检索结果-南通市图书馆

基于全连接神经网络的地铁车站响应分析与地震强度指标优选

在线全文

学校读者我要写书评

暂无评论

岩土工程学报 2024年第3期46卷 567-577页

作者：钟紫蓝倪博史跃波张成明申家旭杜修力北京工业大学城市与工程安全减灾教育部重点实验室北京100124

为了降低随机地震响应分析的计算成本,将人工神经网络方法用于构建概率地震需求模型(PSDM),以预测地铁车站结构的地震响应,并对适用于地铁车站结构响应预测的地震强度指标(IM)进行了优选。首先选取了200条实测地震动,计算IM,并对典型的... 详细信息

为了降低随机地震响应分析的计算成本,将人工神经网络方法用于构建概率地震需求模型(PSDM),以预测地铁车站结构的地震响应,并对适用于地铁车站结构响应预测的地震强度指标(IM)进行了优选。首先选取了200条实测地震动,计算IM,并对典型的三层三跨地铁车站结构进行有限元建模,将IM与最大层间位移角作为输入与输出训练全连接神经网络模型(FCNN),得到了最大层间位移角的预测模型。最后基于训练后FCNN输入层到隐含层中的权重矩阵与传统方法对IM进行优选,得出了对最大层间位移角影响最大的IM。研究结果表明:训练后FCNN能以0.95的精度预测地铁车站最大层间位移角,且计算耗时仅为数值模拟的1/5;针对矩形地下结构最大层间位移角,速度型和速度反应谱型指标的影响明显高于其他类型指标,其中速度谱强度(VSI)对最大层间位移角的影响最大。

关键词：全连接神经网络概率地震需求模型地铁车站结构地震强度指标

在线全文

学校读者我要写书评

暂无评论

机械化对矿工职业健康影响的神经网络分析

中华劳动卫生职业病杂志 2024年第5期42卷 374-380页

作者：于海淼杜易培中国矿业大学经济管理学院徐州221116 中国联通数字科技有限公司经营管理部北京100032

探索机械化对矿工职业健康影响的传导机制,为煤炭行业发展健康与高效兼顾的新质生产力提供实证依据,于2022年8月,选择某典型煤矿,通过问卷调查,基于全连接神经网络模型,构建矿工职业健康综合评价指标,并采用贝叶斯模型验证机械化水平对... 详细信息

探索机械化对矿工职业健康影响的传导机制,为煤炭行业发展健康与高效兼顾的新质生产力提供实证依据,于2022年8月,选择某典型煤矿,通过问卷调查,基于全连接神经网络模型,构建矿工职业健康综合评价指标,并采用贝叶斯模型验证机械化水平对矿工职业健康的影响。研究发现,职业病预测概率可以作为职业健康水平的综合指标,为职业病的早期干预与预防提供依据;机械化水平可以直接促进矿工职业健康水平的提升,也可以通过影响危害因素水平和工作强度来间接影响职业健康水平;机械化水平对工作强度的间接影响是正向的,机械化水平对危害因素水平的间接影响呈现出的"倒U型"过程,在机械化水平突破半机械化水平后会实现健康防护的规模经济效应,其对职业危害因素防控的影响会由负转正。

关键词：煤矿职业健康机械化全连接神经网络贝叶斯网络模型

一种基于全连接神经网络的卷烟消费新流量识别模型

在线全文

学校读者我要写书评

暂无评论

中文科技期刊数据库（全文版）经济管理 2024年第4期 29-33页

作者：张涛洪孙焱李恒彬何雪峰杨蕾云南中烟工业有限责任公司云南昆明650024 昆明学院信息工程学院云南昆明650214 云南省高校数据治理与智能决策重点实验室云南昆明650214

为了简单、准确地识别烟草消费新流量,推动烟草行业高质量发展,本文结合深度学习理论,提出了一种基于全连接神经网络(FCNN)的卷烟消费新流量识别模型。首先,数据集的建立与数据预处理。调查烟草消费流量数据(包括消费者基本信息、所抽... 详细信息

为了简单、准确地识别烟草消费新流量,推动烟草行业高质量发展,本文结合深度学习理论,提出了一种基于全连接神经网络(FCNN)的卷烟消费新流量识别模型。首先,数据集的建立与数据预处理。调查烟草消费流量数据(包括消费者基本信息、所抽烟的基本信息以及品牌映像等量化数据),建立数据集;从数据清洗、数据集成以及数据变换三个角度对数据进行预处理,为本文提供数据支持。其次,构建模型。使用全连接神经来构建新流量识别模型。模型的输入为卷烟的消费流量特征,输出是否为新流量;并使用训练集对神经网络卷积层模型进行训练。最后,模型的优化、评估和测试。通过对神经网络各参数的优化调整、增加训练集数据以及增加网络深度进一步优化模型,提高模型的识别准确性,准确率达到98.44%;根据模型的性能和泛化能力对模型进行评估,其损失值为0.0282根据神经网络卷积层模型,可以得出对应年龄下消费者喜欢的香烟类型、口味、种类及喜爱度,根据喜爱度判断出何种种类的香烟可以成为吸引新流量。

关键词：神经网络深度学习全连接神经网络消费新流量识别

全连接神经网络在砂砾石地基上闸底板弯矩预测中的应用

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

水电能源科学 2020年第12期38卷 87-89,152页

作者：张万年王建孙淑华何露河海大学水利水电学院江苏南京210098 南京水利科学研究院江苏南京210029

闸底板作为闸室结构的基础,其结构安全决定了水闸工程整体的安全和稳定。砂砾石地基上的闸底板弯矩预测是设计阶段的重要内容,目前主要通过材料力学法、结构力学法和有限元法计算得到,其中前两种方法无法考虑接触效应,存在应用局限性,... 详细信息

闸底板作为闸室结构的基础,其结构安全决定了水闸工程整体的安全和稳定。砂砾石地基上的闸底板弯矩预测是设计阶段的重要内容,目前主要通过材料力学法、结构力学法和有限元法计算得到,其中前两种方法无法考虑接触效应,存在应用局限性,有限元法计算量及前期准备工作量大,且过程相对复杂。为了给初设阶段水闸设计参数的确定提供简捷算法,加快设计进度,以某水闸工程为例,基于ABAQUS有限元分析的计算结果,在Tensorflow平台上建立了多层全连接神经网络预测模型。结果表明,该模型的预测精度达91.71%,与实际值较吻合。

关键词：砂砾石地基闸底板中心弯矩 ABAQUS 深度学习全连接神经网络

在线全文

学校读者我要写书评

暂无评论

基于多层全连接神经网络的白洋淀水质预测

农业环境科学学报 2020年第6期39卷 1283-1292页

作者：刘世存杨薇田凯王欢欢赵彦伟朱晓磊水环境模拟国家重点实验室北京师范大学环境学院北京100875 中国雄安集团生态建设投资有限公司河北保定071700

白洋淀是华北平原最大的天然湖泊湿地,也是雄安新区的重要生态依托,对其水质进行预测,可为其水质保护与管理提供重要依据。利用1996—2015年白洋淀南刘庄、圈头、烧车淀的生化需氧量(BOD)、化学需氧量(COD)、总氮(TN)和总磷(TP)4项水质... 详细信息

白洋淀是华北平原最大的天然湖泊湿地,也是雄安新区的重要生态依托,对其水质进行预测,可为其水质保护与管理提供重要依据。利用1996—2015年白洋淀南刘庄、圈头、烧车淀的生化需氧量(BOD)、化学需氧量(COD)、总氮(TN)和总磷(TP)4项水质数据,通过率定与校验,构建了全连接神经网络水质预测模型,对未来3 a白洋淀水质进行了预测。结果表明,白洋淀南刘庄、圈头、烧车淀的各项水质指标都有所改善,但部分点位TN和TP仍然超标。未来应加强入淀河流与淀内污染控制,强化生态补水与水系连通。

关键词：全连接神经网络深度学习算法白洋淀水质预测

融合堆叠自编码神经网络算法和全连接神经网络算法的化合物成药性预测模型

在线全文

学校读者我要写书评

暂无评论

中国新药杂志 2021年第14期30卷 1309-1315页

作者：潘蕾倪冰苇赵鸿萍中国药科大学理学院南京211198

目的:基于深度学习方法建立更加稳定、可靠、高实用性的化合物成药性预测模型。方法:通过Integrity, Chembl和DrugBank这3个数据库收集正、负样本数据,对正负样本大数据集进行数据清洗、解决数据不平衡问题之后,进一步对化合物的简化分... 详细信息

目的:基于深度学习方法建立更加稳定、可靠、高实用性的化合物成药性预测模型。方法:通过Integrity, Chembl和DrugBank这3个数据库收集正、负样本数据,对正负样本大数据集进行数据清洗、解决数据不平衡问题之后,进一步对化合物的简化分子线性输入规范(SMILES)码进行标准化编码,在此基础上基于堆叠自编码神经网络算法(Stacked AutoEncoder, SAE)以及全连接神经网络算法(Fully Connected Neural Network, FCNN)构建并训练深度神经网络模型,对化合物进行特征提取,预测化合物的成药性。结果:模型最终稳定收敛,在验证集上准确率(ACC)和曲线下面积(AUC)分别达到0.995 3和0.992 7,较之前文献报道的基于机器学习的模型提高了约3%的预测精度。结论:基于大数据集和深度神经网络技术构建的化合物成药性预测模型具备一定的实用性,可以提高化合物成药性预测的精准度。

关键词：堆叠自编码神经网络全连接神经网络深度学习 SMILES码成药性预测

在线全文

学校读者我要写书评

暂无评论

全连接神经网络在FPGA上的实现与优化

全连接神经网络在FPGA上的实现与优化

作者：周鑫中国科学技术大学

学位级别：硕士

随着电子电路领域的飞速发展,计算机的计算能力得到了大幅提升,深度学习神经网络再次迎来了飞速发展的浪潮。全连接神经网络能够处理大规模的数据,提取全部的数据特征,实现大规模数据的分类,因此,仍在图像领域有重要应用。全连接神经网... 详细信息

随着电子电路领域的飞速发展,计算机的计算能力得到了大幅提升,深度学习神经网络再次迎来了飞速发展的浪潮。全连接神经网络能够处理大规模的数据,提取全部的数据特征,实现大规模数据的分类,因此,仍在图像领域有重要应用。全连接神经网络的训练过程计算复杂,计算量大,领域专家往往使用计算能力出众的GPU设备进行训练;而训练成功的神经网络在处理前向过程时,计算相对简单,因此往往采用FPGA搭载神经网络的前向推断过程。虽然FPGA的计算能力难以赶超同时代的GPU加速设备,但其功耗与GPU相比较低,可以计算全连接神经网络的前向过程。本文提出了一套利用OpenCL在FPGA上高效地实现全连接神经网络的方案,并利用商用的全连接神经网络模型,验证了方案的优化效果,为FPGA上利用OpenCL实现神经网络的设计提供了参考。本文的主要工作和研究成果主要包括:1.全连接神经网络算法的实现与优化。传统的FPGA开发利用较为复杂的硬件描述语言,为FPGA的广泛应用带来了挑战。而OpenCL定义了完整的框架,开发者可以利用OpenCL提供的框架针对FPGA进行编程,缩短了开发周期。本文首先利用OpenCL,在FPGA上实现了全连接神经网络模型的各计算模块,并分别针对两个计算热点提出了算法实现与优化方案:针对全连接层数据规模大、数据复用率较低、对带宽要求高的计算特点,本文利用合并偏移量的方式规整计算任务、通过分组划分的方式发掘并行性、同时利用数据复用提升了数据使用效率,降低了访存压力;针对较为复杂的激活函数（如Sigmoid函数）,本文分析了泰勒级数法、查找表法、分段函数逼近法三种常用的激活函数实现方式,并衡量了 FPGA上适宜的方法;针对激活函数的特征,设计了差分查找表的方式实现激活函数,在保证精度的前提下将查找表压缩,节约了系统中的存储空间。2.针对系统特征,提出系统级的优化方案。为最大化地利用FPGA系统内的各种资源,本文针对算法实现后的基准系统,根据硬件特征,分析了资源占用情况和流水线、访存情况,利用数据重排、单指令多数据、多流水线、半精化等策略进行了系统优化,平衡了系统中的资源占用情况、扩大了电路规模、提升了系统性能。优化后的版本与基准版本相比,得到了 2.19x的加速。优化后,系统的主频达到380MHz,RAM占用率达到94%,DSP占用率达到42%。

关键词： FPGA OpenCL 全连接神经网络算法优化系统优化

利用OpenCL设计并优化FPGA上的全连接神经网络

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

小型微型计算机系统 2019年第2期40卷 348-352页

作者：周鑫安虹迟孟贤金旭韩文廷中国科学技术大学计算机科学与技术学院合肥230021

随着深度学习神经网络的发展,FPGA上的神经网络开发获得了广泛关注.本文利用Intel FPGA提供的OpenCL SDK,在FPGA板卡上设计并实现了完整的全连接神经网络的前向模型,并针对基准系统中的存储瓶颈,通过分组划分、数据复用、优化激活函数... 详细信息

随着深度学习神经网络的发展,FPGA上的神经网络开发获得了广泛关注.本文利用Intel FPGA提供的OpenCL SDK,在FPGA板卡上设计并实现了完整的全连接神经网络的前向模型,并针对基准系统中的存储瓶颈,通过分组划分、数据复用、优化激活函数、单指令多数据流、浮点数半精化等策略进行优化,平衡了系统中的资源占用情况,扩大了电路规模,提升了系统性能;优化后的版本与基准版本相比,得到了2. 19x的加速.优化后,系统的主频达到380MHz,RAM占用率达到94%,DSP占用率达到42%.

关键词： FPGA OpenCL 全连接神经网络优化

在线全文

学校读者我要写书评

暂无评论

基于深度全连接神经网络的大坝变形预测研究

大地测量与地球动力学 2021年第2期41卷 162-166页

作者：杨恒岳建平邢尹周钦坤河海大学地球科学与工程学院南京市211100

将深度全连接神经网络引入大坝变形预测领域,结合大坝多源监测数据的训练样本,建立基于深度全连接神经网络的大坝变形预测模型。利用几种常见的深度优化学习算法对模型进行优化训练,通过对比各损失函数的变化曲线选取最优学习算法,进一... 详细信息

将深度全连接神经网络引入大坝变形预测领域,结合大坝多源监测数据的训练样本,建立基于深度全连接神经网络的大坝变形预测模型。利用几种常见的深度优化学习算法对模型进行优化训练,通过对比各损失函数的变化曲线选取最优学习算法,进一步构建基于最优学习算法的深度全连接神经网络大坝变形预测模型;最后结合大坝多源监测数据的测试样本对模型进行检验分析,并将预测结果和传统BP神经网络的预测结果进行对比。研究结果表明,本文的深度全连接神经网络模型预测精度高、实用性强,可为大坝安全监控提供参考。

关键词：大坝变形全连接神经网络深度优化学习算法预测