期刊文献+
共找到248篇文章
< 1 2 13 >
每页显示 20 50 100
基于长短期记忆神经网络的油田新井产油量预测方法 预览
1
作者 侯春华 《油气地质与采收率》 CAS CSCD 北大核心 2019年第3期105-110,共6页
针对油田常用人工智能产油量预测方法无法考虑数据在时间上相关性的问题,提出了采用基于长短期记忆(简称LSTM)神经网络的油田新井产油量预测方法。在分别介绍反向传播(简称BP)神经网络、循环神经网络(简称RNN)、LSTM神经网络原理以及建... 针对油田常用人工智能产油量预测方法无法考虑数据在时间上相关性的问题,提出了采用基于长短期记忆(简称LSTM)神经网络的油田新井产油量预测方法。在分别介绍反向传播(简称BP)神经网络、循环神经网络(简称RNN)、LSTM神经网络原理以及建模步骤的基础上,以某油田新井单井年产油量预测为例,对影响新井单井年产油量的开发指标进行了筛选,对相应LSTM神经网络进行了训练,并对新井单井年产油量进行了预测。将预测结果与支持向量回归模型和BP神经网络进行了对比,结果表明,该预测模型拟合效果更好,预测精度更高。基于LSTM神经网络的预测方法可以作为一种新的人工智能方法用于油田新井产油量的预测,为准确预测油田新井产量,指导油田开发决策提供了一种新的方法。 展开更多
关键词 新井产油量预测 LSTM神经网络 网络训练 数据预处理 相关性
在线阅读 下载PDF
基于SLBP深度信念网络的人脸识别研究 预览
2
作者 史涛 秦琴 +1 位作者 任红格 王玮 《现代电子技术》 北大核心 2019年第14期177-181,共5页
针对传统局部二值模式(LBP)特征提取不充分和分类器拟合的问题,提出一种基于局部纹理特征的显著局部二值模式(SLBP)和深度学习的人脸识别方法。首先,利用改进的SLBP算法提取人脸图像局部纹理特征,建立SLBP直方图;然后构建基于深度信念... 针对传统局部二值模式(LBP)特征提取不充分和分类器拟合的问题,提出一种基于局部纹理特征的显著局部二值模式(SLBP)和深度学习的人脸识别方法。首先,利用改进的SLBP算法提取人脸图像局部纹理特征,建立SLBP直方图;然后构建基于深度信念网络的深度学习架构,将SLBP直方图输入到深度信念网络中,采用无监督逐层训练法和有监督BP算法去训练网络,实现网络的自学习和自优化,得到网络参数;最后,利用DBN分类、识别人脸图像。仿真实验证实,所提人脸识别方法在识别率和鲁棒性方面优于传统人脸识别方法。 展开更多
关键词 显著局部二值模式 特征提取 深度信念网络 网络训练 深度学习 人脸识别
在线阅读 下载PDF
一种基于深度学习的遥感图像分类及农田识别方法 预览 被引量:1
3
作者 宫浩 张秀再 胡敬锋 《现代电子技术》 北大核心 2019年第8期179-182,186共5页
为解决便于发现我国基本农田被非法侵占的问题,针对现有神经网络收敛速度慢、识别准确率不高的缺点,提出一种基于卷积神经网络的遥感图像农田分类及识别方法。该算法使用较大的卷积核,有效地提取梯度信息;设计深度为6层的卷积神经网络,... 为解决便于发现我国基本农田被非法侵占的问题,针对现有神经网络收敛速度慢、识别准确率不高的缺点,提出一种基于卷积神经网络的遥感图像农田分类及识别方法。该算法使用较大的卷积核,有效地提取梯度信息;设计深度为6层的卷积神经网络,提高了网络的分类效果,且大大降低了网络的训练次数。实验结果表明,利用该识别模型对农田、建筑、荒漠以及植被的识别准确率达到98.15%,比经典AlexNet网络模型提高了6.1%;训练网络所需的迭代次数由1.49×10~6次左右降低到4 500次。因此,与经典AlexNet网络相比,改进的AlexNet网络用于遥感图像分类和目标图像识别,耗时更短、识别准确率更高。 展开更多
关键词 遥感图像分类 农田识别 深度学习 卷积神经网络 识别模型 网络训练
在线阅读 下载PDF
基于深度学习网络PSP NET的前列腺MR图像的分割 预览
4
作者 范嵩 冯前进 《现代电子技术》 北大核心 2019年第12期148-151,155共5页
为了提高前列腺磁共振图像分割的准确性,文中提出一种新的基于金字塔场景解析网络(PSP.NET)的深度卷积神经网络分割方法。先将三维前列腺磁共振图像经相应的转换工具包得到二维图像切片,然后将二维图像的切片输入基于PSP.NET神经网络进... 为了提高前列腺磁共振图像分割的准确性,文中提出一种新的基于金字塔场景解析网络(PSP.NET)的深度卷积神经网络分割方法。先将三维前列腺磁共振图像经相应的转换工具包得到二维图像切片,然后将二维图像的切片输入基于PSP.NET神经网络进行训练。为了训练网络,从临床科室抽取50个病人的三维前列腺磁共振图像,共5000张图像切片,其中4000张切片用来训练,1000张切片用来测试。实验结果表明,对其中1000个对象的识别,分割精度达到91.3%,此分割算法与已经提出的算法相比,图像分割精度明显提高,分割用时更少,能够更好地应用于临床诊断。 展开更多
关键词 磁共振成像 前列腺图像分割 网络训练 深度学习 PSP.NET 临床诊断
在线阅读 下载PDF
开源深度学习框架发展现状与趋势研究
5
作者 庞涛 《互联网天地》 2018年第4期46-54,共9页
一、概述 浅层学习起源上世纪20年代人工神经网络的反向传播算法(Back—Propagation)的发明,这时候的人工神经网络算法也被称为多层感知机MLP(Multiple Layer Perception)。但由于多层网络训练困难,通常都是只有一层隐含层的浅... 一、概述 浅层学习起源上世纪20年代人工神经网络的反向传播算法(Back—Propagation)的发明,这时候的人工神经网络算法也被称为多层感知机MLP(Multiple Layer Perception)。但由于多层网络训练困难,通常都是只有一层隐含层的浅层模型。 展开更多
关键词 学习 人工神经网络算法 框架 开源 反向传播算法 多层感知机 网络训练 层模型
基于QPSO-ELM的过程神经网络及时间序列预测
6
作者 刘志刚 许少华 +1 位作者 李盼池 冯永强 《控制工程》 CSCD 北大核心 2018年第3期477-483,共7页
过程神经网络模型结构复杂,正交基展开后学习参数多,传统梯度下降存在对初值敏感、计算复杂等问题,将过程神经网络进行正交基展开化简,在结构上转化为统神经网络,利用极限学习作为过程神经元网络的学习算法。学习过程中摒弃梯度下... 过程神经网络模型结构复杂,正交基展开后学习参数多,传统梯度下降存在对初值敏感、计算复杂等问题,将过程神经网络进行正交基展开化简,在结构上转化为统神经网络,利用极限学习作为过程神经元网络的学习算法。学习过程中摒弃梯度下降算法的迭代调整策略,采用Moore-Penrose广义逆计算输出权值,同时为弥补该算法由于随机赋值造成的模型稳定性差的缺点,提出一种双链结构的量子粒子群算法,优化极限学习过程中随机赋值参数。二者结合使用,使模型在稳定性、训练误差方面都得到了一定程度的提高。仿真实验以Mackey—Glass时间序列和太阳黑子预测为例验证了算法的有效性。 展开更多
关键词 过程神经元网络 极限学习 量子粒子群 网络训练
基于BP神经网络的模拟电路故障诊断 预览 被引量:1
7
作者 孙晓莉 《数字技术与应用》 2018年第5期101-102,共2页
本文重点阐述了BP神经网络的基本结构和训练算法,论证这种算法实现模拟电路故障诊断的可行性,并指出了这种方法在电路故障诊断应用中存在的优势与不足。BP神经网络的优点是强大的模式分类能力强,缺点是需要训练样本数量庞大,诊断效率低。
关键词 BP神经网络 故障诊断 网络训练
在线阅读 下载PDF
虚拟学习——美军网络领域训练
8
作者 杰勒德·考恩 张宝玲(编译) 库宗波(编译) 《国外坦克》 2018年第12期50-55,共6页
随着网络技术在军事领域的广泛应用,加强网络训练越来越重要。美国军方和国防公司近期出台了一系列举措,目的在于加强网络领域的训练。根据政府和业内人士的说法,这些训练举措将带来诸多独特的机遇和挑战。网络领域技术灵活性较高,与此... 随着网络技术在军事领域的广泛应用,加强网络训练越来越重要。美国军方和国防公司近期出台了一系列举措,目的在于加强网络领域的训练。根据政府和业内人士的说法,这些训练举措将带来诸多独特的机遇和挑战。网络领域技术灵活性较高,与此同时其威胁也日渐增加,如何权衡这二者之间的利弊关系还存在一定困难。 展开更多
关键词 网络技术 网络训练 虚拟学习 美军 军事领域 美国军方 利弊关系 国防
基于遗传算法优化的BP神经网络在密度界面反演中的应用 预览 被引量:10
9
作者 张代磊 黄大年 张冲 《吉林大学学报:地球科学版》 CAS CSCD 北大核心 2017年第2期580-588,共9页
BP神经网络方法在二维密度界面的反演中取得了较好的效果,但在反演三维界面时,由于模型更复杂、参数更多,BP神经网络的收敛速度和反演精度都有一定程度的下降。为了改善反演效果,本文利用遗传算法对BP神经网络的权值、阈值选择过程进行... BP神经网络方法在二维密度界面的反演中取得了较好的效果,但在反演三维界面时,由于模型更复杂、参数更多,BP神经网络的收敛速度和反演精度都有一定程度的下降。为了改善反演效果,本文利用遗传算法对BP神经网络的权值、阈值选择过程进行优化,获得了更好的网络模型;并将此模型应用于密度界面模型的反演中,预测误差从上百米减小到数十米,同时迭代计算步数减少了近2/3,有效减少了计算时间,反演结果更准确。利用基于遗传算法优化的BP神经网络反演了法国某地区莫霍面深度,预测相对误差仅为1.8%,取得了较好的应用效果。基于遗传算法优化的BP神经网络在密度界面的反演中具有良好的应用价值和研究前景。 展开更多
关键词 BP神经网络 遗传算法 密度界面反演 网络训练 优化
在线阅读 下载PDF
基于模糊神经网络的公路造价估算模型探究 预览 被引量:1
10
作者 马永军 杨志远 《公路工程》 北大核心 2017年第6期41-47,共7页
对S省境内18条高速公路工程造价数据资料信息进行收集,并作为基础数据信息用于构建基于模糊神经网络的高速公路工程造价预测模型进行相应的测验及训练。该高速公路工程造价预测模型先要量化所搜集的工程资料,所有资料的存在形式均为数值... 对S省境内18条高速公路工程造价数据资料信息进行收集,并作为基础数据信息用于构建基于模糊神经网络的高速公路工程造价预测模型进行相应的测验及训练。该高速公路工程造价预测模型先要量化所搜集的工程资料,所有资料的存在形式均为数值,随后再采用归一化方法,统一处理这些数值,最终借鉴模糊数学相关基础知识理论,筛选相应的样本工程,并计算贴近度,将网络训练样本进行科学选择,随后在模型当中代入经过处理的数据,进而得到输出结果。实例验证充分证明,提出的公路工程造价预测模型具有较强的泛化能力,并且在现实工程中取得了显著的效果,即使样本数据库不够丰富也能获得合理的公路工程造价数据。 展开更多
关键词 造价预测模型 模糊神经网络 模糊数学 网络训练
在线阅读 下载PDF
基于ELM和连续过程神经网络的抽油机工况诊断 预览
11
作者 刘志刚 许少华 李盼池 《计算机工程与科学》 CSCD 北大核心 2017年第10期1934-1940,共7页
普通神经网络进行抽油机工况诊断时存在诊断精度偏低的问题,提出选用连续过程神经元网络作为诊断模型,特征输入选取能直接反映示功图几何形态特征的位移和载荷两种连续信号。为提高模型学习速度,提出过程神经网络的极限学习算法,将训练... 普通神经网络进行抽油机工况诊断时存在诊断精度偏低的问题,提出选用连续过程神经元网络作为诊断模型,特征输入选取能直接反映示功图几何形态特征的位移和载荷两种连续信号。为提高模型学习速度,提出过程神经网络的极限学习算法,将训练转换为最小二乘问题,根据样本输入计算隐层输出矩阵,使用SVD法求解Moore-Penrose广义逆,最后计算隐层输出权值。通过诊断实验,模型学习速度提升5倍左右,与普通神经网络进行对比,诊断精度提高8个百分点左右,验证了方法的有效性。 展开更多
关键词 工况诊断 过程神经元网络 极限学习 MOORE-PENROSE广义逆 网络训练
在线阅读 下载PDF
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
12
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ELM-PNN算法的第24周太阳黑子预测预报 被引量:3
13
作者 刘志刚 李盼池 许少华 《控制与决策》 EI CSCD 北大核心 2017年第4期642-646,共5页
为了提高太阳黑子预测预报的精度,提出固定型极限学习过程神经网络(FELM-PNN)和增量型极限学习过程神经网络(IELM-PNN)两种学习算法.FELM-PNN的隐层节点数目固定,使用SVD求解隐层输出矩阵的Moore-Penrose广义逆,通过最小二乘法计算... 为了提高太阳黑子预测预报的精度,提出固定型极限学习过程神经网络(FELM-PNN)和增量型极限学习过程神经网络(IELM-PNN)两种学习算法.FELM-PNN的隐层节点数目固定,使用SVD求解隐层输出矩阵的Moore-Penrose广义逆,通过最小二乘法计算隐层输出权值;IELM-PNN逐次增加隐层节点,根据隐层输出矩阵和网络误差计算增加节点的输出权值.通过Henon时间序列预测验证了两种方法的有效性,并实际应用于第24周太阳黑子平滑月均值的中长期预测预报中.实验结果表明,两种方法的预测精度均有一定程度的提高,IELM-PNN的训练收敛性优于FELM-PNN. 展开更多
关键词 过程神经网络 极限学习 网络训练 广义逆 太阳黑子数
基于量子衍生布谷鸟的脊波过程神经网络及TOC预测 被引量:3
14
作者 刘志刚 许少华 +1 位作者 李盼池 肖佃师 《控制与决策》 CSCD 北大核心 2017年第6期1115-1120,共6页
为提高总有机碳含量(TOC)的预测精度,针对测井曲线的时变、奇异性特征,选用脊波函数作为过程神经元的激励函数,提出一种连续脊波过程神经元网络.模型训练方面首先给出基于正交基展开的梯度下降法;其次为提高模型训练收敛能力,提出一种... 为提高总有机碳含量(TOC)的预测精度,针对测井曲线的时变、奇异性特征,选用脊波函数作为过程神经元的激励函数,提出一种连续脊波过程神经元网络.模型训练方面首先给出基于正交基展开的梯度下降法;其次为提高模型训练收敛能力,提出一种沿Bloch球面纬线实施莱维飞行的量子衍生布谷鸟算法,并用于模型参数优化;最后将训练好的脊波过程神经网络应用于泥页岩TOC预测,通过相关性选取对TOC响应敏感的测井曲线作为模型特征输入.实验对比结果表明,该方法的预测精度较高,较其他过程神经网络提高7个百分点. 展开更多
关键词 脊波函数 过程神经网络 量子布谷鸟 网络训练 TOC预测
BP神经网络在天然气水合物化探中的应用 预览 被引量:2
15
作者 马金凤 梁建 +1 位作者 郭军 陈宏文 《地质学刊》 CAS 2016年第1期113-117,共5页
地球化学方法在天然气水合物勘探评价过程中的参数存在不确定性,且误差传递易导致结果不可信。运用BP神经网络技术,在天然气水合物勘探区域选取相关的应用切入点,通过训练建立神经网络模型,利用其非线性映射技术,揭示天然气水合物勘探... 地球化学方法在天然气水合物勘探评价过程中的参数存在不确定性,且误差传递易导致结果不可信。运用BP神经网络技术,在天然气水合物勘探区域选取相关的应用切入点,通过训练建立神经网络模型,利用其非线性映射技术,揭示天然气水合物勘探评价中涉及的多个属性之间的非线性关系。计算结果显示,神经网络的分类方案有效弥补了当前地球化学评价方法存在的多解性等缺点,运用在地球化学数据的基础上建立的BP神经网络模型,对研究区块进行仿真预测,可以实现水合物矿藏的分等级评价。 展开更多
关键词 地球化学分析 BP神经网络 网络训练 网络仿真
在线阅读 下载PDF
基于QPSO和极限学习的离散过程神经网络及学习算法 被引量:5
16
作者 刘志刚 许少华 李盼池 《控制与决策》 EI CSCD 北大核心 2016年第12期2241-2247,共7页
连续过程神经元网络在权函数正交基展开时,基函数个数无法有效确定,因此逼近精度不高.针对该问题,提出一种离散过程神经元网络,使用三次样条数值积分处理离散样本和权值的时域聚合运算.模型训练采用双链量子粒子群完成输入权值的全局寻... 连续过程神经元网络在权函数正交基展开时,基函数个数无法有效确定,因此逼近精度不高.针对该问题,提出一种离散过程神经元网络,使用三次样条数值积分处理离散样本和权值的时域聚合运算.模型训练采用双链量子粒子群完成输入权值的全局寻优,通过量子旋转门和非门完成种群进化.局部使用极限学习,通过Moore-Penrose广义逆计算输出权值.以时间序列预测为例进行仿真实验,结果验证了模型的有效性,且训练收敛能力和逼近能力都有一定程度的提高. 展开更多
关键词 过程神经元网络 极限学习 量子粒子群 MOORE-PENROSE广义逆 网络训练
基于深度信念网络的集成分类器在气体识别中的应用 预览
17
作者 王春香 李丽宏 张帝 《计算机工程》 CAS CSCD 北大核心 2016年第10期318-321,共4页
为降低信号漂移对于气体识别的影响,提出一种基于深度信念网络(DBN)的集成分类器模型。利用不同时段的数据集训练单个DBN分类器,将得到的分类器对数据集进行分类,通过使分类误差最小得出每个单一分类器的最优集成权重,采用粒子群优化... 为降低信号漂移对于气体识别的影响,提出一种基于深度信念网络(DBN)的集成分类器模型。利用不同时段的数据集训练单个DBN分类器,将得到的分类器对数据集进行分类,通过使分类误差最小得出每个单一分类器的最优集成权重,采用粒子群优化寻找最优权重并对所有分类器进行集成得到最终的气体识别结果。使用由4种气体传感器组成的传感器阵列对该方法和均匀加权DBN、最优支持向量机方法进行性能对比。实验结果表明,该方法能在较长时间里保持较高的分类准确率,在一定程度上抑制了信号漂移对分类结果的影响。 展开更多
关键词 气体传感器阵列 漂移补偿 深度信念网络 集成分类器 气体识别 网络训练
在线阅读 下载PDF
一种基于粒子群优化的极限学习过程神经网络 预览 被引量:1
18
作者 刘志刚 许少华 李盼池 《华东师范大学学报:自然科学版》 CAS CSCD 北大核心 2016年第4期86-95,共10页
本文针对过程神经元网络(Process Neural Network,PNN)模型学习参数较多,正交基展开后的梯度下降算法初值敏感、计算复杂、不易收敛等问题,结合极限学习机(Extreme Learning Machine,ELM)的快速学习特性,提出了一种新型的极限学习... 本文针对过程神经元网络(Process Neural Network,PNN)模型学习参数较多,正交基展开后的梯度下降算法初值敏感、计算复杂、不易收敛等问题,结合极限学习机(Extreme Learning Machine,ELM)的快速学习特性,提出了一种新型的极限学习过程神经元网络.学习过程中摒弃梯度下降算法的迭代调整策略,采用Moore-Penrose广义逆计算输出权值矩阵.同时为弥补极限学习机由于随机赋值造成的不足,利用粒子群算法(Particle Swarm Optimization,PSO)良好的全局搜索能力进行模型参数优化,获得紧凑的网络结构,提高了模型泛化能力.仿真实验以Henon混沌时间序列和太阳黑子预测为例,验证了网络的有效性. 展开更多
关键词 过程神经元网络 极限学习机 粒子群 MOORE-PENROSE广义逆 网络训练
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
19
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Matlab的BP神经网络在图像改卷中的应用 预览
20
作者 黎红 《廊坊师范学院学报:自然科学版》 2015年第1期29-32,共4页
BP神经网络模型是一种发展较为成熟的网络模型,近年来在各个领域都得到广泛应用。在介绍神经网络及BP神经网络的基础上,将之用于图像答卷的改卷处理,并在Matlab平台上进行了仿真实验。结果表明,所设计的BP网络具有不错的泛化能力,效果... BP神经网络模型是一种发展较为成熟的网络模型,近年来在各个领域都得到广泛应用。在介绍神经网络及BP神经网络的基础上,将之用于图像答卷的改卷处理,并在Matlab平台上进行了仿真实验。结果表明,所设计的BP网络具有不错的泛化能力,效果较好。 展开更多
关键词 神经网络 MATLAB BP神经网络 网络训练 网络仿真
在线阅读 下载PDF
上一页 1 2 13 下一页 到第
使用帮助 返回顶部 意见反馈