导读:本文包含了神经网络方法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,卷积,模型,纹理,克莱,动态,方法。
神经网络方法论文文献综述
韩勇,周林,高鹏,王舒康,陈戈[1]（2020）在《基于BP神经网络的公交动态行程时间预测方法研究》一文中研究指出公交行程时间的精确预测对于提升公交吸引力具有重要意义。本文基于公交车到离站的历史数据,综合考虑时间周期、站点、站间距离、天气等多个因素,建立了基于BP神经网络的公交车静态行程时间预测模型,以该模型为基础,采用动态迭代的方法,迭加多个站间行程时间预测结果,进一步构建了面向连续站点的公交车动态行程时间预测模型,实现对跨越多个站点的公交行程时间预测。以青岛市125路公交为例对算法进行测试。在模型的横向对比实验中,本模型预测结果的绝对误差均在50 s以内,平均绝对误差百分比(MAPE)为11.74%,均方根误差(RMSE)为23.15,R~2的确定系数为0.905 1,SVM的MAPE、RMSE、R~(2 )误差指标分别为:12.38%、38.33、0.743 6,LR对应的误差指标分别为:12.50%、25.59、0.884 1;在静态模型与动态模型的对比实验中,动态模型预测结果的MAPE为11.75%,RMSE为23.15,静态模型对应误差指标分别为:11.63%、26.74。研究结果表明,基于BP神经网络的公交动态行程时间预测模型比传统的静态预测方法具有更高的预测精度。(本文来源于《中国海洋大学学报(自然科学版)》期刊2020年02期）
雷昳,刘明真,田威[2]（2019）在《基于神经网络的特高压双端故障测距方法研究》一文中研究指出特高压输电网跨越我国各地,途经地形复杂,在输电过程中,电网系统一旦出现故障,排障将成为较大难题,所以加强特高压输电网系统故障预测,提前遏制输电过程中可能发生的故障问题成为当前电力公司关注的重点。现首先分析了神经网络的相关概念,并基于神经网络的故障测距法进行了仿真实验。(本文来源于《机电信息》期刊2019年36期）
任振华,邵恩泽,雎刚[3]（2019）在《一种改进的动态过程神经网络模型辨识方法》一文中研究指出提出了一种改进的动态过程神经网络模型辨识方法,该方法在传统的模型输出与样本输出误差平方和性能指标基础上,添加了相邻采样周期模型输出变化量与样本输出变化量之差的平方和项,作为模型辨识性能指标的一部分,并给出了相应的模型辨识算法。以单元机组过热汽温为对象使用改进的方法进行神经网络模型辨识研究,仿真结果表明与传统神经网络模型辨识方法相比,在相同的辨识精度条件下,该方法可提高所建模型的数据拟合能力和泛化能力,有效提高模型的质量。(本文来源于《工业控制计算机》期刊2019年12期）
刘振兴[4]（2019）在《一种基于模糊神经网络的PI双闭环SPWM逆变器控制方法》一文中研究指出提出了一种基于模糊神经网络的PI双闭环SPWM逆变器控制方法。该方法在分析PI控制器比例系数和积分系数的对控制效果影响的基础上,设计了模糊神经网控制器,自动调整PI控制器参数,同时引入双闭环控制,进一步控制输出信号。单相逆变电源系统仿真实验表明,与模糊自适应PI双闭环控制相比,采用基于模糊神经网络PI双闭环控制的逆变电源系统,具有更低的电压THD值、更好的稳态和动态性能。(本文来源于《工业控制计算机》期刊2019年12期）
高明慧,张尤赛,王亚军,李垣江[5]（2019）在《应用卷积神经网络的纹理合成优化方法》一文中研究指出针对传统纹理合成方法特征提取困难以及合成周期较长的问题,提出一种基于卷积神经网络的纹理合成优化方法。通过优化VGGNet卷积神经网络的结构,并提出增加批量归一化BN层的方法,来提高网络训练速度和减少参数过拟合现象;通过计算每层得到的纹理图像特征响应的克莱姆矩阵,构建克莱姆矩阵集合来表达纹理特征;由梯度下降算法计算梯度,通过L-BFGS优化算法最小化损失函数,合成纹理图像。实验结果表明,该方法可以有效提高模型训练速度,减少参数过拟合现象,合成高质量的图像。(本文来源于《计算机工程与设计》期刊2019年12期）
凡甲甲,祁云嵩,葛霓琳[6]（2019）在《基于改进BP神经网络的船舶轨迹识别方法》一文中研究指出针对船舶航行轨迹识别,为提高识别率,进行深入研究,提出一种采用附加动量法和自适应学习速率法的改进BP神经网络方法。采用附加动量不断修正BP神经网络的权重,加快网络收敛速度,在迭代过程中进行学习率自适应调整,减少迭代次数。运用改进BP神经网络和传统BP神经网络对船舶自动识别系统(automatic identification system,AIS)信息进行训练,分别建立分类识别模型。以安徽巢湖水域为例进行实验,实验结果表明,改进BP神经网络对船舶轨迹识别具有更高的准确率。(本文来源于《计算机工程与设计》期刊2019年12期）
张贝,戴宁,田素坤,袁福来,俞青[7]（2019）在《结合稀疏八叉树卷积神经网络的牙齿预备体颈缘线提取方法》一文中研究指出针对传统手工提取牙齿预备体颈缘线需要交互标记特征点,操作复杂,效率低的问题,提出了一种基于稀疏八叉树的卷积神经网络自动提取牙齿预备体颈缘线的方法.首先利用稀疏八叉树的空间划分,牙齿预备体模型被预处理为带有标签信息的稀疏点云,构建牙齿预备体数据集;其次利用已训练的卷积神经网络模型将牙齿预备体点云分割为2部分;然后采用密集条件随机场优化分割点云的边界,再将边界点拟合及插值获取新的边界点集;最后连接边界点在预备体模型上对应的投影点形成牙齿预备体颈缘线.在牙齿预备体数据集上的实验结果表明,卷积神经网络模型的预测准确率达到97.23%,通过对该方法提取的预备体颈缘线与专业医生提取的颈缘线之间的曲线偏差进行对比分析,验证了该方法的有效性.(本文来源于《计算机辅助设计与图形学学报》期刊2019年12期）
陶常勇,高彦钊,王元磊,张兴明[8]（2019）在《人工神经网络加速方法综述与研究》一文中研究指出针对人工神经网络计算密集型和数据密集型的计算特点,在分析了当前常见的硬件加速架构的基础上,提出了一种可重构众核加速阵列的逻辑结构,包括规则控制层、数据缓存层和乘加算粒层,在数据缓存层上还构建片上网络,实现数据在各处理节点之间的流动。该结构突破了冯诺依曼内存墙的问题,实现了计算存储一体化的近数据计算。(本文来源于《天津科技》期刊2019年S1期）
元松,肖志军,曾智伟,李佳伟[9]（2019）在《遗传算法优化BP神经网络的路面结构层模量反算方法研究》一文中研究指出路面结构层回弹模量是路面结构设计中最重要的指标之一。文中针对新沥青路面设计规范中推荐的路面结构层模量和上海典型路面结构厚度,利用有限元程序建立了弯沉盆数据库;然后基于数据库搜索理论,采用遗传算法优化BP神经网络模型,实现路面结构参数与弯沉盆大小的映射、学习,达到模量反算的目的;通过加入噪声,提高神经网络模型的鲁棒性和泛化能力,实现对FWD实测弯沉盆的模量反算。(本文来源于《交通科技》期刊2019年06期）
程慧涛,王珊珊,柯子文,贾森,程静[10]（2019）在《基于深度递归级联卷积神经网络的并行磁共振成像方法》一文中研究指出快速磁共振成像是磁共振研究领域重要的课题之一.随着大数据和深度学习的兴起,神经网络成为快速磁共振技术的重要方法.然而网络性能表现和网络参数量之间较难取得平衡,且对于多通道数据重建的并行成像问题,相关研究较少.本文构建了一种深度递归级联卷积神经网络结构,用于处理并行成像问题.这种网络结构在减少网络参数量的同时,能够尽可能地提高网络的表达能力,提高网络重建的精确度.实验结果表明,相较于传统并行成像方法,通过训练好的神经网络对欠采样磁共振数据进行重建,可以得到更准确的重建结果,且重建时间大大缩短.(本文来源于《波谱学杂志》期刊2019年04期）
神经网络方法论文开题报告
（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：
特高压输电网跨越我国各地,途经地形复杂,在输电过程中,电网系统一旦出现故障,排障将成为较大难题,所以加强特高压输电网系统故障预测,提前遏制输电过程中可能发生的故障问题成为当前电力公司关注的重点。现首先分析了神经网络的相关概念,并基于神经网络的故障测距法进行了仿真实验。
（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。
神经网络方法论文参考文献
[1].韩勇,周林,高鹏,王舒康,陈戈.基于BP神经网络的公交动态行程时间预测方法研究[J].中国海洋大学学报(自然科学版).2020
[2].雷昳,刘明真,田威.基于神经网络的特高压双端故障测距方法研究[J].机电信息.2019
[3].任振华,邵恩泽,雎刚.一种改进的动态过程神经网络模型辨识方法[J].工业控制计算机.2019
[4].刘振兴.一种基于模糊神经网络的PI双闭环SPWM逆变器控制方法[J].工业控制计算机.2019
[5].高明慧,张尤赛,王亚军,李垣江.应用卷积神经网络的纹理合成优化方法[J].计算机工程与设计.2019
[6].凡甲甲,祁云嵩,葛霓琳.基于改进BP神经网络的船舶轨迹识别方法[J].计算机工程与设计.2019
[7].张贝,戴宁,田素坤,袁福来,俞青.结合稀疏八叉树卷积神经网络的牙齿预备体颈缘线提取方法[J].计算机辅助设计与图形学学报.2019
[8].陶常勇,高彦钊,王元磊,张兴明.人工神经网络加速方法综述与研究[J].天津科技.2019
[9].元松,肖志军,曾智伟,李佳伟.遗传算法优化BP神经网络的路面结构层模量反算方法研究[J].交通科技.2019
[10].程慧涛,王珊珊,柯子文,贾森,程静.基于深度递归级联卷积神经网络的并行磁共振成像方法[J].波谱学杂志.2019
论文知识图
