严太山[1]2001年在《神经网络BP算法研究及其在工业检测中的应用》文中指出BP神经网络是各种神经网络模型中具有代表意义的神经网络模型之一,已获得了广泛的应用。由于BP神经网络存在其固有的缺陷,所以许多专家学者对其性能的改善做了大量的工作,对BP算法进行了卓有成效的研究。但是,对BP神经网络的研究,大都是基于对BP算法的某一方面进行改进,然后将改进的算法与基本BP算法进行比较,对BP神经网络进行综述的论文还很少见到。而且,在玻璃制品质量检测这一领域,目前还未曾有过神经网络技术的应用。本论文将对BP算法作一个系统的综述和一些初步的探索,并将其应用于“玻璃制品的计算机视觉在线检测系统”中,以使该检测系统具备自学习、自适应的能力。 从内容上看,本论文由以下两部分组成:第一部分是介绍神经网络,从神经网络的基本特点、发展历程、构成、类型及应用等几个方面进行了概述;第二部分是介绍本论文完成的工作,其中包括:对BP神经网络结构及BP算法进行的研究,BP算法在“玻璃制品的计算机视觉在线检测系统”中的应用。 针对BP神经网络隐含层节点数难以确定这一缺陷,本论文在总结前人经验和实验的基础上,提出了一种直接估算最佳隐含层节点数的简单方法,简化了隐含层节点数的确定,并取得了良好的效果。 在基本BP算法及许多改进型BP算法的学习过程中,采用的控制方法一般为:设定一个固定的允许均方误差或学习次数,或同时设定固定的允许均方误差和学习次数。但它们都存在各自的缺陷,在某些情况下学习时间太长,甚至陷入死循环;或者学习精度不高。为提高BP算法的收敛速度和精度,本论文提出了一种二次自适应调整学习参数的改进型BP算法。该算法在学习过程中,除了对学习率和动量因子进行自适应调整外,还能根据网络的实际训练情况自适应确定允许均方误差的值,从而克服了传统的BP算法在学习过程中采用的控制方法存在的缺陷。实验表明,二次自适应调整学习参数BP算法的训练速度和精度都比传统的BP算法有明显的提高,因而有较好的应用价值。 “玻璃瓶口裂纹检测系统”是广西师范大学电子技术研究所与桂林市玻璃厂联合开发的“玻璃制品的计算机视觉在线检测系统”的一个子系统,笔者在调试过程中发现,该子系统对环境变化适应的灵活性和对新信息的容错性较差,这主要是由于该子系统目前所采用的算法不具备自学习、自适应的能力所造成的。在这方面,神经网络给我们提供了一条崭新的途径,神经网络通过对经验样本的学习,将学习结果以权值和阈值的形式分布存储在网络内部。更重要的是,神经网络具有极强的自学习、自适应能力。本论文将BP算法应用于该子系统中,建立了基于BP神经网络的“玻璃瓶口裂纹检测模型”,克服了原算法对环境变化适应的灵活性和对新信息的容错性较差的弱点,从而使该检测系统的自学习、自适应能力大大增强了。笔者用Visual C++成功地实现了BP算法对玻璃瓶口裂纹的检测,实验表明,BP算法的检测效果与原算法相比,有了明显的改善和提高。
周蕾[2]2010年在《粒子群算法的改进及其在人工神经网络中的应用》文中进行了进一步梳理粒子群优化算法(Particle Swarm Optimization, PSO)是由Kennedy博士和Eberhart博士在1995年提出的算法,该算法是一种新颖的仿生优化算法,由于粒子群优化算法的基本原理简单、实现操作简单,必须设置的参数不多,因此得到了广泛的认同和关注,而且已被应用于函数优化、神经网络、模糊系统控制等多个领域。本文首先分析了研究粒子群优化算法的重要意义,接着从PSO算法的基本结构、算法基本原理、改进的方法、实现的模式及应用的领域等方面做了较深入的系统的研究工作。本文的主要研究成果可归纳如下:1.针对PSO算法在进化搜索过程中常常因为种群的多样性减少的太快,造成PSO算法过早收敛,导致发生PSO算法寻找全局最优解的性能较差的问题,提出了一种改进的粒子群优化算法,在该算法中采用了动态调整的学习因子和基于粒子飞行坐标调整的惯性权重,并充分体现了劳动分工的思想,达到了增加种群多样性的目的。实验结果证明,该算法能够有效地避免种群早熟收敛,提高了算法的收敛解的精度。2.PSO算法中,粒子仅仅吸取个体经验信息和群体经验信息来搜索解空间以得到全局最优解,因此,粒子所获取的经验信息量不足以克服PSO算法早熟收敛的缺点。本文提出了另一种改进粒子群优化算法,该算法在粒子的速度公式中添加了附加的经验信息,以达到增加粒子个体自身所获得的经验信息量的目的,并且依据粒子的速度变化情况和粒子之间汇集程度来调整惯性权重,实验证明,该算法能够稳定地、有效地收敛到精度较高的最优解。3. BP (Back Propagation)算法是用于训练人工神经网络的一种学习算法,但是其具有训练速度慢、易陷入局部极小和全局搜索能力弱等不足。本文将提出的两种改进粒子群优化算法用于训练人工神经网络,通过实验对比分析,证明了改进粒子群优化算法在训练人工神经网络时可以有效克服BP算法所存在的不足。总之,论文对粒子群优化算法做了较为全面深入的分析与讨论,不仅提出了两种有效的改进的方法,而且拓宽了改进方法的应用领域。论文最后对所做工作进行了总结,并提出了进一步研究的方向。
金菊良[3]1998年在《遗传算法及其在水问题中的应用》文中指出在对遗传算法(GA)进行较为深入、系统的探讨基础上,本文提出了对简单遗传算法(SGA)的一种改进方案—加速遗传算法(AGA),并把AGA 系统地应用于洪水灾害评估、水文水资源建模和水环境优化等一系列水问题中,形成了一种理论研究与应用研究紧密结合的独特体系。其主要内容如下:1.指出了传统优化方法处理复杂水问题的局限性,论述了GA 的研究进展,并提出了研究遗传算法的一种基本思路,即对遗传算法本身的研究过程也可以采用与GA 演化过程一致的方式来进行。这种思路对选择科研策略、评价科研成果甚至认识自然、改造自然等过程也同样适用。2.指出了SGA 在全局优化性能与收敛性之间存在着固有的矛盾。3.归纳了SGA 在应用中已表现出的许多缺陷,并在前人研究成果的基础上提出了对SGA 进行全面改进的11 种方式。为提高SGA 的收敛速度,同时兼顾SGA的全局优化能力,提出了AGA,其要点是:(1)AGA的基本原理是利用在SGA演化过程中所搜索到的优秀个体这一小群体来逐步调整、压缩SGA 以后的搜索空间,从而减少了算法的计算量,提高了算法的搜索效率;(2)得到了AGA 控制参数的简便设置技术,它们是:二进制编码长度e、杂交概率pc和个体串的变异率pm分别固定设置为10、1.0 和1.0;群体规模n 与优秀个体数目s 存在经验关系式:s/n>n/(e·2e),并且建议n 取300 以上,s 相应取10 以上;在每次加速循环中AGA 只进行两次进化迭代;(3)归纳了AGA 的一些显着特点:它是收敛的;具有全局优化能力;它的计算量少、解的精度不再受二进制编码长度的控制,因此它适用于实变量优化问题、连续/离散混合优化问题;它对优化变量搜索空间的大小变化具有适应性,表现为对适应度函数值越敏感的优化变量,它的搜索空间被压缩得越快;AGA 控制参数的设置技术较确定、简便;(4)11 个不同的典型优化问题对AGA 的测试结果表明了AGA 的优化性能是稳健的,AGA 控制参数的简便设置技术是可行的,初步预示出AGA 潜在的应用前景。4.探讨了AGA与BP网络的结合问题,并提出了训练BP神经网络的新方法—BP-AGA 混合算法并给出了相应的实现技术。测试结果表明了,与纯BP 算法相比,BP-AGA混合算法能加快BP神经网络参数的优化进程,同时在一定程度上改善了
尚会超[4]2006年在《印刷图像在线检测的算法研究与系统实现》文中研究指明为了提高国内印刷业的生产自动化水平,针对国内高速印刷品图像质量在线检测理论研究与系统开发的严重滞后,本文对基于机器视觉的运动图像实时处理算法与理论进行了研究,并在此基础上完成了印刷图像在线检测的关键技术研究与系统实现。首先,通过对印刷检测的技术要求和应用特点进行分析,提出了一种基于服务器/客户端模式的分布式检测系统方案和基于TCP/ IP网络协议的图像数据传输方法,有效解决了多相机的图像处理与数据传输问题。为了保证对采集的印刷图像进行处理时有一个统一的基准,建立了一个采集图像质量的评判标准,提出了一种基于颜色采样的真彩色图像灰值化方法,设计了分段线性变换实现灰值图像的对比度增强,并针对号码印刷图像特点提出了一种数学形态学定向补全的运动模糊消除算法和基于迭代运算的最佳阈值分割算法。通过对印刷图像配准的主要影响因素的分析,提出了一种基于灰度形态学运算的印刷图像边缘特征快速提取算法;提出了一种基于特征子空间的小邻域搜索图像配准算法,可以统一处理有关标记类特征、灰度分布特征和线状特征的快速配准问题;提出了一种基于动态基准的双向差影图像匹配算法,实现了对明、暗印刷缺陷的同时提取。提出了一种基于投影直方图的号码区域分割方法和一种基于状态空间法的搜索策略,结合可变阈值最小距离法的聚类算法,实现了印刷缺陷的快速提取与聚类;对BP算法性能进行了改进并成功应用于印刷号码识别和印刷缺陷分类。最后,对图像采集装置中的照明系统和相机装夹机构进行了设计,针对烟标检测和票据号码检测研制并开发了印刷图像在线检测系统和处理软件,并成功应用于工业现场。
赵敏[5]2011年在《基于小波神经网络的井下配电网故障测距》文中提出针对煤矿井下配电网馈线故障测距不易解决这一难题,本文在仿真分析了井下配电网电缆线路单相接地故障发生后稳态及暂态波形特点的基础上,提出利用小波包分析提取故障暂态信息进行故障点准确定位的方法。考虑到特定频段小波包分解模极大值与故障点距离的映射关系,采用3次B样条小波进行二进小波包分解提取特定频段模极大值,并利用神经网络较强的非线性拟合能力、泛化能力,拟合上述映射关系以达到测距目的。本文在分析“松散型”小波神经网络应用于故障测距所存在不足的基础上,构建了“紧致型”小波神经网络,并提出改进BP算法训练小波神经网络。利用遗传算法、粒子群优化算法分别对小波神经网络和RBF神经网络进行参数优化,并将优化后的网络用于故障定位问题。仿真结果证实了较之传统“松散型”小波神经网络,基于遗传算法的“紧致型”小波神经网络和基于改进粒子群优化算法的RBF小波神经网络能够实现测距的准确性、可靠性和稳定性,使测距精度得到了保证。
闫国凤[6]2007年在《人工神经网络专家系统设计及其在铁基耐蚀合金设计中的应用》文中进行了进一步梳理由于化学成分、加工工艺和材料性能之间的内在规律目前尚不很清楚,往往需要通过大量的实验才能确定新材料的组成及加工工艺。计算机建模大大缩短了新材料、新工艺和新设计从实验室转移到生产现场所需的时间。本文吸取了人工神经网络和专家系统的优点,基于人工神经网络技术建立了铁基耐蚀合金专家系统:设计了预测程序和优化程序,完善了BP神经网络学习程序,并设计了基于人工神经网络专家系统的人机界面。利用该系统软件,可以完成数据的预处理、样本库的扩充和修改、网络的学习、预测和优化。利用所建立的系统,预测了铁基耐蚀合金中Si,C,Mn各元素含量对腐蚀速率和抗弯强度的影响,得到了与实验数据相吻合的结果。利用所建立的系统,优化了铁基耐蚀合金的成分。实验表明,人工神经网络专家系统具有很好的优化能力,该项技术为合金成分设计与性能预测提供了有效方法。
郑立刚[7]2004年在《大型电站锅炉优化运行与气固两相流光学波动法测量》文中指出锅炉的燃烧优化是通过锅炉的运行调整,达到最高的锅炉燃烧效率和最低的污染物排放量,从而降低电厂的煤耗和排污费用。我国能源人均占有率低,能源利用率低,“节能降耗”是我国目前主要的能源政策,同时工业造成了人类生存环境的恶化,保护环境更是一个世界性的问题,因此锅炉的燃烧优化具有很强的现实意义。 本文探讨了锅炉污染物NOx的生成机理和控制方法。重点探讨了NOx的生成机理、影响因素及其控制的一般原则。 锅炉NOx排放量、飞灰含碳量受锅炉煤种和运行参数影响很大,相互关系很难以常规的计算公式表达,本文引入BP网络(Back-Propagation)与广义回归神经网络,建立了锅炉的污染物NOx排放、飞灰含碳量神经网络模型。模型以影响目标值的因素为输入变量,以NOx产量及飞灰含碳量等为输出变量,用电厂采集的数据样本进行训练。此模型通过人工神经网络本身具有的强大的联想功能和记忆功能以及对于非线性变量的映射能力,来计算污染物排放与锅炉效率。 本文建立了锅炉燃烧优化算法模型。综合考虑锅炉效率和NOx排放两个方面的影响,建立了燃烧优化问题的目标函数;建立了机理模型和神经网络模型相结合的燃烧优化模型;研究了十进制遗传算法及其在数值优化中的应用,并将其用于该燃烧优化问题的寻优计算,优化结果对运行生产具有指导作用。 阐述了光学波动法测量气固多相流颗粒浓度的原理,并在实验条件下,利用此原理对多相射流的浓度与粒度分布进行了测量研究,对单弯头、组合弯头对多相流浓度粒度分布的影响进行了分析;对前置空间组合弯头及内置楔形体的直流燃烧器出口不同截面气固两相流颗粒浓度粒度分布作了测量研究,得出各截面浓度分布规律,扩散和衰减规律;对燃烧器出口射流和侧边风混合特性做了详细的研究,讨论了各截面浓度分布规律及两相流的混合特性。
郭志涛[8]2011年在《射频识别(RFID)技术及其在公交调度系统应用研究》文中研究说明射频识别(Radio Frequency Identification,RFID)技术是一种新型的自动识别技术,近几年发展十分迅速,在很多领域获得了广泛应用。但在RFID技术应用推广过程中,仍存在超高频RFID读写器微带天线结构设计困难,谐振频率难以确定,以及多个标签同时进入读写区引发标签碰撞而无法识别等问题,这些问题限制了RFID技术的深入应用。本文在论述RFID技术研究意义、基本理论的基础上重点分析了智能算法在微带天线建模中的应用以及标签防碰撞问题的解决方法,最后对超高频RFID技术在公交调度系统中的应用方案进行了设计。首先,对RFID阅读器微带天线建模中智能算法进行了研究,提出采用改进粒子群算法训练神经网络建立天线结构与天线谐振频率的模型。天线的结构与性能是一个比较复杂的非线性系统,系统状态复杂,难以用数学方法准确建模。本文分别采用了基本BP算法、GA算法和改进PSO算法训练神经网络实现频率模型,依次解决了网络过早收敛、网络精度低等问题。实验结果表明,采用粒子群优化神经网络能够建立准确、完备的微带天线谐振频率与结构之间的模型,能够实现天线快速设计。其次,对RFID系统中多标签碰撞问题进行研究,提出标签估算的快速方法以及基于预处理机制的逆向二进制防碰撞算法。本文在实验的基础上建立碰撞概率与平均碰撞标签数的曲线关系,并采用折线拟合的方法进行标签估算,以提高识别速度;通过分析不同帧长系统效率的关系,改进了帧长度的调整方法;在二进制搜索算法中融入预处理机制,减少读写器与标签的通信数据量。通过仿真实验证明了改进后的方法能够有效减少识别时间,提高识别效率。最后,结合当前公共交通的特点,提出一种新颖的基于超高频RFID技术的智能公交调度系统设计方案,并研制了高频13.56MHz和超高频915MHz的双频点RFID读写器。实际测试表明设计双频点RFID读写器能够同时实现高频和超高频的读写卡功能,设计的微带天线谐振频率符合要求,且改进后的标签防碰撞算法识别速度更快。
郑丽霞[9]2011年在《复数神经网络及其在说话人识别中的应用》文中进行了进一步梳理复数神经网络是针对实数神经网络而提出的。在传统的实数神经网络中,输入、网络参数(如各层权值和阈值)、输出都是实数。而很多实际应用系统要求输入输出数据均为复数,如通信、电磁学、图像处理、语音处理等领域。传统的神经网络处理复数数据的做法是将复数的实部和虚部分别提取出来处理,即一个复数数据分解为两个实数数据,然后采用两个实数神经网络加以处理。复数神经网络的输入、参数、输出都是复数,不需要将实部、虚部分开来处理,而是作为一个复数整体来进行处理,因此更加自然、有效。对于处理如语音信号之类有关“波”的问题,复数神经网络有着很大的优势。本文研究复数神经网络及其在说话人识别中的应用。主要工作集中在以下叁个方面:首先,本文分析了复数神经网络的基本结构,对常用的复数神经元函数进行了研究。在实数BP神经网络的基础上,研究了复数BP神经网络的学习规则及算法,在分析复数BP神经网络算法的缺陷的基础上,提出了改进的复数BP神经网络算法,并进行了实验仿真,与实数BP神经网络相比,复数BP神经网络有着更佳的性能。其次,在分析复数BP神经网络处理复数数据的优势上,用复数BP神经网络设计了复系数FIR数字滤波器。神经网络有着较强的非线性映射能力,因此可以设计任意幅频响应的复系数FIR数字滤波器。本文给出了基于复数神经网络的FIR低通、带通滤波器优化设计实例,仿真结果表明,用本文提出的复数神经网络算法设计的FIR数字滤波器,具有良好的幅频响应。跟实数神经网络设计的FIR数字滤波器相比,有更平滑的阻带波纹,而且有更好的阻带衰减特性。最后,本文根据说话人的语音特征设计了面向说话人识别的复数神经网络系统及其算法。采用复数BP神经网络作为分类、识别模型。目前最常用的语音特征参数有美尔倒谱系数(MFCC)以及线性预测倒谱系数(LPCC)。但这两种语音特征参数在求取倒谱过程中都已经忽略了语音信号的相位信息部分,考虑到复数神经网络处理复数的优势,本文采用语音信号的复倒谱(保留了原始语音信号的相位信息部分)作为特征参数进行识别验证。
杨杰[10]2010年在《复数神经网络及其在路牌识别中的应用》文中研究指明传统的神经网络算法的网络参数都为实数,实数神经网络在对“多状态”模式进行识别时很难兼顾识别时间和正确率这两项重要的指标。复数神经元可以拥有多种状态,对处理“多状态”模式有着其独特的优势。在交通路牌识别算法中,神经网络识别算法是常用的方法之一。由于交通路牌含有两种信息:“图形”信息和“颜色”信息(红、黄、蓝、白、黑),用灰度图表示的交通路牌含有足够的这两方面的信息,而一张灰度图可以看作是一种“多状态”模式,因此适合于利用复数神经网络对其进行识别。本文研究复数神经网络及其在路牌识别中的应用。本文的主要工作集中在以下叁个方面:首先,本文分析了复数神经网络的基本结构,说明了复S函数的缺陷,对常用的复数神经元函数进行了研究,给出了它们的基本特性和适用场合;并对单节点实数感知器和复数感知器进行了分析对比;分别结合叁层复数前馈神经网络和复数反馈网络的结构,分析了复数BP算法和复数Hebbian学习规则。其次,本文根据交通路牌的特点设计了面向交通路牌识别的复数神经网络系统及其学习算法。采用复数阶跃函数构建了神经元模型,建立了复数Hopfield神经网络结构,并且确定了网络中神经元的个数;借助复数Hebbian学习规则和复数内积法给出了网络权值的确定方法;借用复数网络能量函数的定义,说明了复数识别网络的收敛性;在前期的图像数据处理部分,分别使用离散二维傅里叶变换和欧拉公式,给出了将灰度图像数据转化为复数网络所需要的相位信息的方法,实现了网络对路牌的记忆存储;在后期的图像还原部分利用相位逆变换的方法,实现了相位图到灰度图转化。最后,本文对设计的系统进行了仿真研究。使用Labview软件实现了复数阶跃函数模块、相位-灰度转换模块、车牌读取模块以及识别算法模块的编写,实现了路牌识别的Labview仿真,并就仿真中出现的“噪声”现象给出了合理的解释,接着在Labview环境下就实数网络和复数网络的识别效果作出了分析和对比。说明了复数神经网络在路牌识别应用中的优势。
参考文献:
[1]. 神经网络BP算法研究及其在工业检测中的应用[D]. 严太山. 广西师范大学. 2001
[2]. 粒子群算法的改进及其在人工神经网络中的应用[D]. 周蕾. 西安电子科技大学. 2010
[3]. 遗传算法及其在水问题中的应用[D]. 金菊良. 河海大学. 1998
[4]. 印刷图像在线检测的算法研究与系统实现[D]. 尚会超. 华中科技大学. 2006
[5]. 基于小波神经网络的井下配电网故障测距[D]. 赵敏. 河南理工大学. 2011
[6]. 人工神经网络专家系统设计及其在铁基耐蚀合金设计中的应用[D]. 闫国凤. 河北工业大学. 2007
[7]. 大型电站锅炉优化运行与气固两相流光学波动法测量[D]. 郑立刚. 浙江大学. 2004
[8]. 射频识别(RFID)技术及其在公交调度系统应用研究[D]. 郭志涛. 河北工业大学. 2011
[9]. 复数神经网络及其在说话人识别中的应用[D]. 郑丽霞. 东华大学. 2011
[10]. 复数神经网络及其在路牌识别中的应用[D]. 杨杰. 东华大学. 2010
标签:自动化技术论文; bp算法论文; 粒子群优化算法论文; 神经网络算法论文; 网络模型论文; 过程能力论文; 能力模型论文; 系统学习论文; aga论文; 算法论文; bp神经网络论文;