导读:本文包含了人工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,故障,蜂群,用户,支路,阳极,人工智能。
人工神经网络方法论文文献综述
陶常勇,高彦钊,王元磊,张兴明[1]（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）
郝思鹏,吴清,李佳伟,周宇[2]（2019）在《基于人工蜂群算法优化RBF神经网络的光伏组件故障诊断定位方法》一文中研究指出随着光伏装机容量的迅速增长以及国家光伏补贴的逐步取消,针对提高光伏发电效率与收益的研究具有重要意义。首先,为精确定位光伏故障以降低运维成本,提出以组串支路电流与组件温度为故障定位特征量。其次,为提高光伏故障诊断效率,利用人工蜂群算法(artificial bee colony,ABC)优化RBF神经网络的中心、函数宽度及权值,提出将其应用于光伏组件故障诊断定位研究。最后,根据盐城市响水县1.5MW光伏电站数据,经Matlab仿真研究并与传统RBF神经网络相比较,结果验证了所提理论的准确性。(本文来源于《供用电》期刊2019年10期）
聂文都,蔡锦凡[3]（2019）在《基于人工神经网络的二分类方法》一文中研究指出随着计算机技术的高速发展,人工智能(AI)技术也越来越被大众所熟知,神经网络(NN)也慢慢从低谷走向热潮,其中人工神经网络是现在机器学习重要的基础,更是深度学习重要的基础,人工智能技术最重要的部分就是机器学习和深度学习。着重介绍人工神经网络的相关背景、模型结构、核心算法,从模型结构和算法这两个方面着重介绍相关的应用,实现医疗数据的二分类问题,并与传统的算法实现对比。结果表明,人工神经网络在二分类问题上的分类效果更优于传统的分类方法。(本文来源于《现代计算机》期刊2019年28期）
梁后军,谢睿,常郝[4]（2019）在《基于人工神经网络的雷达图校正方法》一文中研究指出气象部门每天都会定时发布一些雷达产品,供广大用户参考或调用,这给工农业生产带来了一定的便利,但有时这些产品难以直接用于我们自己的程序中.本文针对气象部门发布的雷达图坐标系统未知,无法直接用于开源地理软件Openscales的情况,利用神经网络强大的非线性映射能力将雷达图片进行非线性扭曲,使其适合开源软件Openscales.实验结果表明非线性转换后的图片能几乎完全与Openscales中的地图吻合,误差不超过2个像素.(本文来源于《赤峰学院学报(自然科学版)》期刊2019年08期）
杨赛昭,向往,张峻榤,饶宏,许树楷[5]（2019）在《基于人工神经网络的架空柔性直流电网故障检测方法》一文中研究指出快速可靠的故障保护方案是架空柔直电网在发展过程中所面临的一大技术挑战。针对现有故障检测方法存在阈值选取困难、对高阻故障不灵敏、故障选极等功能不完善、检测时间长的问题,提出基于人工神经网络(artificialneural network,ANN)的架空柔直电网快速故障检测方法。首先,通过快速傅里叶变换分析暂态电压的频率特性,并利用小波变换和相模变换提取故障特征量,得到ANN的输入数据;然后,通过大量离线仿真数据对ANN的隐藏层单元进行训练;从而根据ANN的输出结果实现母线故障与线路故障的检测,并给直流断路器下发开断指令。最后,在PSCAD/EMTDC平台下搭建了四端MMC直流电网的电磁暂态模型,通过大量仿真,验证所提方法在故障识别、故障选极方面的有效性。(本文来源于《中国电机工程学报》期刊2019年15期）
赖奂汶,李小花,黄清安[6]（2019）在《一个新的实验方法的介绍——人工神经网络法在金属表面处理中的应用》一文中研究指出简要介绍了人工神经网络和BP神经网络;重点介绍了人工神经网络在金属(铝及其合金、镁合金、钛合金、锆合金以及铜材)表面处理中的应用。经过实验数据或文献数据训练学习,经检验人工神经网络可以实现:(1)预测氧化膜层的性能(厚度、显微硬度);(2)优化工艺条件;(3)实现金属氧化物纳米管的可控制造;(4)优化电解液(或抛光液)的配比。(本文来源于《2019’全国转化膜及表面精饰技术论坛论文集》期刊2019-08-02）
颜波,褚学宁,张磊[7]（2019）在《结构方程模型与人工神经网络结合的用户感知建模方法》一文中研究指出针对现有研究方法难以描述用户使用产品过程中会产生的多种感知之间的非线性关系和影响路径而导致用户感知建模不够真实准确的问题,提出了一种结构方程模型(SEM)与人工神经网络(ANN)相结合的用户感知建模方法.该方法首先利用SEM确定用户感知之间的因果关系和影响用户感知的主要因素;然后将SEM分析的结果转换为ANN模型的拓扑结构,建立结构化的神经网络模型,利用BP(Back Propagation)算法训练模型得到各网络节点间的连接权重,实现了用户感知建模;最后以智能手机用户感知建模为例验证了方法的有效性.分析结果表明,SEM-ANN模型具有良好的拟合优度和可解释性,并能准确地定量表达用户感知之间的相互关系和影响用户感知的因素.(本文来源于《上海交通大学学报》期刊2019年07期）
刘秀华,项秀明,吕宝超,付建新[8]（2019）在《基于人工神经网络电子平台秤故障识别方法》一文中研究指出为快速实现识别电子平台秤故障,保证电子平台秤正常的工作状态,此方法针对电子平台秤四个数字传感器的输出码值进行研究,通过采集不同状态下个传感器的输出码值,然后使用Matlab软件中的BP神经网络的建立识别模型。结果表明,通过四种状态下传感器码值的输出值建立4(输入节点)-10(隐层节点)-2(输出节点)的BP人工神经网络模型,该神经网络模型的预测准确率可达到100%。因此认为,人工神经网络算法可为电子平台秤的故障识别提供可靠的技术支撑。(本文来源于《自动化技术与应用》期刊2019年07期）
詹庆涛,庄蓓蕾,邓世询[9]（2019）在《基于BP人工神经网络的汽车整备质量预测方法研究》一文中研究指出将汽车的重要参数如变速箱形式,驱动形式,车长,车宽,车高等作为影响因素,将汽车整备质量作为神经网络的输出,利用BP人工神经网络预测模型来预测整车的整备质量,并对该模型的预测准确性进行检验。(本文来源于《时代汽车》期刊2019年14期）
耿赫男,刘莉,庞新富[10]（2019）在《基于人工神经网络的非侵入式居民用电负荷识别方法》一文中研究指出非侵入式居民负荷识别技术的应用推动了家庭智能用电技术的发展,它能对居民用户的负荷组成成分进行深入分析,从而获取不同精细程度的用户用电信息,对于电力用户和电网公司都具有重要意义。负荷识别问题的数学模型较为复杂,导致数学优化算法在进行负荷识别时的求解效率较低。首先提出一种基于人工神经网络的非侵入式负荷识别模型,利用该模型训练好用于识别各类家用电器的神经网络并由此构成负荷特征识别库,用于判断家用电器的工作状态;然后通过仿真证明了所提方法的有效性;最后为了解决非侵入式居民负荷识别的应用问题,进一步探讨了非侵入式负荷识别的高级应用。(本文来源于《沈阳工程学院学报(自然科学版)》期刊2019年03期）
人工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：
随着光伏装机容量的迅速增长以及国家光伏补贴的逐步取消,针对提高光伏发电效率与收益的研究具有重要意义。首先,为精确定位光伏故障以降低运维成本,提出以组串支路电流与组件温度为故障定位特征量。其次,为提高光伏故障诊断效率,利用人工蜂群算法(artificial bee colony,ABC)优化RBF神经网络的中心、函数宽度及权值,提出将其应用于光伏组件故障诊断定位研究。最后,根据盐城市响水县1.5MW光伏电站数据,经Matlab仿真研究并与传统RBF神经网络相比较,结果验证了所提理论的准确性。
（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。
人工神经网络方法论文参考文献
[1].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
[2].郝思鹏,吴清,李佳伟,周宇.基于人工蜂群算法优化RBF神经网络的光伏组件故障诊断定位方法[J].供用电.2019
[3].聂文都,蔡锦凡.基于人工神经网络的二分类方法[J].现代计算机.2019
[4].梁后军,谢睿,常郝.基于人工神经网络的雷达图校正方法[J].赤峰学院学报(自然科学版).2019
[5].杨赛昭,向往,张峻榤,饶宏,许树楷.基于人工神经网络的架空柔性直流电网故障检测方法[J].中国电机工程学报.2019
[6].赖奂汶,李小花,黄清安.一个新的实验方法的介绍——人工神经网络法在金属表面处理中的应用[C].2019’全国转化膜及表面精饰技术论坛论文集.2019
[7].颜波,褚学宁,张磊.结构方程模型与人工神经网络结合的用户感知建模方法[J].上海交通大学学报.2019
[8].刘秀华,项秀明,吕宝超,付建新.基于人工神经网络电子平台秤故障识别方法[J].自动化技术与应用.2019
[9].詹庆涛,庄蓓蕾,邓世询.基于BP人工神经网络的汽车整备质量预测方法研究[J].时代汽车.2019
[10].耿赫男,刘莉,庞新富.基于人工神经网络的非侵入式居民用电负荷识别方法[J].沈阳工程学院学报(自然科学版).2019
论文知识图
