导读:本文包含了概率神经网络论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:神经网络,概率,邻域,故障诊断,光伏,数据,向量。
概率神经网络论文文献综述
秦童童[1]（2019）在《基于概率神经网络法的采购风险评估模型》一文中研究指出文章基于概率神经网络的方法建立采购风险识别的模型。结果表明:当模型中的SPREAD数值为0.4时,模型的RMSE的误差为0.91。采用30例新数据进行测试,模型识别出最主要的采购风险为管理程序理解不到位、采购预算计划不详细及采购可选择的合格供方范围窄等风险。根据此目前存在的风险类型提出了相应的改进措施。该模型为采购风险识别提供了一套新方法和新思路。(本文来源于《中国市场》期刊2019年35期）
万莹,张炎欣[2]（2019）在《基于概率神经网络的异常交易数据检测研究》一文中研究指出在"互联网+物联网"发展的时代,同时迎来了大数据的发展。面对海量数据的管理、分析,人工的处理方法已经难以适用了。大数据中潜在的价值和潜在风险将很难通过传统方法去挖掘或检测。本文分析了电子交易数据中存在的问题,常见的异常交易数据类型及检测方法,最后针对特定的场景提出了使用改进的概率神经网络检测方法,并对其原理和过程进行了介绍,旨在为异常交易记录检测方法提供思路。(本文来源于《通讯世界》期刊2019年11期）
胡思才,孙界平,琚生根,王霞[3]（2019）在《基于深度神经网络和概率矩阵分解的混合推荐算法》一文中研究指出针对个性化推荐中用户和项目描述信息未充分利用,用户评分矩阵数据集极端稀疏的情况,提出了基于深度神经网络和概率矩阵分解(PMF)的混合推荐算法.首先,对用户和项目描述信息进行预处理,形成包含用户偏好特征的用户和项目特征集,再将各特征输入深度神经网络模型中进行训练.同时,利用概率矩阵分解模型,根据用户评分矩阵通过最大后验估计优化得到潜在特征向量;然后,通过对概率矩阵分解模型的用户和项目潜在特征向量以及深度神经网络模型的真实特征向量进行迭代更新,收敛得到融合用户和项目真实信息的潜在特征向量;最后,利用该特征向量对用户进行个性化推荐.实验证明,本文算法较经典推荐算法以及前人算法在均方误差与平均绝对误差指标上均有改善,说明本文算法的有效性.(本文来源于《四川大学学报(自然科学版)》期刊2019年06期）
王洋,王咏[4]（2019）在《概率神经网络在物质浓度辨识中的应用》一文中研究指出提出了基于概率神经网络的物质浓度辨识方法,以二氧化硫在不同浓度下颜色读数的数据为例,建立概率神经网络的物质浓度辨识模型。实验仿真表明,概率神经网络物质浓度辨识模型具有收敛速度快、物质浓度辨识正确率高、容易训练等特点。(本文来源于《佛山科学技术学院学报(自然科学版)》期刊2019年06期）
赵康宁,蒲天骄,王新迎,李烨[5]（2019）在《基于改进贝叶斯神经网络的光伏出力概率预测》一文中研究指出光伏功率预测准确性对电网调度运行影响很大,传统的确定性预测方法对光伏出力波动的响应能力不足,给电网的安全稳定运行带来挑战。提出了基于改进贝叶斯神经网络的光伏出力概率预测方法,将神经网络的权重以概率分布的形式表示,提高了神经网络应对光伏出力随机性的能力;依据输入输出相关性进行特征降维,提高数据密度,抑制过拟合;在贝叶斯神经网络的输入端引入全连接神经网络与一维卷积神经网络,提高网络对不同输入数据的信息提取能力,提高预测精度。以实际系统为例进行实证分析,结果表明,与传统的确定性预测模型相比,所提方法在光伏出力波动时具有更高的预测准确率;与其他概率预测方法相比,所提方法在保持较高总体预测准确率的同时,预测功率区间更窄。(本文来源于《电网技术》期刊2019年12期）
刘娜[6]（2019）在《基于概率神经网络的水电机组故障诊断》一文中研究指出针对水电机组的物理结构较为复杂,工作状况相对恶劣,故障发生率较高等问题,提出了一种基于概率神经网络的水电机组故障诊断方法,利用概率神经网络建立分类模型,并结合水电机组的振动信号分析,实现对水电机组的故障判断和故障类型识别。准确有效的水电机组故障识别与判断,对于水电企业生产与设备检修都具有重要意义及参考价值。(本文来源于《科技风》期刊2019年29期）
陈艳,禹继国[7]（2019）在《基于概率路线图的动态环境下移动机器人路径规划的神经网络方法》一文中研究指出在不稳定的环境中,最短或最优的路径规划对移动机器人的有效运行至关重要.文章扩展了一种用于移动机器人实时路径规划的神经网络方法.本文使用概率路线图(Probabilistic Roadmap, PRM)来解决移动机器人在不稳定环境中的实时无碰撞运动规划问题.神经网络拓扑中的每个神经元都具有局部连通性,并且分流方程是其神经动力学特征.因此,计算复杂度与神经网络的大小成线性关系.实时机器人的运动取决于神经网络的动态环境,其中不需要任何先前的动态环境知识甚至学习过程.仿真结果证明了该方法的有效性和高效性.(本文来源于《曲阜师范大学学报(自然科学版)》期刊2019年04期）
牛亚超,徐良骥,张坤,叶伟,张劲满[8]（2019）在《基于GA-BP神经网络的概率积分法预计参数研究》一文中研究指出针对BP神经网络的不足,为提高概率积分法预计开采沉陷的准确性,采用遗传算法(GA)优化BP神经网络,建立了一种基于GA-BP神经网络的概率积分法参数预计模型。将多组地表观测站实测数据分为训练样本和检验样本,以工作面的7个地质采矿条件参数为输入集,5个概率积分法预计参数为输出集,通过GA优化的BP神经网络机器学习方法对训练样本进行训练,利用训练模型预计检验样本的概率积分法参数,并与观测站实测数据进行了对比分析。研究表明:对于不同地质采矿条件下的概率积分法参数进行预计时,GA-BP模型明显优于BP神经网络和偏最小二乘模型,平均相对误差最大为8.64%,预计精度可靠性较高。(本文来源于《金属矿山》期刊2019年10期）
石创,朱俊章,龙祖烈,秦成岗,史玉玲[9]（2019）在《基于概率神经网络的烃源岩TOC预测——以珠江口盆地陆丰南区为例》一文中研究指出烃源岩评价在油气成藏和资源潜力研究中起着关键性作用,而总有机碳质量分数(TOC)是烃源岩评价的基础和影响油气资源评价的关键参数。海上油气勘探因钻井和取样数量的限制,难以获得连续的TOC数据。通过地化-测井-地震联合优选地震属性参数,基于概率神经网络(PNN)对陆丰南区烃源岩TOC进行了预测。结果表明:文昌组下段发育优质烃源岩,其中文四段烃源岩是陆丰凹陷南部油气资源的主要贡献者。运用PNN神经网络预测烃源岩TOC,可获得高精度烃源岩TOC叁维数据体,充分揭示了烃源岩有机质丰度的非均质特点,有效弥补了海上少井区烃源岩评价的缺陷,为精细油气资源潜力评价提供了一种新的尝试。(本文来源于《断块油气田》期刊2019年05期）
宋文海,李田泽,田晖,崔京楷,刘晓月[10]（2019）在《基于概率神经网络的光伏阵列故障诊断研究》一文中研究指出光伏阵列由多个光伏组件组成,易发生故障,难检测。针对这一问题,提出了一种基于概率神经网络的光伏阵列故障诊断方法。该方法在分析光伏组件的故障特性确定特征信号的基础上建立概率神经网络故障诊断模型,将采集的特征数据输入模型,通过Bayes决策理论对故障模式进行预测识别。实验仿真结果分析表明,该方法对故障模式可以进行准确有效的诊断。(本文来源于《电源技术》期刊2019年09期）
概率神经网络论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
在"互联网+物联网"发展的时代,同时迎来了大数据的发展。面对海量数据的管理、分析,人工的处理方法已经难以适用了。大数据中潜在的价值和潜在风险将很难通过传统方法去挖掘或检测。本文分析了电子交易数据中存在的问题,常见的异常交易数据类型及检测方法,最后针对特定的场景提出了使用改进的概率神经网络检测方法,并对其原理和过程进行了介绍,旨在为异常交易记录检测方法提供思路。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
概率神经网络论文参考文献
[1].秦童童.基于概率神经网络法的采购风险评估模型[J].中国市场.2019
[2].万莹,张炎欣.基于概率神经网络的异常交易数据检测研究[J].通讯世界.2019
[3].胡思才,孙界平,琚生根,王霞.基于深度神经网络和概率矩阵分解的混合推荐算法[J].四川大学学报(自然科学版).2019
[4].王洋,王咏.概率神经网络在物质浓度辨识中的应用[J].佛山科学技术学院学报(自然科学版).2019
[5].赵康宁,蒲天骄,王新迎,李烨.基于改进贝叶斯神经网络的光伏出力概率预测[J].电网技术.2019
[6].刘娜.基于概率神经网络的水电机组故障诊断[J].科技风.2019
[7].陈艳,禹继国.基于概率路线图的动态环境下移动机器人路径规划的神经网络方法[J].曲阜师范大学学报(自然科学版).2019
[8].牛亚超,徐良骥,张坤,叶伟,张劲满.基于GA-BP神经网络的概率积分法预计参数研究[J].金属矿山.2019
[9].石创,朱俊章,龙祖烈,秦成岗,史玉玲.基于概率神经网络的烃源岩TOC预测——以珠江口盆地陆丰南区为例[J].断块油气田.2019
[10].宋文海,李田泽,田晖,崔京楷,刘晓月.基于概率神经网络的光伏阵列故障诊断研究[J].电源技术.2019
论文知识图
