程.将上述两组模型及单一SVM分类器在五类乐器音频数据上进行对比实验,两种深度学习组合模型的分类准确率分别达到89.29%和87.5%,与传统浅层分类方法SVM的73.21%的准确率相比优势明显.实验结果表明深度玻尔兹曼机在乐器分类领域的应用颇具前景.
-
-
刘强;
张道长;
张居嘉;
魏琛;
林洪孝;
王刚
-
-
摘要:
针对水文系统复杂性与非线性的特点,加入动量项因子对BP神经网络进行改进,加快收敛速度,将自然因素、人为因素、自然与人为混合因素分别作为输入因子,构建了大沽夹河天然径流量还原计算方案,用逐项还原法的结果验证对比选出最佳方案.结果表明:①经过改进的BP神经网络收敛速度明显加快,由平均的6028次迭代优化到1782次迭代;②以降雨量、蒸发量和实测径流量为输入因子的第三种方案模拟误差最小,适用于大沽夹河流域天然径流量还原计算.
-
-
李春腾;
蒋宇中;
刘芳君;
张曙霞
-
-
摘要:
为进一步缓解盲源分离算法收敛速度与稳态误差之间的矛盾,首先在自然梯度算法的基础上,通过融合动量项改善算法的收敛速度,基于分离性能指标的步长自适应减小稳态误差;然后,给出了所提算法的模型图,同时考虑分离性能和计算复杂度,选择合适的融合动量项算法,并设计了算法的近似最优参数,有效避免了算法的分段收敛;最后,合理选择步长与动量项的权重系数,有效改善了分离性能与收敛速度.仿真结果表明:该算法在一定程度上缓解了上述矛盾,并具有较低的计算复杂度.
-
-
陈歆婧;
郝万君;
郭胜辉;
乔焰辉
-
-
摘要:
针对风力发电机非线性、随机性、扰动大等特点,设计基于带动量项的粒子群优化的支持向量机的风力发电机转速控制建模的新方法.利用支持向量机对小样本、高维度、非线性特性的映射能力,将风电系统的采样数据映射到高维的特征空间进行建模.支持向量机惩罚因子C和核参数σ的选择对建模效果影响较大,经验试凑的方法难以获得较好的参数,引入粒子群算法进行参数寻优.为了克服传统粒子群算法易陷入局部最优且收敛速度慢的缺陷,提出带动量项的改进粒子群算法寻优.以采集的风速、风力发电机转矩、桨距角作为输入信号,发电机转速数据作为输出信号,在Matlab环境中进行建模.实验结果表明,与传统算法相比,采用该方法的模型在准确性和收敛速度方面得到较大改善.
-
-
魏光杏;
周献中
-
-
摘要:
神经网络在图像分割时需要计算大量的训练数据,计算速度跟不上实时数据处理,造成分割图像的质量较差的问题,分析了传统优化BP神经网络算法中存在的问题,提出了一种将增加动量项与自适应调整学习率相结合的优化BP神经网络图像分割方法,该方法可以加快迭代速度,还可以跳出过早局部极小值的局面.最后对经典图像进行分割实验验证,取得较好的效果,同时该算法还有效的缩短了图像分割的时间.
-
-
莫树培;
徐广允
-
-
摘要:
针对煤矿井下作业人员安全,提出一种无线定位算法.利用无线网络,采集采样点接收到各个AP的MAC地址和信号强度RSSI,与采样点坐标位置组成训练集;用训练集对加入动量项的BP神经网络进行离线训练,训练完成后,待测点接收到MAC和RSSI信息带到训练过的BP神经网络进行定位.实验结果显示,该定位算法提高了收敛速度和定位精度.
-
-
周西华;
孙家正
-
-
摘要:
为提高回采工作面瓦斯涌出量预测效率和准确率,基于反向BP神经网络,采用主因子分析法对变量进行降维处理;结合遗传算法(GA)和附加动量法,采用遗传算法优化BP神经网络初始权值和阈值,建立基于主因子分析的GA—BP神经网络预测模型,并在权值反向更新过程中引入动量项.选取开滦矿业集团钱家营矿井瓦斯涌出量监测数据作为标签数据与输入数据,对不同网络模型进行了仿真与分析,结果表明:改进的GA—BP神经网络模型在603个时间步长里达到收敛,平均相对误差约为0.58%,预测精度和效率均优于其他神经网络模型,能更有效地实现瓦斯涌出量的准确预测.
-
-
张迅
-
-
摘要:
对Sigma-Pi-Sigma神经网络(简称SPSNN)的固定学习率梯度算法,引入动量项更新,以期待改善其收敛性.在可变动量项因子的情形,对带动量项的梯度算法进行了确定型收敛性的研究,给出了误差函数的单调性结果,并得到了该算法的弱收敛性定理.
-
-
赵娟娟
-
-
摘要:
BP(Back Propagation)神经网络是一种反向传递并修正误差的多层映射神经网络,它是各种神经网络模型中具有代表意义的一种模型.近年来,BP神经网络在机械制造数据行业应用广泛.本文在BP神经网络基础上通过增加迭代次数、 引入动量项、 改变学习率、 改变衰减量这四种改进,实验表明,该改进算法具有更高的准确率,更适合大批量刀具质检.
-
-
-
谢锡锋
- 《第六届广西青年学术年会》
| 2013年
-
摘要:
针对传统自适应谐波检测方法在收敛速度和稳态精度之间存在的矛盾,提出了一种改进的新型自适应谐波电流检测方法.该方法基于自适应噪声对消理论,通过引入动态因子项自适应地调整算法的步长,引入动量项加快了权值的收敛,引入静态项和自相关误差项消除了不相关噪声序列的干扰,很好地解决了收敛速度与稳态精度的矛盾,进一步提升了谐波检测效果.仿真及实验结果证明了该改进检测法的可行性和有效性.
-
-
Xu Jing;
徐静;
Wang Caiyun;
王彩云
- 《第五届中国信息融合大会》
| 2013年
-
摘要:
针对压缩感知中测量矩阵的优化问题,提出一种基于混沌因子和动量项的梯度下降混合方法.在测量矩阵优化过程中,梯度下降法具有收敛速度慢以及容易陷入局部最小的缺点,该文基于混沌运动的随机性和遍历性,在步长变化中引入混沌因子,实现步长的自适应变化,避免因初始步长选择不当导致算法的不稳定;同时利用动量修正项,避免算法陷入局部最小值,进一步提高算法的收敛速度.促进该方法达到提高测量矩阵性能,降低测量矩阵与稀疏矩阵的互相关性的目的.仿真结果表明,该方法测量矩阵的优化速度快,互相关系数的分布更加集中在零周围,并且所得的重构图像的峰值信噪比(PSNR)提高.因此,文中方法优化所得的测量矩阵具有良好的性能.
-
-
-
- 《第19届中国过程控制会议》
| 2008年
-
摘要:
大型电力变压器作为电力系统的枢纽设备,其运行可靠性直接关系到电力系统的安全与稳定.针对基于BP算法的小波神经网络存在收敛速度慢、搜索空间局部极小及易引起振荡等不足,本文以变压器油中溶解气体为分析对象,提出采用动量项和变学习率改进小波神经网络的变压器故障诊断算法.选择400组油中溶解气体含量作为小波神经网络训练及故障识别样本,对训练过程和仿真结果进行对比分析.实验结果表明:较之比值法,改进的小波神经网络故障诊断算法在故障识别准确率和收敛时间方面表现更优.