期刊文献+
共找到7篇文章
< 1 >
每页显示 20 50 100
雷达工作模式识别的PSO-DPNN方法
1
作者 董晓璇 程嗣怡 +1 位作者 陈游 赖建萍 《电子测量与仪器学报》 CSCD 北大核心 2018年第12期44-50,共7页
针对参数交叠严重环境下的雷达工作模式识别问题,提出一种基于粒子群优化算法(PSO)的离散过程神经网络(process neural network, DPNN)的识别方法。方法依据整个雷达信号脉冲序列的时序变化规律进行识别,首先对雷达信号句法建模并提取... 针对参数交叠严重环境下的雷达工作模式识别问题,提出一种基于粒子群优化算法(PSO)的离散过程神经网络(process neural network, DPNN)的识别方法。方法依据整个雷达信号脉冲序列的时序变化规律进行识别,首先对雷达信号句法建模并提取雷达短语作为工作模式的特征描述,然后运用PSO有监督训练合适的DPNN网络结构,最后运用训练完成的DPNN识别未知雷达短语的工作模式。对比仿真结果表明,信号参数测量误差10%时识别率为97%,较传统识别方法提高30%,方法在参数交叠严重的情况下的工作模式识别率和抗误差性能提升明显。 展开更多
关键词 雷达工作模式 雷达短语 粒子群寻优 离散过程神经网络
基于离散过程神经网络页岩油气储层有机碳含量预测 预览 被引量:2
2
作者 刘志刚 肖佃师 许少华 《中国石油大学学报:自然科学版》 EI CAS CSCD 北大核心 2017年第2期80-87,共8页
受地层岩性变化影响,传统方法进行有机碳含量(TOC)拟合预测精度偏低。为提高TOC拟合精度,减小普通神经网络对连续信号的时间累积误差,提出一种极限学习离散过程神经网络的TOC拟合预测模型。模型用向量模拟过程式输入,内部通过抛物插... 受地层岩性变化影响,传统方法进行有机碳含量(TOC)拟合预测精度偏低。为提高TOC拟合精度,减小普通神经网络对连续信号的时间累积误差,提出一种极限学习离散过程神经网络的TOC拟合预测模型。模型用向量模拟过程式输入,内部通过抛物插值的数值积分完成离散样本的时域聚合。通过对离散过程神经元的结构分析,提出极限学习训练算法,在隐层相关参数随机赋值后,通过Moore-Penrose广义逆求解输出权值,模型学习速度快。最后将该方法应用于TOC拟合预测,利用相关性分析,选取对TOC响应最敏感的测井曲线作为模型的特征输入。与传统方法和其他神经网络对比,该方法的拟合精度较高,预测TOC与实测值有更好的相关性。 展开更多
关键词 总有机碳 离散过程神经网络 网络训练 MOORE-PENROSE广义逆
在线阅读 免费下载
基于极限学习离散过程神经网络的示功图识别 被引量:2
3
作者 刘志刚 许少华 +1 位作者 李盼池 赵云龙 《信息与控制》 CSCD 北大核心 2016年第5期627-633,共7页
针对传统神经网络进行抽油机示功图识别诊断时受同步瞬时输入限制,不能有效体现连续输入信号的时间累积效应,诊断精度偏低的问题,提出一种极限学习离散过程元网络,模型内部通过三次样条数值积分处理离散样本和权值的时域的聚合运算.模... 针对传统神经网络进行抽油机示功图识别诊断时受同步瞬时输入限制,不能有效体现连续输入信号的时间累积效应,诊断精度偏低的问题,提出一种极限学习离散过程元网络,模型内部通过三次样条数值积分处理离散样本和权值的时域的聚合运算.模型训练算法采用极限学习,将模型训练转化为最小二乘问题,通过利用Moore-Penrose广义逆和隐层输出权值矩阵来计算输出权值,提升模型学习速度.进行示功图识别时,直接将位移和载荷离散时间序列作为模型输入,对常见的5种示功图状态进行识别.实验结果表明,该方法具有较高的识别精度,同时相对于其它过程神经网络模型,学习速度较快. 展开更多
关键词 示功图 离散过程神经元网络 极限学习 MOORE-PENROSE广义逆 网络训练
基于过程神经网络的液体火箭发动机状态预测 被引量:1
4
作者 聂侥 程玉强 吴建军 《北京航空航天大学学报》 EI CAS CSCD 北大核心 2016年第8期1675-1681,共7页
提出一种基于极限学习算法的离散过程神经网络模型,用于解决液体火箭发动机状态预测这一难题。首先,在历史数据的基础上建立离散过程神经网络(DPNN)预测模型;然后,根据在线更新的数据样本,采用递推极限学习(EL)算法对双并联前馈离... 提出一种基于极限学习算法的离散过程神经网络模型,用于解决液体火箭发动机状态预测这一难题。首先,在历史数据的基础上建立离散过程神经网络(DPNN)预测模型;然后,根据在线更新的数据样本,采用递推极限学习(EL)算法对双并联前馈离散过程神经网络(DPFDPNN)隐层到输出层的权值进行更新,并应用权值更新后的过程神经网络对发动机状态进行预测;最后,以液体火箭发动机状态预测中氢涡轮泵扬程预测为例,分别采用有权值更新和无权值更新两种预测模型进行了试验。结果表明,通过更新过程神经网络权值可以使模型具有更高的预测精度和更好的适应能力,该方法能够为液体火箭发动机状态预测提供一种有效的解决途径。 展开更多
关键词 液体火箭发动机 状态预测 离散过程神经网络 极限学习算法 递推算法
基于主成分分析的离散过程神经网络水淹层动态预测方法 预览 被引量:2
5
作者 钟仪华 李榕 +1 位作者 张志银 朱海双 《测井技术》 CAS CSCD 北大核心 2010年第5期 432-436,共5页
提出了一种利用主成分分析和离散过程神经网络进行水淹层动态预测的方法,对测井曲线信息随油层厚度变化的离散数据进行主成分分析,减少了离散过程神经网络模型的输入参数,排除了各参数之间的相关性。引入了反映深度变化累积效应的输入... 提出了一种利用主成分分析和离散过程神经网络进行水淹层动态预测的方法,对测井曲线信息随油层厚度变化的离散数据进行主成分分析,减少了离散过程神经网络模型的输入参数,排除了各参数之间的相关性。引入了反映深度变化累积效应的输入参数——测井参数曲线层段的不同油层厚度。据此建立的识别模型能够反映出随含水率的上升、深度不同时测井曲线的变化规律。实例研究表明,提出的方法与BP神经网络识别方法、支持向量机方法相比较具有更快的运算速度和更高的识别精度,能够体现出高含水期水淹层的动态变化特征。 展开更多
关键词 测井曲线 动态预测 水淹层识别 主成分分析 离散过程神经网络
在线阅读 下载PDF
基于离散过程神经元的乙烯生产装置软测量 预览 被引量:2
6
作者 贾晓军 贠卫国 《电脑知识与技术:学术交流》 2009年第4期 2701-2703,共3页
针对传统M—P神经网络模型的时间依赖性问题,提出将离散过程神经元应用到乙烯裂解炉软测量中,并将Fletcher—Reeves修正的改进变梯度学习算法应用到离散过程神经元网络,达到提高过程神经元网络的训练速度的目的。最后用乙烯装置的生... 针对传统M—P神经网络模型的时间依赖性问题,提出将离散过程神经元应用到乙烯裂解炉软测量中,并将Fletcher—Reeves修正的改进变梯度学习算法应用到离散过程神经元网络,达到提高过程神经元网络的训练速度的目的。最后用乙烯装置的生产数据进行仿真研究,仿真结果表明该改进算法具有明显的快速收敛性,实现了乙烯产率的预测。 展开更多
关键词 离散过程神经元网络 软测量 训练速度 乙烯装置
在线阅读 下载PDF
基于误差预测修正的液体火箭发动机故障预测方法研究
7
作者 聂侥 吴建军 《推进技术》 EI CAS CSCD 北大核心 2016年第8期1569-1578,共10页
为解决液体火箭发动机故障预测这一难题,提出一种基于误差预测修正的故障预测方法。在历史数据的基础上建立小波过程神经网络故障预测模型,同步计算学习样本的预测误差,根据上述误差建立双并联离散过程神经网络预测模型。预测时,将预测... 为解决液体火箭发动机故障预测这一难题,提出一种基于误差预测修正的故障预测方法。在历史数据的基础上建立小波过程神经网络故障预测模型,同步计算学习样本的预测误差,根据上述误差建立双并联离散过程神经网络预测模型。预测时,将预测误差值实时补偿到小波过程神经网络预测模型以提高预测精度。通过液体火箭发动机地面试验中的涡轮泵数据对该方法进了验证。结果表明,该方法在预测精度和适应能力上较单一的过程神经网络预测模型有显著提高,进行10步预测时,预测值的标准化均方根误差为0.392,预测平均耗时为76ms,能够用于解决液体火箭发动机故障预测问题。 展开更多
关键词 液体火箭发动机 故障预测 小波过程神经网络 双并联离散过程神经网络 误差修正
上一页 1 下一页 到第
使用帮助 返回顶部 意见反馈