导读:本文包含了输入性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,深度,卷积,模糊,叶绿素,遥感,敏感性。
输入性神经网络论文文献综述
黄郑,王红星,于海泉,李逗,司风琪[1]（2019）在《基于多模型鲁棒输入训练神经网络协同的燃气–蒸汽联合循环机组传感器故障诊断方法》一文中研究指出为提高燃气–蒸汽联合循环机组传感器测量值的准确性及可靠性,提出了一种基于多模型鲁棒输入训练神经网络(RITNN)的燃气–蒸汽联合循环机组传感器故障诊断方法。该方法建立若干燃气–蒸汽联合循环重要参数的数据重构模型,并对各模型进行优先级划分,以串并联方式设定模型间关系,通过可靠参数的逐级生成和传递,有效抑制了多传感器显着故障产生的残差污染,提高了故障诊断的准确性及可靠性,进而给出了传感器故障诊断流程,建立了完整的传感器故障诊断系统。以某200 MW级燃气–蒸汽联合循环机组为研究对象,对多传感器故障进行诊断,并与RITNN单一模型方法和输入训练神经网络(ITNN)单一模型方法进行对比,结果表明,提出的多模型RITNN故障诊断方法诊断精度更高,可保证燃气–蒸汽联合循环机组稳定运行。(本文来源于《中国电力》期刊2019年11期）
郑研[2]（2019）在《基于混合输入模糊神经网络的风力发电机状态监测模型研究》一文中研究指出在追求环境保护的大环境下,利用风能进行发电一种很好的可再生能源发电方式,其具有成熟的技术和较好的商业化的特点,因此受到了全世界的关注。近年来,国家大力发展风电市场,我国风电产业规模延续爆发式增长态势,大型/超大型风力发电机组占比逐年提高。随着风力发电机组的占比逐年提高,如何制定风力发电机组的运维决策计划是确保风力发电机可靠运行的关键。因此需要对风力发电机系统进行状态监测与健康状态进行研究。本文利用FAST系统仿真得出的风力发电机的运行数据及其故障数据,进行基于FAST系统数据的风力发电机系统的状态监测与健康的研究。其研究内容主要包括:1)本文首先对风力发电机的基本原理进行了简述,并介绍了双馈风力发电机的特点及其工作原理,并对风力发电机的运行特性与工况进行了介绍。介绍了FAST系统基础理论并通过FAST系统的风力发电机的模型仿真,从中得到风力发电机组的状态参数数据。2)针对要处理分类变量的问题,本文提出运用混合输入模糊神经网络来解决这一问题,介绍了混合输入模糊神经网络的模型结构、模型结构辨识和其训练算法。进行数值仿真对比实验,通过对比基于T-S模糊神经网络与混合模糊神经网络输入模型来证明混合输入模糊神经网络模型在处理分类变量具有较好的效果。3)以往对风电力发电机多个参数的监测通常通过建立多个状态监测模型实现,易造成模型繁多、误报率高等问题。同时考虑到风力发电机系统的不同运行工况,本文提出基于混合输入模糊神经网络对风力发电机正常运行下的状态参数模型。该模型可以把分类变量引入模型中,解决了风力发电机系统的不同运行工况状态参数之间具有不同映射关系这一问题。并建立风力发电机组状态参数的多输入多输出模型,同时解决了以往模型繁多等问题。4)对风力发电机的状态监测与健康状态的目的是为了判断风电发电机是否处于异常状态。本文运用多元高斯函数模型对风力发电机进行异常识别。运用多元高斯函数建立风力发电机正常状态参数模型下的残差模型。并通过梯度下降的方法选择阈值,并通过是否超过阈值来进行判断风力发电机是否处于异常状态。(本文来源于《沈阳工业大学》期刊2019-06-04）
蒋定国,全秀峰,姚义振,刘伟[3]（2019）在《基于随机化方法的叶绿素a含量神经网络预测模型输入因子敏感性分析》一文中研究指出为了区分神经网络预测模型输入因子敏感性强弱,以探寻水体叶绿素a含量变化的主要影响因素,引入随机化方法,分别采用偏导、连接权值、改进连接权值、百分比扰动及改进扰动方法对叶绿素a含量神经网络预测模型输入因子进行1 000次敏感性分析,以计算结果均值对输入因子敏感性进行评价。结果表明:引入随机化方法后,敏感性分析结果稳定,研究区域pH相对敏感度最高,光照、降雨量、极大风速相对敏感度最小。受输入因子波动范围过大影响,百分比扰动方法与其他敏感性分析方法得到的结论不一致;对扰动方法进行改进,基于输入因子标准差扰动进行敏感性分析,光照、降雨量、极大风速相对敏感度分别为0.032、0.030、0.029,pH相对敏感度为0.148,因子敏感性强弱与其他方法一致;改进的扰动方法物理概念清晰,耗机时少,易实现。研究结果可为基于神经网络分析水体水华主要影响因素提供方法,为水体治理措施有效开展提供研究基础。(本文来源于《水利水电技术》期刊2019年05期）
姚凯旋,曹飞龙[4]（2019）在《基于多输入密集连接神经网络的遥感图像时空融合算法》一文中研究指出为了解决地表反射率遥感卫星Landsat和MODIS影像的时空融合问题,文中提出基于多输入密集连接网络的遥感图像时空融合算法.首先提出多输入的密集连接网络,学习包含连续时刻间差异信息的过渡遥感影像.基于差异相似假设,融合网络学习得到的2幅过渡影像与已知的2幅高空间分辨率影像,得到最终的预测影像.对Landsat遥感影像和MODIS遥感影像的融合实验表明,文中算法在各项定量指标中均较优,最终的预测图像也可表明,文中算法对噪声具有较好的鲁棒性,能较好地恢复细节信息.(本文来源于《模式识别与人工智能》期刊2019年05期）
张强,杨剑,富丽贞[5]（2019）在《双输入流深度反卷积的插值神经网络》一文中研究指出在实际工作中深度学习方法通常不具备大量的训练样本,因此提出了双输入流深度反卷积生成神经网络的构架,依据给定的条件产生新的目标图像,从而扩充训练样本集。该神经网络的整体架构由双输入的卷积网络和一个反卷积网络输出构成,其中双输入卷积网络接收目标物体不同视角的两张图片并提取抽象特征,而反卷积网络则利用抽象特征和设定的参数产生新的插值目标图像。在Shape Net Core数据集上的实验结果显示,在相同数量的训练样本空间中,与未扩展数据集的卷积网络相比,双输入流深度反卷积生成神经网络的识别率提高了20%左右。结果表明,双输入流深度反卷积生成神经网络无需输入目标物类别,可生成新参数条件下的目标图像,扩充训练样本空间,从而提高识别率,可用于少样本的目标物多角度识别。(本文来源于《计算机应用》期刊2019年08期）
司文杰,王东署[6]（2019）在《具有输入和输出约束的高阶随机系统神经网络控制》一文中研究指出针对高阶非线性系统,开展自适应神经网络跟踪控制器设计,系统受到随机扰动的影响.首次把输入和输出约束问题引入到高阶系统的跟踪控制中,并假定系统动态是未知.首先借用高斯误差函数表达连续可微的非对称饱和模型以实现输入约束,和障碍Lyapunov函数保证系统输出受限;其次,针对高阶非线性系统,径向基函数(RBF)神经网络用来克服未知系统动态和随机扰动.在每一步的backstepping计算中,仅用到单一的自适应更新参数,从而克服了过参数问题;最后,基于Lyapunov稳定性理论提出自适应神经网络控制策略,并减少了学习参数.最终结果表明设计的控制器能保证所有闭环信号半全局最终一致有界,并能使跟踪误差收敛到零值小的邻域内.仿真研究进一步验证了提出方法的有效性.(本文来源于《控制理论与应用》期刊2019年08期）
刘佳进,黄乐[7]（2019）在《优化神经网络输入指标 提高财报舞弊识别效果》一文中研究指出上市公司委托代理问题的存在,使得其投资者只能通过公司发布的财报信息评估公司的业绩,管理层从自身利益出发,有可能会利用财务舞弊手段,使得财报披露的盈余不再真实。通过使用BP神经网络,从舞弊发生的成因入手,运用合理的输入指标识别上市公司可能存在的财报舞弊,有效发现潜在的盈余管理及财务舞弊行为,从而保护投资者的利益。(本文来源于《南京理工大学学报(社会科学版)》期刊2019年01期）
周伟松,王兴武,吴东海,曾豪[8]（2019）在《一类随机模糊细胞神经网络的输入对状态稳定性分析》一文中研究指出研究一类带时变系数的随机泛函模糊细胞神经网络在均方意义下的指数输入对状态稳定性.利用It8公式、Razumikhin技巧和建立Halanay微分不等式,得到该系统在均方意义下的指数输入对状态稳定性的2个充分条件.最后,给出一个数值仿真例子用以来说明得到的判据的正确性和有效性.(本文来源于《四川师范大学学报(自然科学版)》期刊2019年01期）
潘福山[9]（2018）在《基于深度神经网络的输入法引擎语言模型》一文中研究指出在AI技术快速发展的今天,AI应该应用到每一个角落。本文选择在最常用的工具软件输入法软件中加入深度神经网络算法,利用长短期记忆网络算法进行数据建模来实现输入法引擎。实验证明,利用深度神经网络算法改进传统的N-gram输入法引擎语言模型,可以大大的提高预测精准度,减少客户回删率。(本文来源于《电脑迷》期刊2018年12期）
刘金澎,田大钢[10]（2019）在《单隐层神经网络输入权值的新算法》一文中研究指出针对传统极端学习机输入权值与隐层阈值随机设定的问题,提出了输出值反向分配算法,其在传统极端学习机的基础上,通过优化方法得到最优输出值分配系数,并利用最小二乘法确定网络输入参数。将该算法应用到常用数据集进行实验,并与其他极端学习机改进算法进行比较,显示其具有良好的学习以及泛化能力,能够得到简单的网络结构,证明了算法的有效性。(本文来源于《计算机应用研究》期刊2019年12期）
输入性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：
在追求环境保护的大环境下,利用风能进行发电一种很好的可再生能源发电方式,其具有成熟的技术和较好的商业化的特点,因此受到了全世界的关注。近年来,国家大力发展风电市场,我国风电产业规模延续爆发式增长态势,大型/超大型风力发电机组占比逐年提高。随着风力发电机组的占比逐年提高,如何制定风力发电机组的运维决策计划是确保风力发电机可靠运行的关键。因此需要对风力发电机系统进行状态监测与健康状态进行研究。本文利用FAST系统仿真得出的风力发电机的运行数据及其故障数据,进行基于FAST系统数据的风力发电机系统的状态监测与健康的研究。其研究内容主要包括:1)本文首先对风力发电机的基本原理进行了简述,并介绍了双馈风力发电机的特点及其工作原理,并对风力发电机的运行特性与工况进行了介绍。介绍了FAST系统基础理论并通过FAST系统的风力发电机的模型仿真,从中得到风力发电机组的状态参数数据。2)针对要处理分类变量的问题,本文提出运用混合输入模糊神经网络来解决这一问题,介绍了混合输入模糊神经网络的模型结构、模型结构辨识和其训练算法。进行数值仿真对比实验,通过对比基于T-S模糊神经网络与混合模糊神经网络输入模型来证明混合输入模糊神经网络模型在处理分类变量具有较好的效果。3)以往对风电力发电机多个参数的监测通常通过建立多个状态监测模型实现,易造成模型繁多、误报率高等问题。同时考虑到风力发电机系统的不同运行工况,本文提出基于混合输入模糊神经网络对风力发电机正常运行下的状态参数模型。该模型可以把分类变量引入模型中,解决了风力发电机系统的不同运行工况状态参数之间具有不同映射关系这一问题。并建立风力发电机组状态参数的多输入多输出模型,同时解决了以往模型繁多等问题。4)对风力发电机的状态监测与健康状态的目的是为了判断风电发电机是否处于异常状态。本文运用多元高斯函数模型对风力发电机进行异常识别。运用多元高斯函数建立风力发电机正常状态参数模型下的残差模型。并通过梯度下降的方法选择阈值,并通过是否超过阈值来进行判断风力发电机是否处于异常状态。
（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。
输入性神经网络论文参考文献
[1].黄郑,王红星,于海泉,李逗,司风琪.基于多模型鲁棒输入训练神经网络协同的燃气–蒸汽联合循环机组传感器故障诊断方法[J].中国电力.2019
[2].郑研.基于混合输入模糊神经网络的风力发电机状态监测模型研究[D].沈阳工业大学.2019
[3].蒋定国,全秀峰,姚义振,刘伟.基于随机化方法的叶绿素a含量神经网络预测模型输入因子敏感性分析[J].水利水电技术.2019
[4].姚凯旋,曹飞龙.基于多输入密集连接神经网络的遥感图像时空融合算法[J].模式识别与人工智能.2019
[5].张强,杨剑,富丽贞.双输入流深度反卷积的插值神经网络[J].计算机应用.2019
[6].司文杰,王东署.具有输入和输出约束的高阶随机系统神经网络控制[J].控制理论与应用.2019
[7].刘佳进,黄乐.优化神经网络输入指标提高财报舞弊识别效果[J].南京理工大学学报(社会科学版).2019
[8].周伟松,王兴武,吴东海,曾豪.一类随机模糊细胞神经网络的输入对状态稳定性分析[J].四川师范大学学报(自然科学版).2019
[9].潘福山.基于深度神经网络的输入法引擎语言模型[J].电脑迷.2018
[10].刘金澎,田大钢.单隐层神经网络输入权值的新算法[J].计算机应用研究.2019
论文知识图
