检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

二维图像中交叉点的神经网络识别

大连理工大学学报 2003年第5期43卷 548-550页

作者：郭力宾吴微大连理工大学应用数学系辽宁大连116024

提出一种识别灰度图像中交叉点的神经网络方法.用自组织特征映射网络和BP网络组成多分类器,识别图像中的二交叉点、三交叉点和四交叉点.在加入8%的干扰时,仍能达到85%左右的识别率.

关键词：二维图像灰度图像交叉点识别自组织特征映射神经网络 BP神经网络图像识别

VP型宽频带倾斜仪故障信号的BBA-SOM智能诊断

在线全文

学校读者我要写书评

暂无评论

科学技术与工程 2023年第14期23卷 6012-6017页

作者：马武刚庞聪龚燕民刘晓磊中国地震局地震研究所武汉430071 武汉引力与固体潮国家野外科学观测研究站武汉430071 河北省地震局易县地震台易县074200

针对现有VP型倾斜仪故障诊断主要依靠人工经验和诊断流程较为复杂的问题,提出以互补集合经验模态分解(complete ensemble empirical mode decomposition,CEEMD)多尺度近似熵和二进制蝙蝠算法(binary bat algorithm,BBA)优化SOM神经网络... 详细信息

针对现有VP型倾斜仪故障诊断主要依靠人工经验和诊断流程较为复杂的问题,提出以互补集合经验模态分解(complete ensemble empirical mode decomposition,CEEMD)多尺度近似熵和二进制蝙蝠算法(binary bat algorithm,BBA)优化SOM神经网络参数的VP型倾斜仪故障诊断新方。首先,将归一化后的仪器故障信号进行CEEMD分解,对6阶本征模态函数(intrinsic mode function,IMF)求取多尺度近似熵值;然后将网络输入法按比例分为训练集和测试集,以训练集的识别率为适应度函数,应用二进制蝙蝠算法(binary bat algorithm,BBA)优化SOM神经网络的竞争层维数和网络训练次数;最后应用上述得到的BBA-SOM网络模型对倾斜仪故障特征数据进行辨识。实验表明:CEEMD多尺度近似熵判据对倾斜仪故障特征的区分效果符合预期;相对于朴素贝叶斯、AdaBoost集成学习与LDA等学习模型,BBA-SOM模型可以准确进行故障诊断;该方法对实现VP型倾斜仪故障的自动诊断有重要现实意义。

关键词： VP宽频带倾斜仪故障诊断互补集合经验模态分解二进制蝙蝠算法自组织特征映射神经网络

一种GOA优化SOM神经网络的VP型倾斜仪故障智能诊断方法

在线全文

学校读者我要写书评

暂无评论

大地测量与地球动力学 2023年第3期43卷 322-326页

作者：庞聪马武刚李查玮龚燕民刘晓磊江勇廖成旺中国地震局地震研究所武汉市430071 武汉引力与固体潮国家野外科学观测研究站武汉市430071 河北省地震动力学重点实验室河北省三河市065201 河北省地震局易县地震台河北省保定市074211

提出一种VP型倾斜仪故障智能诊断方法。利用经验模态分解(EMD)将归一化故障信号分解为6个本征模态函数(IMF),分别计算其近似熵,构建EMD多尺度近似熵输入矩阵;结合蝗虫优化算法(GOA)对自组织特征映射(SOM)神经网络的参数进行优化,将得到... 详细信息

提出一种VP型倾斜仪故障智能诊断方法。利用经验模态分解(EMD)将归一化故障信号分解为6个本征模态函数(IMF),分别计算其近似熵,构建EMD多尺度近似熵输入矩阵;结合蝗虫优化算法(GOA)对自组织特征映射(SOM)神经网络的参数进行优化,将得到的GOA最优值嵌入到SOM模型中,组建GOA-SOM诊断模型。应用诊断测试集得到诊断目标的聚类标签值,将其与训练集的聚类标签以及真实故障类型进行比对,得到故障诊断结果。结果证明,GOA-SOM模型在100次随机抽样条件下的诊断正确率均值和标准差分别为99.329 7%、1.218 8,优于传统诊断模型。

关键词：倾斜仪故障诊断经验模态分解蝗虫优化算法自组织特征映射神经网络多尺度近似熵

基于改进的隐马尔可夫和神经网络混合模型的语音识别

在线全文

学校读者我要写书评

暂无评论

应用声学 2006年第2期25卷 90-95页

作者：陈立伟张晔哈尔滨工业大学信息工程系

研究了一种非齐次隐马尔可夫模型(Inhomogeneous Hidden Markov Model),然后将自组织特征映射神经网络与这种非齐次隐马尔可夫模型相结合,训练出抗噪声的HMM模型,并应用该混合模型进行语音识别。实验结果表明,该模型适合于对噪声背景下... 详细信息

研究了一种非齐次隐马尔可夫模型(Inhomogeneous Hidden Markov Model),然后将自组织特征映射神经网络与这种非齐次隐马尔可夫模型相结合,训练出抗噪声的HMM模型,并应用该混合模型进行语音识别。实验结果表明,该模型适合于对噪声背景下的语音进行识别。该模型具有更好的抗噪鲁棒性,在信噪比较低的情况下(5dB-10dB),识别率可以提高5％左右。

关键词：非齐次隐马尔可夫模型自组织特征映射神经网络混合模型鲁棒性

在线全文

学校读者我要写书评

暂无评论

基于听觉仿生模型的乐器识别

东北师大学报（自然科学版） 2014年第1期46卷 75-79页

作者：张琳王珊秦晓瑜陈海霞王连明东北师范大学应用电子技术研究所吉林长春130024 通化师范学院物理系吉林通化134000

提出了一个用于乐器识别的听觉仿生系统.该系统基于人类听觉系统中对声源识别起关键作用的耳蜗基底膜、内毛细胞、耳蜗核等部位的生理学功能设计出听觉仿生系统,并对乐器特征进行了提取,进而建立模拟听皮层功能的自组织特征映射神经网络... 详细信息

提出了一个用于乐器识别的听觉仿生系统.该系统基于人类听觉系统中对声源识别起关键作用的耳蜗基底膜、内毛细胞、耳蜗核等部位的生理学功能设计出听觉仿生系统,并对乐器特征进行了提取,进而建立模拟听皮层功能的自组织特征映射神经网络,对构建的由7种乐器243个独奏乐曲样本组成的乐器数据库进行分类识别,乐器识别正确率在75%以上.

关键词：听觉仿生模型乐器识别自组织特征映射神经网络

在线全文

学校读者我要写书评

暂无评论

基于SOFM和BP短期负荷预测方法

水力发电 2020年第4期46卷 97-100页

作者：朱雪凌程然王为华北水利水电大学电力学院河南郑州450045

基于以自组织特征映射神经网络(Self-organizing feature map,SOFM)先聚类、神经网络再预测的模型以往多用在对疾病、天气方面的预测,由此提出了一种以SOFM与误差反向传播算法的神经网络(Back Propagation,BP)相组合应用为基本原理的短... 详细信息

基于以自组织特征映射神经网络(Self-organizing feature map,SOFM)先聚类、神经网络再预测的模型以往多用在对疾病、天气方面的预测,由此提出了一种以SOFM与误差反向传播算法的神经网络(Back Propagation,BP)相组合应用为基本原理的短期电力负荷预测的组合模型。该模型主要基于SOFM网络的主要特性聚类,预先将训练样本集采取聚类分析,对其分为具有相似数据的若干子类,再根据每一子类构造一个BP网络模型。利用内蒙古自治区某市的实际日平均负荷数据进行仿真,证明了本文方法的有效性。

关键词：自组织特征映射神经网络 BP神经网络聚类分析短期负荷预测

SOM网络在电机转子故障诊断应用中的可视化分析

在线全文

学校读者我要写书评

暂无评论

煤矿机械 2009年第3期30卷 190-192页

作者：王楠谷立臣西安建筑科技大学机械电子技术研究所西安710055

SOM网络(自组织特征映射神经网络)模拟大脑神经系统,具有自适应、自学习与联想功能,是一种无导师学习网络,最大优点是能够保持原始数据的拓扑结构,在数据分类、知识获取、过程监控和故障识别等领域中应用广泛。将其用于电机转子的故障诊... 详细信息

SOM网络(自组织特征映射神经网络)模拟大脑神经系统,具有自适应、自学习与联想功能,是一种无导师学习网络,最大优点是能够保持原始数据的拓扑结构,在数据分类、知识获取、过程监控和故障识别等领域中应用广泛。将其用于电机转子的故障诊断,着重利用U矩阵图和D矩阵图等可视化工具对其分类结果进行仿真与分析,并与SOM网络一般聚类结果进行比较。结论表明,SOM网络的可视化方法简单、直观、易懂,对故障的判别率较高。

关键词：自组织特征映射神经网络可视化电机转子故障诊断

在线全文

学校读者我要写书评

暂无评论

基于SOFM神经网络的SAR图像目标识别

现代防御技术 2016年第4期44卷 56-60页

作者：刘伟伟胡兴平卢晓敏宋慧娟西安飞豹科技发展公司陕西西安710089 西安应用光学研究所陕西西安710065

在SAR图像的识别中,传统的识别方法必须提前知道所有目标的类别,不能对任意的目标进行识别。通过分析SAR图像的特点,选取了一组由Hu不变矩和由三角函数生成法导出的5个新的不变矩组成的特征向量。利用自组织特征映射(SOFM)神经网络对目... 详细信息

在SAR图像的识别中,传统的识别方法必须提前知道所有目标的类别,不能对任意的目标进行识别。通过分析SAR图像的特点,选取了一组由Hu不变矩和由三角函数生成法导出的5个新的不变矩组成的特征向量。利用自组织特征映射(SOFM)神经网络对目标进行了聚类分析。实验表明,选取的特征向量能够较准确地描述目标,且SOFM神经网络能够自适应,自组织地对目标进行聚类。同时,用测试图像对训练好的网络进行了测试,得到了较为理想的识别效果。

关键词：自组织特征映射神经网络目标识别合成孔径雷达不变矩聚类分析特征提取

维普期刊数据库博看期刊

在线全文

学校读者我要写书评

暂无评论

基于实例推理的堤防防渗加固方法选择

人民黄河 2015年第1期37卷 46-49,53页

作者：张林海苏怀智李皓河海大学水文水资源与水利工程科学国家重点实验室江苏南京210098 河海大学水利水电学院江苏南京210098 水资源高效利用与工程安全国家工程研究中心江苏南京210098

针对堤防工程防渗加固方法的优选问题,充分借助已有工程的加固案例,综合应用基于实例的推理(Case Based Reasoning,CBR)方法和自组织特征映射神经网络(SOFM),在对影响加固方法选择的主要因素分析基础上,研究建立加固工程和实例之间相似... 详细信息

针对堤防工程防渗加固方法的优选问题,充分借助已有工程的加固案例,综合应用基于实例的推理(Case Based Reasoning,CBR)方法和自组织特征映射神经网络(SOFM),在对影响加固方法选择的主要因素分析基础上,研究建立加固工程和实例之间相似性的计算公式;利用自组织特征映射神经网络高度的自组织性和自适应性,对实例库中的实例进行动态聚类,提出以SOFM为检索机制的实例检索模型。将所述模型和方法应用于某实际工程,研究该堤防工程防渗加固方案生成的过程,分析模型和方法的有效性。算例分析表明:利用所建模型能够缩小实例检索的范围,提高检索的效率;有效利用了以往加固实例中积累的经验和知识,减少了对专家的依赖,可提高加固方法选择的效率和加固决策的智能化水平。

关键词：堤防工程防渗加固方案选择实例推理自组织特征映射神经网络