反向传播网络

摘要： 针对航空液压管路故障识别困难的问题,提出了一种基于非线性自适应卡尔曼滤波器(NAKF)和深度信念网络(DBN)的液压管路智能故障诊断方法。首先,在传统卡尔曼滤波器(KF)的基础上,利用最小二乘法修正构造的Sigma点,消除高斯分布对Sigma点影响,提出了非线性自适应卡尔曼滤波器,并用其对仿真信号进行了降噪处理;然后,对液压管路实测振动信号中的随机噪声进行了去除,对深度信念网络模型参数进行了设计,并将液压管路数据集输入到深度信念网络模型中进行了训练;最后,基于同一样本数据,分别采用支持向量机(SVM)和反向传播神经网络(BPNN)等模型进行了训练处理,利用分类准确率等两个指标,对3种故障诊断模型进行了综合评估,对3种模型分类性能进行了对比分析。研究结果表明:采用NAKF-DBN智能故障模型得到的液压管路故障诊断准确率能达到99.72%,SVM模型和BPNN模型等浅层网络的平均故障诊断准确率不高于95%,而未经非线性自适应卡尔曼滤波器滤波的深度信念网络的诊断准确率仅有86.58%;该结果验证了NAKF-DBN模型对于液压管路故障识别的有效性,可以为航空液压管路的智能化诊断提供新思路。

摘要： 研究船舶网络流量预测的灰色模型,精准有效地预测船舶网络流量趋势,保障船舶网络的稳定通信。采集船舶网络流量初始数据,通过小波变换Mallat算法分解重构处理此类数据,获得平滑高质量船舶网络流量数据,运用灰色模型与反向传播神经网络构建灰色预测模型,向该模型内输入处理后平滑流量数据,输出船舶网络流量预测值,实现船舶网络流量预测。结果表明,该模型处理所采集船舶网络流量数据毛刺的效果显著,处理后的船舶网络流量数据平滑性高。最终预测的船舶网络流量数据几乎与样本数据吻合,预测结果的拟合效果好、偏离度较低,整体预测精度较高,可为船舶无线网络有效避免拥堵与保持稳定通信提供保障。

摘要： 随着传统零售商超规模不断增大、服务质量不断提升,各种大型用电设备的电能过度消耗成为商铺运营期间不可避免的问题。传统零售商铺机械式的定时开关电源无法有效控制电能的过度消耗,智能零售商铺的关键技术是智能组网,可利用深度学习网络构建人流密度预测与分析模型,并通过智能人流统计算法对各大型耗电设备进行智能自动调控。相比传统零售商铺,基于深度学习与智能组网的新零售商铺可降低电力资源的过度损耗,节省人力资源。

摘要： 随着传统零售商超规模不断增大、服务质量不断提升,各种大型用电设备的电能过度消耗成为商铺运营期间不可避免的问题.传统零售商铺机械式的定时开关电源无法有效控制电能的过度消耗,智能零售商铺的关键技术是智能组网,可利用深度学习网络构建人流密度预测与分析模型,并通过智能人流统计算法对各大型耗电设备进行智能自动调控.相比传统零售商铺,基于深度学习与智能组网的新零售商铺可降低电力资源的过度损耗,节省人力资源.

摘要： 精准预测印制电路板样板物料投入将减少超投浪费和补投成本,为此提出结合自组织映射(Self-organizing maps,SOM)-反向传播(Back propagation network,BPN)网络的预测机制.基于SOM对样本进行聚类分组;采用特征选择机制优选各分组样板报废率关键影响属性;对各分组构建基于BPN的报废率预测模型;将其转换为预测投入生产面板数,并开展模型训练与性能评估.与多种模型进行对比分析,结果表明该模型在降低均方误差、绝对平均误差、平均绝对百分比误差、车间余数入库率和补投率等方面具有较明显优势.

摘要： 近年来随着国内大型写字楼建筑的不断增多,能耗也迅速增长.为此,设计一个基于人工智能深度学习网络的写字楼能耗分析系统,首先对收集的能耗数据进行预处理,然后通过提取数据特征,运用反向传播网络对结果进行处理.该系统可通过训练大量能耗参数信息,评估写字楼历史能耗信息与当前能耗的量化关系,从而降低不必要的能耗,实现节能的目的.

摘要： 本文以典型前馈神经网络中的BP神经网络、RBF网络与ELM网络为代表,介绍了几种网络的特点及研究现状,分析了几种网络今后的研究方向.

摘要： 近年来随着国内大型写字楼建筑的不断增多,能耗也迅速增长。为此,设计一个基于人工智能深度学习网络的写字楼能耗分析系统,首先对收集的能耗数据进行预处理,然后通过提取数据特征,运用反向传播网络对结果进行处理。该系统可通过训练大量能耗参数信息,评估写字楼历史能耗信息与当前能耗的量化关系,从而降低不必要的能耗,实现节能的目的。

摘要： 该文将一种神经-模糊结构-自适应神经模糊推理系统（简称ＡＮＦＩＳ）用于非线性电机系统的建模，获得了一个良好的大范围的全局非线性模型，同时，通过与反向传播网络建模结果的性能对比，说明ＡＮＦＩＳ在参数收敛速度及建模精度上的优越性。显示出ＡＮＦＩＳ是非线性系统的建模、辨识的有力工具。

摘要： 针对舰船航向非线性系统，提出一种基于反向传播神经网络滑模变结构控制方法。该方法通过神经网络逼近系统滑动超平面与指数趋近律之间的函数关系，同时采用双曲正切激活函数代替变结构控制中的饱和函数，实现变结构控制的边界层法设计，大大降低了舰船航向变结构控制中的抖振。仿真结果表明:该控制方法具有良好的适应性和鲁棒性。

摘要： 针对舰船航向非线性系统，提出一种基于反向传播神经网络滑模变结构控制方法。该方法通过神经网络逼近系统滑动超平面与指数趋近律之间的函数关系，同时采用双曲正切激活函数代替变结构控制中的饱和函数，实现变结构控制的边界层法设计，大大降低了舰船航向变结构控制中的抖振。仿真结果表明:该控制方法具有良好的适应性和鲁棒性。

摘要： 针对舰船航向非线性系统，提出一种基于反向传播神经网络滑模变结构控制方法。该方法通过神经网络逼近系统滑动超平面与指数趋近律之间的函数关系，同时采用双曲正切激活函数代替变结构控制中的饱和函数，实现变结构控制的边界层法设计，大大降低了舰船航向变结构控制中的抖振。仿真结果表明:该控制方法具有良好的适应性和鲁棒性。

摘要： 本发明公开的基于反向传播神经网络模型的室内无线网络定位方法，检测应用场景中每个采样点接收到的所有无线接入点的信号强度，将其与对应的采样点的位置坐标进行归一化处理；将每个采样点的所有无线接入点的信号强度作为输入样本输入初步建立的反向传播神经网络模型进行训练，完成反向传播神经网络模型的建立；最后，将检测得到的应用场景中的任一地点的无线接入点的信号强度输入至反向传播神经网络模型，定位地点的位置坐标。本发明相比于现有技术，具有较强的对输入参数的容错能力，且定位速度快、定位精度高。本发明通过检测无线网接入点返回的信号强度就能实现室内定位，可以应用于各种配有无线网接入点的室内环境，大大降低了定位成本。

摘要： 本发明公开了一种反向神经传播网络的核电材料寿命预测模型及方法，数据质量评价模块：筛选出决定影响寿命的核电材料的特征数据字段、与期待模型输出结果的目标数据字段；数据相关性确定模块：根据生成的数据字段相关性，由联合密度概率分布计算出的最大信息系数；数据参数确定模块：选择反向神经传播网络算法作为机器学习模型的基本算法，获得参数，并对参数进行贝叶斯超参数优化；模型训练模块：选择模型，对优化后的参数进行学习，得到机器学习模型；本发明能够在机器学习/深度学习广泛应用于材料行业的当下，不需要核电结构材料数据研究人员掌握编程技巧，就可以快速掌握核电结构材料数据性能预测模型的构建方法，调试模型并进行评价。

摘要： 一种反向传播神经网络式冷链温度监测系统及其应用,包括：温度传感器、云计算平台、与云计算平台连接的计算机、温度监测控制中心，温度监测控制中心对接收到的冷链温度进行处理、分析得到温度的变化趋势，温度监测控制中心包括乐高温度采集、指数加权移动平均控制图的数据预处理、反向传播神经网络训练学习、乐高温度监测；利用乐高机器人的场景模拟得到温度数据，先进行数据预处理后再进行神经网络的训练学习，本发明涉及的温度监测系统将温度数据缩放到用户定义的范围中，可更好的训练反向传播神经网络，更精确的监控冷链温度可全程温控进行记录、显示和存储，能够实时监控运输途中温度的变化，并对温度的潜在趋势进行预测和报警，减少不必要的损失。

摘要： 本发明提出了一种误差树形反向传播强化学习的无线传感器网络路由方法及使用误差树形反向传播强化学习的无线传感器网络路由方法的无线传感器网络，提出了贪婪行为链，将节点学习中的误差通过贪婪行为链，以树形结构快速传播到多层节点，通过节点之间的信息交换，采用强化学习方法逐步学习优化以达到节点电量均衡、提高整个网络的生命周期的目标，进一步提高了网络的学习效率，能够快速生成优化的网络传输策略，使数据包路由尽快做到最优。本方法在物联网领域具有广泛的应用，对于传感器节点电量均衡、延长网络寿命具有重要意义。

摘要： 本发明涉及一种基于视频运动信息特征提取与基于自适应增强算法的误差反向传播网络(BP Adaboost)的异常行为识别方法，包括：首先根据视频相邻图像帧计算光流，由水平方向和竖直方向的光流计算光流方向，以光流的强度为权重计算光流方向直方图，并将直方图特征转换成具有概率属性的特征属性，然后根据正常和异常的训练样本训练基于自适应增强算法的误差反向传播网络(BP Adaboost)得到分类器。测试阶段，在使用训练得到的分类模型前，按照相邻帧光流直方图相同的计算方法，得到测试样本的光流方向直方图，最后根据训练学习得到的分类模型进行测试样本中的异常行为识别。本发明具有识别率高、计算复杂度小等特定，可广泛应用于异常行为识别、动作分析领域。

摘要： 本发明公开了一种基于反向传播网络的丙烯聚合生产过程最优软测量仪表，包括丙烯聚合生产过程、现场智能仪表、控制站、存放数据的DCS数据库、基于反向传播网络的最优软测量仪以及熔融指数软测量值显示仪。现场智能仪表及控制站与丙烯聚合生产过程相连，与DCS数据库相连；最优软测量仪与DCS数据库及软测量值显示仪相连。所述的基于反向传播网络的最优软测量仪包括模型更新模块、数据预处理模块、PCA主成分分析模块、神经网络模型模块以及蚁群算法优化模块。以及提供了一种用软测量仪表实现的软测量方法。本发明实现在线测量、在线参数优化、软测量速度快、模型自动更新、抗干扰能力强、精度高。

摘要： 一种视电阻率的反向传播网络计算方法。特别适用瞬变电磁探测中心回线装置条件下的视电阻率计算，适用于地球物理勘探、工程地质勘探领域。本发明的技术方案包括：中心回线装置下二次磁场随时间变化表达式中核函数的定义及视电阻率求解函数的构建，选择样本训练函数，以核函数值为输入、瞬变参数输出的反训练法，由测量值进行初步计算，并根据不同的测量特点，并以其结果导入不同的网络结构中。该方法的优点是：用训练后的反向传播网络代替数值方法计算，使得计算过程得到简化且编程易于实现，借用神经网络所具有的并行结构处理特点，使得计算时间大大缩短。

摘要： 本发明涉及一种基于视频运动信息特征提取与基于自适应增强算法的误差反向传播网络(BP Adaboost)的异常行为识别方法，包括：首先根据视频相邻图像帧计算光流，由水平方向和竖直方向的光流计算光流方向，以光流的强度为权重计算光流方向直方图，并将直方图特征转换成具有概率属性的特征属性，然后根据正常和异常的训练样本训练基于自适应增强算法的误差反向传播网络(BP Adaboost)得到分类器。测试阶段，在使用训练得到的分类模型前，按照相邻帧光流直方图相同的计算方法，得到测试样本的光流方向直方图，最后根据训练学习得到的分类模型进行测试样本中的异常行为识别。本发明具有识别率高、计算复杂度小等特定，可广泛应用于异常行为识别、动作分析领域。

摘要： 本发明公开了一种基于反向传播网络的丙烯聚合生产过程最优软测量仪表，包括丙烯聚合生产过程、现场智能仪表、控制站、存放数据的DCS数据库、基于反向传播网络的最优软测量仪以及熔融指数软测量值显示仪。现场智能仪表及控制站与丙烯聚合生产过程相连，与DCS数据库相连；最优软测量仪与DCS数据库及软测量值显示仪相连。所述的基于反向传播网络的最优软测量仪包括模型更新模块、数据预处理模块、PCA主成分分析模块、神经网络模型模块以及蚁群算法优化模块。以及提供了一种用软测量仪表实现的软测量方法。本发明实现在线测量、在线参数优化、软测量速度快、模型自动更新、抗干扰能力强、精度高。

摘要： 一种视电阻率的反向传播网络计算方法。特别适用瞬变电磁探测中心回线装置条件下的视电阻率计算，适用于地球物理勘探、工程地质勘探领域。本发明的技术方案包括：中心回线装置下二次磁场随时间变化表达式中核函数的定义及视电阻率求解函数的构建，选择样本训练函数，以核函数值为输入、瞬变参数输出的反训练法，由测量值进行初步计算，并根据不同的测量特点，并以其结果导入不同的网络结构中。该方法的优点是：用训练后的反向传播网络代替数值方法计算，使得计算过程得到简化且编程易于实现，借用神经网络所具有的并行结构处理特点，使得计算时间大大缩短。