检索结果-南通市图书馆

基于Elman神经网络的车削颤振预报函数构建

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

机械设计与研究 2024年第2期40卷 120-125,138页

作者：邱辉陈益丰潘晓铭徐国木李国平谈红英温州大学机电工程学院浙江温州325000 宁波大学机械工程与力学学院浙江宁波315000 浙江安防职业技术学院应急技术学院浙江温州325000

为了预报车削颤振现象,构建了再生型车削颤振的预报函数。分析再生型颤振机理的基础上得到了其稳定性叶瓣图,为颤振预报提供可能。利用Elman神经网络对获取的数控车削过程中从稳定车削阶段到车削颤振阶段的时域信号进行训练和测试,提出... 详细信息

为了预报车削颤振现象,构建了再生型车削颤振的预报函数。分析再生型颤振机理的基础上得到了其稳定性叶瓣图,为颤振预报提供可能。利用Elman神经网络对获取的数控车削过程中从稳定车削阶段到车削颤振阶段的时域信号进行训练和测试,提出了均方误差作为判别颤振的特征量。为了更准确的进行颤振预报,引入符号函数来构建再生型车削颤振的预报函数,确定了预报函数的阈值为5.625并试验了在该预报函数阈值时的预报准确率为92%。最后从频率域中分析,根据颤振的特点侧面验证了所构建预报函数的正确性。

关键词：再生型车削颤振预报函数 Elman神经网络均方误差

在线全文

学校读者我要写书评

暂无评论

样本轮换调查中的AK组合估计量研究

系统科学与数学 2024年

作者：孟杰乔婷婷耿晨博杨贵军天津财经大学统计学院

为了改进中国样本轮换调查中当期核心指标估计量并未充分利用前期数据信息的不足,本文研究了样本轮换调查中具有国际主流水平的AK组合估计量.探究AK组合估计量的构造方法和统计性质.主要贡献有两方面:一是将现有研究中常用的4-8-4型样... 详细信息

为了改进中国样本轮换调查中当期核心指标估计量并未充分利用前期数据信息的不足,本文研究了样本轮换调查中具有国际主流水平的AK组合估计量.探究AK组合估计量的构造方法和统计性质.主要贡献有两方面:一是将现有研究中常用的4-8-4型样本轮换方案的AK组合估计量拓展到r-m-r型样本轮换方案的AK组合估计量,并给出其偏差、方差和均方误差;二是引入Bootstrap法代替现行的平衡半方法构造AK组合估计量的抽样方差估计量,通过最小化均方误差确定AK组合估计量的最优系数.仿真模拟结果表明,与平衡半方法相比,Bootstrap法能更好地反映重抽样样本在不同月份之间存在的样本重叠和样本相关性,基于Bootstrap法确定最优权数的AK组合估计量具有更小的均方误差.本文的研究成果有助于优化和完善中国劳动力调查制度.

关键词：样本轮换调查 AK组合估计量 Bootstrap方差估计均方误差

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

模分复用系统中盲均衡算法的均衡性能研究

激光技术 2024年第1期48卷 48-53页

作者：王芳延凤平秦齐常欢任文华北京交通大学电子信息工程学院北京100044 北京理工大学信息与电子学院北京100081

恒模算法(CMA)是一种广泛应用于模分复用系统的算法,可对系统中模式耦合、差分模式群时延和色散等损伤因素进行均衡补偿,进而得到理想信号。为了研究CMA算法在强耦合模分复用系统中的均衡性能,采用功率耦合理论搭建6×6模分复用系统模型... 详细信息

恒模算法(CMA)是一种广泛应用于模分复用系统的算法,可对系统中模式耦合、差分模式群时延和色散等损伤因素进行均衡补偿,进而得到理想信号。为了研究CMA算法在强耦合模分复用系统中的均衡性能,采用功率耦合理论搭建6×6模分复用系统模型,并在接收端使用CMA和修正的恒定模数算法(MCMA)对系统输出信号进行均衡,获得了星座图、均方根误差(RMSE)值和误比特率(BER)。结果表明,在星座图方面,MCMA可以减少散点,使星座点更紧凑;在RMSE方面,MCMA均衡后的信号的RMSE值小于CMA均衡后得到的RMSE值,说明MCMA均衡后的数据离散程度较低;在BER方面,当BER为10-3时,MCMA要求的光信噪比比CMA低1.0 dB,因此,MCMA的均衡效果优于CMA。该研究结果为强耦合模分复用系统中的均衡算法提供了一些参考。

关键词：光通信盲均衡均方误差误比特率

随机限制回归模型的自适应最小绝对收缩和选择算子方法

在线全文

学校读者我要写书评

暂无评论

山西大学学报(自然科学版) 2024年

作者：靳琴琴彭伟廖天自孙宝太原科技大学应用科学学院

随机限制最小绝对收缩和选择算子（M-Lasso）方法可以在变量选择的同时使用随机的先验信息，但是该方法基于的最小绝对收缩和选择算子（Lasso）对每一个系数的惩罚是等权重的，这可能会导致某些重要的信息被过度压缩。为此，本文提出随... 详细信息

随机限制最小绝对收缩和选择算子（M-Lasso）方法可以在变量选择的同时使用随机的先验信息，但是该方法基于的最小绝对收缩和选择算子（Lasso）对每一个系数的惩罚是等权重的，这可能会导致某些重要的信息被过度压缩。为此，本文提出随机限制自适应Lasso(Ma-Lasso)方法。该方法赋予系数不同的权重，并且在变量选择的同时使用了随机先验信息，可提高估计的精度。通过数值实验结果分析发现，该方法在稀疏模型上表现出比其他方法更小的均方误差，并且在发现率、真实发现率以及真实模型选择次数比例方面也具有一定的优势。最后，通过将该方法应用于贵州茅台各季度财报数据和股票价格数据中，发现该方法所构建的模型的BIC值相较于M-Lasso方法下降了约5%，进一步验证了它的优越性。

关键词：稀疏模型变量选择均方误差随机先验信息

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

部分线性变系数模型的贝叶斯复合分位数回归

广西师范大学学报(自然科学版) 2024年

作者：李灿杨建波李荣贵州民族大学数据科学与信息工程学院

部分线性变系数模型由参数和非参数两部分组成，具有适应范围广和解释性强的双重优点。针对该模型的参数估计问题，采用B样条方法逼近非参数部分的未知光滑函数，进而利用复合非对称拉普拉斯分布实现贝叶斯复合分位数回归，并基于Gibbs... 详细信息

部分线性变系数模型由参数和非参数两部分组成，具有适应范围广和解释性强的双重优点。针对该模型的参数估计问题，采用B样条方法逼近非参数部分的未知光滑函数，进而利用复合非对称拉普拉斯分布实现贝叶斯复合分位数回归，并基于Gibbs抽样算法推导出所有未知参数的后验分布，以获取参数的估计值。通过数值模拟对贝叶斯复合分位数回归与贝叶斯分位数回归、贝叶斯线性回归参数估计效果进行比较分析，结果显示：当误差服从非正态分布时，在均方误差准则下，贝叶斯复合分位数回归估计表现更优。基于上述3种方法对实例数据进行预测分析，结果表明：在平均绝对偏差和均方误差预测意义下，基于贝叶斯复合分位数回归的预测效果更好。

关键词：部分线性变系数模型 B样条贝叶斯复合分位数回归均方误差 Gibbs抽样算法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于谱幅度估计的麦克风阵列语音增强算法

衡阳师范学院学报 2024年第3期45卷 68-74页

作者：涂井先李连芬梧州学院大数据与软件工程学院广西梧州543002

麦克风阵列接收到的语音信号常常被噪声信号污染,为了从观测语音信号中去除噪声信号,本文分别提出了基于谱幅度最小均方误差估计和最大后验估计的麦克风阵列语音增强算法。假设语音信号谱和噪声信号谱都服从复值高斯分布以及语音信号谱... 详细信息

麦克风阵列接收到的语音信号常常被噪声信号污染,为了从观测语音信号中去除噪声信号,本文分别提出了基于谱幅度最小均方误差估计和最大后验估计的麦克风阵列语音增强算法。假设语音信号谱和噪声信号谱都服从复值高斯分布以及语音信号谱幅度和谱角度相互独立。在这些假设下,推导出纯净语音成分谱幅度的最小均方误差估计的表达式。通过遗传算法来最大化纯净语音成分谱幅度的后验概率,得到语音成分谱幅度的最大后验估计的次优解。仿真实验结果表明本文提出的两种算法在三种经典的客观评价指标下优于两种经典的算法。

关键词：语音增强均方误差后验概率语音失真

在线全文

学校读者我要写书评

暂无评论

有关空气质量预报问题分析与建模

理论数学 2024年第5期14卷 489-508页

作者：吴娟娟上海理工大学理学院上海

空气质量等级综合评价对人们的生产活动有着重要意义。各监测点数据由于包含了连续而丰富的各种气象条件数据,因此能成为空气质量估计与预测的重要手段。本文通过建立多元线性回归方程描述了污染物浓度与气象实测数据的关系;利用BP神经... 详细信息

空气质量等级综合评价对人们的生产活动有着重要意义。各监测点数据由于包含了连续而丰富的各种气象条件数据,因此能成为空气质量估计与预测的重要手段。本文通过建立多元线性回归方程描述了污染物浓度与气象实测数据的关系;利用BP神经网络深度学习模型来估计各污染物浓度以及进一步可以计算AQI值;建立模型预测空气中五种主要污染物浓度,经过由深及浅、循序渐进的分析,能较为准确地预测空气质量,为人们生产生活提供参考。

关键词：多元线性回归 BP神经网络深度学习均方误差

基于SSA-BP神经网络的岩爆烈度等级预测

维普期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

有色金属（矿山部分） 2024年第1期76卷 77-83,91页

作者：王文通张千俊郭沙梁博刘传举西南科技大学环境与资源学院四川绵阳621010 绵阳市海川爆破工程有限公司四川绵阳621010

随着深部开采战略在我国的发展,岩爆愈加成为我国资源开采时必须面对的地质灾害之一。为提高传统误差反向传播(Back Propagation,BP)神经网络模型进行岩爆预测的准确性与有效性,采用麻雀搜索算法(Sparrow Search Algorithm,SSA)优化传... 详细信息

随着深部开采战略在我国的发展,岩爆愈加成为我国资源开采时必须面对的地质灾害之一。为提高传统误差反向传播(Back Propagation,BP)神经网络模型进行岩爆预测的准确性与有效性,采用麻雀搜索算法(Sparrow Search Algorithm,SSA)优化传统BP神经网络,提出一种基于麻雀搜索算法优化BP神经网络的岩爆预测模型(SSA-BP模型)。在考虑岩爆产生的内外因基础上,选取相关岩爆预测指标,利用国内外100例已有工程岩爆数据建立SSA-BP模型,并与传统BP模型、粒子群算法(Particle Swarm Optimization,PSO)优化支持向量机(Support Vector Machines,SVM)模型对比。结果表明:SSA-BP预测模型的有效性和准确度皆高于传统BP模型和PSO-SVM模型,同时SSA-BP模型训练集的均方误差(Mean Square Error,MSE)为0.081,比传统BP模型(0.25)降低67.7%,可为类似工程的岩爆预测提供科学依据。

关键词：岩爆 BP神经网络麻雀搜索算法均方误差准确率

变步长CMA和DD-LMS双模式切换盲均衡算法

在线全文

学校读者我要写书评

暂无评论

西安邮电大学学报 2024年第1期29卷 53-63页

作者：杜慧敏刘洋马元中西安邮电大学电子工程学院陕西西安710121 烽火通信科技股份有限公司湖北武汉430205

针对经典盲均衡算法收敛速度较慢和稳态误差较大的问题,提出了一种基于变步长恒模算法(Constant Modulus Algorithm, CMA)和判决引导的最小均方(Decision Directed Least Mean Square, DD-LMS)算法的双模式切换盲均衡算法。在算法收敛... 详细信息

针对经典盲均衡算法收敛速度较慢和稳态误差较大的问题,提出了一种基于变步长恒模算法(Constant Modulus Algorithm, CMA)和判决引导的最小均方(Decision Directed Least Mean Square, DD-LMS)算法的双模式切换盲均衡算法。在算法收敛初期采用CMA算法,以确保算法可以较快收敛。在收敛之后切换至DD-LMS算法,以进一步降低稳态误差。通过设定阈值来切换算法,取相邻多次迭代误差的平均值作为算法的切换值,以确保算法切换时机的合理性。另外,引入Softsign变步长函数并加入3个参数对该函数进行改进,使得Softsign变步长函数可以依据不同信道环境设定最佳参数,同时提高算法的收敛速度。仿真结果表明,在卫星通用信道条件下,所提算法的收敛迭代次数约为1 000次,稳态误差为-12 dB,在信噪比为15 dB时,误码率为1×10~(-6)。与相关算法对比,所提算法的收敛速度较高,误码率和稳态误差较低。

关键词：变步长盲均衡误码率均方误差双模式算法