导读:本文包含了神经网络辨识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,参数,效应,模型,方差,电弧,谐波。
神经网络辨识论文文献综述
任振华,邵恩泽,雎刚[1]（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）
李发挥,李雁浩,桂逢烯,谢霜,杜永洪[2]（2019）在《声空化对巨噬细胞损伤效应的人工神经网络自适应模型辨识》一文中研究指出超声空化效应有助于提高基因或药物向细胞内的转染或运输。为了进一步指导超声空化效应在医学应用中声参数的选择,建立声参数与空化效应之间的量效关系十分重要。由于超声空化效应的复杂性和非线性,难以采用传统的机理分析方法确定其精确的数学表达式。人工神经网络辨识方法具有较好的自组织、自学习能力及强大的非线性拟合能力,能够以监督或非监督学习的方式建立输入变量与输出变量之间的映射关系,而不需要建立对象的详细数学表达式。基于本课题组前期谢霜等的实验研究数据,本研究旨在采用改进的人工神经网络算法,建立声参数与空化效应之间的量效关系模型,有望为超声应用的声参数筛选提供理论指导。目的针对超声空化效应过程中声参数与空化效应之间的影响关系问题,本研究将多模型自适应思想与人工神经网络相结合,构建了声空化对巨噬细胞损伤效应的辨识模型。方法 1.本课题组前期探究了频率为42 kHz、强度为0.13—0.34 W/cm~2连续可调的低频低强度超声在不同声参数(超声强度、辐照时间)条件下,超声辐照对体外培养的巨噬细胞活性的影响。实验研究数据分为建模样本和检测样本。2.将巨噬细胞视为黑箱,超声强度和辐照时间作为神经网络的输入变量,巨噬细胞存活率作为输出变量。基于建模样本,采用了人工神经网络算法来训练神经网络,由此构建输入与输出变量之间的数值映射关系,并通过检测样本检测建立的神经网络模型的辨识精度。3.本研究提出基于多模型自适应思想选取建模样本,从而克服因建模样本选取不当而造成的模型失配问题,实现传统神经网络模型的改进。结果相比传统模型,基于多模型自适应思想与人工神经网络相结合建立的改进模型的辨识值与实验值更为接近,具有较高的辨识精度(EI=0.0137;PA=100%)。结论基于改进的人工神经网络建立的声空化对巨噬细胞的损伤效应模型具有较高的辨识精度。利用本研究建立的模型,能够实现超声空化效应的量化分析,缩减生物学实验成本。(本文来源于《中国超声医学工程学会第十届全国超声治疗及生物效应医学学术大会论文汇编》期刊2019-12-06）
王洋,王咏[3]（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）
徐国垒,张文斌,唐立军,周年荣[4]（2019）在《基于协同滤波和BP神经网络的电力作业人员运动工况辨识》一文中研究指出针对预警装置靠近相同带电体时不同工况下报警阈值选择的误差造成误报、漏报问题,提出基于协同滤波和反向传播(BP)神经网络对电力作业人员爬塔、爬坡、水平行走叁种工况辨识的模型。利用加速度与气压传感器采集作业人员头部的加速度与气压值,对数据进行协同滤波,提取有效相对高度值,然后对有效高度值进行一阶拟合得到拟合参数。最后根据拟合参数建立BP神经网络模型识别叁种工况。选取室外杆塔、斜坡及水平路面为实验平台,每种工况采集400组数据,随机抽取350组数据进行训练,50组数据进行验证。验证结果表明:训练样本准确率达到94. 95%,测试样本准确率达到94. 67%,满足室外工况辨识的要求。(本文来源于《传感器与微系统》期刊2019年11期）
杜春晖,张晔[5]（2019）在《自适应线性神经网络LMM算法的谐波辨识技术研究》一文中研究指出介绍了组合适应线性神经网络最小平均值评估法(Adaline-LMM)对脉冲控制信号的拟合分析方法,用于对电力控制系统中的信号评估。通过对系统信号中的各个谐波分量的幅值和相位进行谐波辨识,并对Adaline的权重向量进行更新,同时对目标函数进行技术估计。其中,自适应神经网络中的权重向量由LMM算法进行迭代更新,通过最小平均值估计算法的引入,减小由于脉冲噪声引起的暂时波动的影响。通过对给定脉冲信号进行拟合,可以发现所提方法具有较高的计算精度。(本文来源于《现代电子技术》期刊2019年21期）
沈航,张峰,张士文,陆凯峰[6]（2019）在《基于K-means分类和BP神经网络的故障电弧辨识方法》一文中研究指出针对随着负载种类增多,BP神经网络的电弧故障辨识成功率不断下降的问题,提出一种基于K-means分类算法和BP神经网络组合的故障电弧辨识方法。通过快速傅里叶变换得到负载电流波形的特征值,再由K-means算法进行负载分类,对分类后的负载波形分别做小波变换得到细节特征值,将小波细节特征值和时域特征值输入至与负载类型对应的BP神经网络进行故障识别。试验结果表明,基于K-means负载分类和BP神经网络的辨识方法故障电弧辨识成功率达到96.41%,有效解决了负载类型增多时BP神经网络难以收敛且成功率降低的问题。(本文来源于《电气自动化》期刊2019年05期）
林巨广,汪雷鸣[7]（2019）在《基于人工神经网络的车载异步电机参数辨识》一文中研究指出为精确获取车载异步电机在不同运行状态下的参数,将人工神经网络应用到电机的参数辨识中。基于异步电机数学模型建立线性神经网络,神经网络的输入、输出包括电机定子电压、电流和转速,定子电流和转速通过传感器获得,定子电压通过重构占空比获得。使用最小均方差法求取此神经网络的权值矩阵,并由权值矩阵得到电机不同运行状态下的参数。最后将参数表写入控制算法,并利用电驱动系统测试平台进行控制验证,良好的转矩特性证明了算法有效性。(本文来源于《汽车技术》期刊2019年08期）
韩桂华,赵玉秀,施玉春,刘家春[8]（2019）在《液压位置驱动单元的神经网络辨识》一文中研究指出针对线性微分方程数学模型不能反映实际系统的问题,采用Elman网络对四足机器人液压位置驱动单元进行动态神经网络辨识研究。为了减小Elman网络输出与期望输出之间的误差,采用拟牛顿算法BFGS和自适应学习率算法GDX对网络的权值进行修正,并采用均方误差(MeanSquareError,MSE)与归一化均方误差(NormalizedMean Square Error, NMSE)修正误差函数。基于辨识模型设计BP神经网络来修正PID参数。实验结果表明,辨识模型数据与实验数据拟合精度高,且基于辨识模型的BP神经网络PID算法控制有效,进一步验证辨识模型的有效性。(本文来源于《控制工程》期刊2019年08期）
潘学浩,陈伟芳,彭玉酌,杨华[9]（2019）在《基于神经网络的表面热流辨识叁维效应修正》一文中研究指出在已有顺序函数法对一维、二维表面热流辨识的研究基础上,考虑到叁维辨识实时性的困难,提出神经网络和顺序函数法结合的方法。在顺序函数法一维辨识结果的基础上,利用人工神经网络对热传导叁维效应进行修正,从而获得峰值热流实时准确的辨识结果。为了获得更优的神经网络模型,引入粒子群算法优化神经网络的初始权值和阈值。通过数值仿真的算例测试结果可以看出,本文提出的方法对于峰值热流的辨识结果准确度在4%以内,避免了叁维辨识的时间复杂性,同时具有良好的抗噪性和稳定性。(本文来源于《空气动力学学报》期刊2019年04期）
张烁,张荣[10]（2019）在《基于卷积神经网络模型的手写数字辨识算法研究》一文中研究指出针对目前基于卷积神经网络模型(CNN)手写数字辨识算法收敛速度慢、识别率低的问题,设计一种CNN网络模型。在模型训练时,改进模型学习率,使学习率指数可以动态衰减;使用Dropout正则化方法,提高模型的泛化能力;与批量随机梯度下降法、Momentum算法、Adagrad算法、RMSprop算法、Adam算法等参数优化方法作比较。实验结果表明:基于RMSprop或Adam的优化算法CNN模型在对MNIST数据集进行训练时,算法收敛速度快、测试集识别准确率为99.40%或99.70%。(本文来源于《计算机应用与软件》期刊2019年08期）
神经网络辨识论文开题报告
（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：
超声空化效应有助于提高基因或药物向细胞内的转染或运输。为了进一步指导超声空化效应在医学应用中声参数的选择,建立声参数与空化效应之间的量效关系十分重要。由于超声空化效应的复杂性和非线性,难以采用传统的机理分析方法确定其精确的数学表达式。人工神经网络辨识方法具有较好的自组织、自学习能力及强大的非线性拟合能力,能够以监督或非监督学习的方式建立输入变量与输出变量之间的映射关系,而不需要建立对象的详细数学表达式。基于本课题组前期谢霜等的实验研究数据,本研究旨在采用改进的人工神经网络算法,建立声参数与空化效应之间的量效关系模型,有望为超声应用的声参数筛选提供理论指导。目的针对超声空化效应过程中声参数与空化效应之间的影响关系问题,本研究将多模型自适应思想与人工神经网络相结合,构建了声空化对巨噬细胞损伤效应的辨识模型。方法 1.本课题组前期探究了频率为42 kHz、强度为0.13—0.34 W/cm~2连续可调的低频低强度超声在不同声参数(超声强度、辐照时间)条件下,超声辐照对体外培养的巨噬细胞活性的影响。实验研究数据分为建模样本和检测样本。2.将巨噬细胞视为黑箱,超声强度和辐照时间作为神经网络的输入变量,巨噬细胞存活率作为输出变量。基于建模样本,采用了人工神经网络算法来训练神经网络,由此构建输入与输出变量之间的数值映射关系,并通过检测样本检测建立的神经网络模型的辨识精度。3.本研究提出基于多模型自适应思想选取建模样本,从而克服因建模样本选取不当而造成的模型失配问题,实现传统神经网络模型的改进。结果相比传统模型,基于多模型自适应思想与人工神经网络相结合建立的改进模型的辨识值与实验值更为接近,具有较高的辨识精度(EI=0.0137;PA=100%)。结论基于改进的人工神经网络建立的声空化对巨噬细胞的损伤效应模型具有较高的辨识精度。利用本研究建立的模型,能够实现超声空化效应的量化分析,缩减生物学实验成本。
（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。
神经网络辨识论文参考文献
[1].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
[2].李发挥,李雁浩,桂逢烯,谢霜,杜永洪.声空化对巨噬细胞损伤效应的人工神经网络自适应模型辨识[C].中国超声医学工程学会第十届全国超声治疗及生物效应医学学术大会论文汇编.2019
[3].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
[4].徐国垒,张文斌,唐立军,周年荣.基于协同滤波和BP神经网络的电力作业人员运动工况辨识[J].传感器与微系统.2019
[5].杜春晖,张晔.自适应线性神经网络LMM算法的谐波辨识技术研究[J].现代电子技术.2019
[6].沈航,张峰,张士文,陆凯峰.基于K-means分类和BP神经网络的故障电弧辨识方法[J].电气自动化.2019
[7].林巨广,汪雷鸣.基于人工神经网络的车载异步电机参数辨识[J].汽车技术.2019
[8].韩桂华,赵玉秀,施玉春,刘家春.液压位置驱动单元的神经网络辨识[J].控制工程.2019
[9].潘学浩,陈伟芳,彭玉酌,杨华.基于神经网络的表面热流辨识叁维效应修正[J].空气动力学学报.2019
[10].张烁,张荣.基于卷积神经网络模型的手写数字辨识算法研究[J].计算机应用与软件.2019
论文知识图
