导读:本文包含了时延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,时延,线性化,不等式,复数,微分,网络。
时延神经网络论文文献综述
周南,罗林根,高兆丽,沈大千,盛戈皞[1]（2018）在《基于多神经网络的局部放电特高频时延定位误差修正算法》一文中研究指出现有的基于特高频(UHF)信号的局部放电时延定位方法研究重点多集中于提高时差的计算精度,而对系统定位误差的校正鲜有涉及。为此,论文直接从系统定位误差入手,提出了一种基于多神经网络的定位误差修正算法。在极径r∈[2 m, 6 m]、r∈[6 m, 12 m]及r∈[12 m, 18 m]这3个区间分段内建立了相应的误差补偿网络,利用有限个标定点的时延误差来训练径向基(RBF)神经网络,以模拟系统定位误差的分布特性,并对实际定位结果进行修正。仿真及实验结果表明,通过误差补偿网络的修正,提高了定位精确度、降低了定位结果的离散程度,最终可将定位距离误差控制在0.5 m以内,方向角误差控制在6°以内。研究结果验证了所提算法的误差修正能力。(本文来源于《高电压技术》期刊2018年11期）
惠明,张新刚,张萌,余超,朱晓维[2]（2018）在《基于实复值混合时延神经网络的宽带功放的建模和线性化（英文）》一文中研究指出提出了一种新型的实复值混合时延神经网络,用于建模和线性化宽带射频功放.该神经网络包含输入信号的广义记忆效应、复值输入信号和复值输入信号模值的分数阶次,因而其建模精度显着提高.对实复值混合时延神经网络在不同扩展常数、记忆深度、神经元数和阶数时的归一化均方误差(NMSE)进行了比较研究,以建立一个能够有效建模宽带功放强非线性的基带模型—最优时延神经网络(TDNN).采用51 dBm宽带功放和25 MHz带宽的混合测试信号用于模型的有效性验证.测试结果表明,实复值混合时延神经网络相比记忆多项式模型和实值时延神经网络具有更高的建模精度,NMSE提高5 dB.此外,实复值混合时延神经网络相比广义记忆多项式模型,NMSE提高0.6 dB,并具有更好的数值稳定性.相比实值时延神经网络和记忆多项式模型,所提出的时延神经网络能够更好地抑制带外的频谱再生.(本文来源于《Journal of Southeast University(English Edition)》期刊2018年02期）
毛振苏[3]（2018）在《基于时延神经网络的语音分离的研究》一文中研究指出随着人工智能时代的崛起,人机语音交互技术正在向各行各业渗透,拥有语音交互技术的产品正在不断涌现。但是,现实生活中的声音信号几乎都会受到噪声的干扰,并且机器无法像人耳一样主动从带噪声音中追踪目标语音,所以语音分离技术就显得格外重要。深度学习技术一直是人工智能领域的核心内容,近几年越来越多的研究人员开始利用深度学习实现语音分离任务。本文研究了基于时延神经网络(Time Delay neural Networks,TDNN)的语音分离。与深度神经网络(Deep Neural Networks,DNN)相比,TDNN模型能更好的考虑到帧级别特征之间的时频相关性;与卷积神经网络(Convolutional Neural Networks,CNN)相比,TDNN模型可以较好的解决由于重复计算所导致的时间开销过大的问题。本文完成了单通道条件下的两组对比试验。对于TDNN模型来说,不同的偏移量情况下会产生不同的TDNN结构,所以本文首先对不同结构的TDNN在语音分离性能上的表现进行了对比。其次,将TDNN和DNN,CNN做了对比试验。实验结果表明,拥有越宽广的输入层上下文的TDNN结构越能取得更好的语音分离效果;相比于DNN,TDNN的分离效果略有提升;相比于CNN,TDNN模型在训练和测试的速度上更具优势。(本文来源于《内蒙古大学》期刊2018-04-26）
张宇,严天峰,杨志飞[4]（2018）在《基于BP神经网络拟合的二次相关时延估计》一文中研究指出在TDOA无源时差定位中,外界噪声对定位时延估值精度的影响很大.二次相关时延估计算法虽然具有良好的抗噪能力,但随着信噪比的降低,抗噪性也会下降.将BP神经网络引入二次相关时延估计,基于BP神经网络拟合二次相关时域函数曲线,以提升二次相关时延估计的准确度.仿真结果表明,基于BP神经网络拟合的二次相关时延估计算法在低信噪比条件下具有较高的时延估值精度.(本文来源于《兰州交通大学学报》期刊2018年02期）
杨钊[5]（2017）在《时延复数神经网络的吸引集与不变集研究》一文中研究指出人类的大脑是一个十分复杂的系统,它具有组织神经元进行信息处理的能力,并以比数字计算机更快地速度对信息进行并行以及非线性的处理。一直以来,建立具有人类智慧的机器或自主机制都是科学和工程应用各界研究人员的一个梦想。因而,在50多年前,人工神经网络,通常被称为神经网络,这一概念一经提出便引起了广泛关注。在谷歌的AlphaGo击败世界顶级围棋大师后,神经网络相关的研究再次引起了学者们的关注。神经网络是机器学习算法中最流行和最强大的一类,在现代科学的发展中起着重要的作用。由于神经网络所采用的主要计算方式是分布式计算与并行计算,因而其在深度学习、大数据分析、模式识别以及生物学等领域得到了大量的应用。已经有众多学者就神经网络的各个方面进行了详细的研究,作为神经网络理论的研究基础,关于神经网络的动力学特性分析也是众多学者研究的热点。另外,复数神经网络将复数引入到了状态变量、连接权矩阵以及激活函数,这大大地拓展了神经网络的研究范围。由于复数神经网络可以直接处理复数信号,所以它能够解决许多在实数域中无法处理的问题。再者,从已有的研究中我们可以知道,与实数神经网络相比,复数神经网络处理数据的速度更快,效率更高。这是因为它能够直接对复数信号进行加工处理,这一特点在信号处理领域显得尤其关键。因而,复数神经网络的动力学行为非常值得进一步的探索。目前,关于神经网络的大多数研究工作都讨论了神经网络的动力学特性。它们一般都是通过构造合适的Lyapunov函数,然后,利用不等式技巧对神经网络的动力学特性进行分析。然而,构造与对应系统相匹配的Lyapunov函数非常困难。并且,线性矩阵不等式(LMI)的运算过程也相当繁琐。因此,本论文将不采用Lyapunov函数与线性矩阵不等式的方法,而是通过结合微分不等式与复数共轭性质来讨论复数神经网络的动力学行为。通常情况下,微分系统的动力学行为分析及应用主要依赖于平衡点处的稳定性研究或平衡点存在的区域,即吸引集与不变集。因此,本论文重点研究了带时延的自治复数神经网络平衡点的指数稳定与带时延非自治复数神经网络的全局吸引集与正不变集。结合上述讨论,本论文对以下两点进行了研究并取得了相应的成果:(1)研究了一类时延自治复数神经网络系统,并且分析了该系统平衡点处的指数稳定性。在不将激活函数实数与虚数部分分离为两个独立的部分的条件下,运用复数共轭性质和已有的微分不等式,并结合M矩阵的特性,得到了时延复数神经网络平衡点处指数稳定的充分条件,最后使用了数值仿真对该充分条件的有效正确性进行了验证。(2)针对时延非自治复数神经网络的全局吸引集与正不变集进行了深入地研究。在已有微分不等式上建立了一类微分积分不等式,并结合了复数共轭性质、Hadmard积、M矩阵得到了时延非自治复数神经网络全局吸引集与正不变集的数学表达式。接着,通过将研究范围缩小到实数域,得到了该系统在实数域中的全局吸引集。最后,通过数值仿真对结果的有效及正确性进行了验证。(本文来源于《西南大学》期刊2017-03-15）
孙延超,陈亮名,李传江,马广富[6]（2016）在《考虑时延的多Euler-Lagrange系统自适应神经网络协调跟踪控制》一文中研究指出考虑存在通讯时延,在有向通讯拓扑结构下研究多Euler-Lagrange系统的协调跟踪控制问题。仅有部分跟随者可以获得静态领航者信息。对每一个跟随者设计了一种分布式观测器,以获得领航者的状态量。针对系统模型具有非线性不确定性和外部扰动情况,基于神经网络方法提出了两种分布式自适应协调控制律,分别使每一个跟随者对领航者的跟踪误差最终有界和渐近收敛到零。运用Lyapunov稳定性理论对两种控制律的稳定性进行了证明。数值仿真验证了本文提出的控制律的有效性。(本文来源于《系统工程与电子技术》期刊2016年05期）
程满玲,孙峙华[7]（2015）在《基于BP神经网络技术的网络时延预测研究》一文中研究指出为了应对网络控制系统中普遍存在的时延,有效预测是对网络控制系统非常重要的一环。介绍了一种基于BP神经网络的时延预测研究,利用BP神经网络中的最小平方算法来决定权值、基函数中心以及隐层的单元数量。运用Matlab软件对提出的BP神经网络的预测模型进行仿真实验,结果表明提出的BP神经网络模型在预测网络时延上非常有效。(本文来源于《现代电子技术》期刊2015年23期）
梁捷,陈力,梁频[8]（2015）在《基于时延估计的关节柔性双臂空间机器人模糊小波神经网络控制》一文中研究指出基于Larangian方程、系统动量守恒关系及柔性关节的Spong假设建立了载体位置不控、姿态受控的带柔性关节的漂浮基双臂空间机器人系统模型。将整个系统视为由刚性臂子系统和电机力矩子系统组成的递阶级联系统。考虑到时延估计控制对参数变化和外界干扰均能表现出较好的鲁棒性,并且算法简单有效,由针对刚性臂子系统设计了基于(本文来源于《中国力学大会-2015论文摘要集》期刊2015-08-16）
严丽[9]（2015）在《基于GA-Elman神经网络预测的时延网络控制系统故障检测》一文中研究指出网络控制系统是通过数据通信网络传输信息的闭环控制系统。随着网络控制系统的广泛应用,对其进行故障检测可以提高系统的安全保障。本文假设网络控制系统存在传感器到控制系统时延,并且这个时延可能大于一个周期,进一步对时延大于一个周期的网络控制系统做故障检测。主要涉及的工作内容如下:了解控制系统工作机制,实例分析时延对控制系统的不良影响,建立了基于神经网络预测采样值的长时延网络化控制系统的故障检测模型。神经网络是模拟人脑生物神经系统的新型信息系统,有良好的自学习、自组织以及强大的非线性映射能力,将其预测功能与网络控制系统相结合,预测控制系统的采样值,能够减小时延的影响。但是BP神经网络与Elman神经网络都有一些缺陷,容易陷入局部极值以及全局搜索能力差等。为此,本文在深入学习遗传算法的基础上,提出了GA-Elman神经网络,该模型结合了神经网络和遗传算法各自的优点,神经网络有较好的局部搜索能力以及遗传算法有较好的全局搜索能力。用遗传算法优化Elman神经网络的连接权值与阈值,避免神经网络陷入局部极值的情况,加快神经网络的收敛速度。与前两种神经网络相比,GA-Elman神经网络对采样值的预测精度更高,收敛所用的步数更少。在传感器与控制器之间加入GA-Elman神经网络预测模块,根据预测值进行观测器的设计,并利用李雅谱诺夫定理证明了闭环系统的一致稳定性,对系统进行仿真研究。实验结果表明,所设计的基于神经网络预测采样值的故障观测器能够很好地跟踪系统的状态,并且在故障发生时,能够及时检测故障,有效地降低时延对系统的影响。(本文来源于《华侨大学》期刊2015-05-15）
宋志新[10]（2015）在《基于人工神经网络的遥操作机器人网络时延预测研究》一文中研究指出基于Internet的遥操作机器人系统是一种以Internet作为通信媒介,主端操作者操作远端机器人完成指定动作的综合控制系统。它充分利用了Internet网络的普及性、易接入性以及资源的廉价性等优点,未来具有广阔的发展前景。但是基于Internet的网络传输时延的时变性、抖动性等问题成为遥操作机器人系统发展的瓶颈难题。本文首先通过实际的网络往返时延(Round Trip Timedelay, RTT)测量获得了大量的时延数据,分析研究了网络时延的自相关性和概率密度分布特性,得出分段时延近似满足平移伽马分布。然后,基于RBF (Radial Basis Functio n)神经网络构建了时延预测模型。该模型先利用支持向量机算法对时延分类,然后建立多个不同的RBF神经网络,利用分类得到的样本集分别训练神经网络,最后根据切换规则,利用训练好的神经网络做时延预测。多个不同的RBF神经网络模型区别在于隐含层神经元的数目、中心向量以及隐含层到输出层的权值连接不同。本文利用二分K-means聚类算法得到隐含层神经元的聚类中心,隐含层神经元的数目就是聚类中心的数目,并利用粒子群优化算法确定隐含层到输出层的权值连接。并通过实验对比验证了模型的有效性。最后,改进了现有的TCP超时重传机制和拥塞控制机制。提出了改进的TCP超时定时器算法和改进的TCP拥塞窗口增大和减小算法。并将改进后的算法整体运用于机器人手臂的仿真实验中,通过NS2仿真实验验证了新的TCP超时重传机制在提高网络吞吐量,降低因拥塞导致的网络震荡等方面的有效性。(本文来源于《华北电力大学》期刊2015-03-01）
时延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：
提出了一种新型的实复值混合时延神经网络,用于建模和线性化宽带射频功放.该神经网络包含输入信号的广义记忆效应、复值输入信号和复值输入信号模值的分数阶次,因而其建模精度显着提高.对实复值混合时延神经网络在不同扩展常数、记忆深度、神经元数和阶数时的归一化均方误差(NMSE)进行了比较研究,以建立一个能够有效建模宽带功放强非线性的基带模型—最优时延神经网络(TDNN).采用51 dBm宽带功放和25 MHz带宽的混合测试信号用于模型的有效性验证.测试结果表明,实复值混合时延神经网络相比记忆多项式模型和实值时延神经网络具有更高的建模精度,NMSE提高5 dB.此外,实复值混合时延神经网络相比广义记忆多项式模型,NMSE提高0.6 dB,并具有更好的数值稳定性.相比实值时延神经网络和记忆多项式模型,所提出的时延神经网络能够更好地抑制带外的频谱再生.
（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。
时延神经网络论文参考文献
[1].周南,罗林根,高兆丽,沈大千,盛戈皞.基于多神经网络的局部放电特高频时延定位误差修正算法[J].高电压技术.2018
[2].惠明,张新刚,张萌,余超,朱晓维.基于实复值混合时延神经网络的宽带功放的建模和线性化（英文）[J].JournalofSoutheastUniversity(EnglishEdition).2018
[3].毛振苏.基于时延神经网络的语音分离的研究[D].内蒙古大学.2018
[4].张宇,严天峰,杨志飞.基于BP神经网络拟合的二次相关时延估计[J].兰州交通大学学报.2018
[5].杨钊.时延复数神经网络的吸引集与不变集研究[D].西南大学.2017
[6].孙延超,陈亮名,李传江,马广富.考虑时延的多Euler-Lagrange系统自适应神经网络协调跟踪控制[J].系统工程与电子技术.2016
[7].程满玲,孙峙华.基于BP神经网络技术的网络时延预测研究[J].现代电子技术.2015
[8].梁捷,陈力,梁频.基于时延估计的关节柔性双臂空间机器人模糊小波神经网络控制[C].中国力学大会-2015论文摘要集.2015
[9].严丽.基于GA-Elman神经网络预测的时延网络控制系统故障检测[D].华侨大学.2015
[10].宋志新.基于人工神经网络的遥操作机器人网络时延预测研究[D].华北电力大学.2015
论文知识图
