导读:本文包含了改进型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,模型,算法,自适应,迭代法,光伏,运动学。
改进型神经网络论文文献综述
丁磊明,杨晓雷,黄金波,姚剑峰[1]（2019）在《基于BP神经网络优化的改进灰色模型在电量预测中的应用》一文中研究指出经济增长与电力需求作为分析一个国家经济运行状况的两个重要指标,两者相互作用,联系紧密。用单一的预测方法预测电量无法保证高精度的预测结果,如何最大程度地提高预测精度是电力系统电量预测的研究的关键。现提出用BP神经网络算法修正灰色预测值的方法,其核心是通过分析月数据规律进行灰色预测外推得到初步预测结果,在充分考虑经济指标与电量的相互作用的情况下,利用BP神经网络对电量预测值进行修正,从而得到实用性更好的中长期电量预测结果。(本文来源于《机电信息》期刊2019年36期）
任振华,邵恩泽,雎刚[2]（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）
林振荣,黎嘉诚,杨冬芹,伍军云[3]（2019）在《改进微分进化和小波神经网络的网络流量预测》一文中研究指出针对网络流量的非线性和复杂性等特性以及传统网络流量预测模型精准度低的缺点,提出自适应微分进化算法(ADE)优化小波神经网络(WNN)的短期网络流量预测方法。以小波神经网络为基础,在神经网络训练过程中增加动量项,采用自适应微分进化算法优化小波神经网络原有的初始化参数的过程,有效解决小波神经网络中传统梯度下降算法易陷入局部极小解和对初始值敏感的缺陷,提高学习精度和收敛速度。仿真结果表明,相比对比模型,该方法具有良好的准确性、收敛性以及稳定性,是一种有效可靠的短期网络流量预测方法。(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[4]（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）
任珈民,宫宁生,韩镇阳[5]（2019）在《一种改进的基于孪生卷积神经网络的目标跟踪算法》一文中研究指出目标跟踪是计算机视觉的一个重要研究方向.为了对视频序列中单个目标进行准确定位和实时跟踪,本文采用孪生卷积神经网络解决深度神经网络模型更新不及时和训练数据不足的问题;同时在孪生卷积神经网络的特征提取子模块中加入SE-Net,先利用卷积层提取图像的空间特征信息,再利用特征通道间的相互依赖关系建模,强化有效通道特征,进一步提升网络的特征表征能力,从而提升特征提取的效果;最后通过区域推荐网络进行目标定位和边框微调.本文使用OTB2015数据集进行实验,以平均覆盖率和OPE方法作为评估标准,实验结果表明平均覆盖率为66. 6%,OPE准确率图和成功率图也均显示跟踪效果优于其他算法.(本文来源于《小型微型计算机系统》期刊2019年12期）
圣文顺,赵翰驰,孙艳文[6]（2019）在《基于改进遗传算法优化BP神经网络的销售预测模型》一文中研究指出随着经济的快速发展,众多企业步入科学化管理的时代.销售预测是企业经营活动中必不可少的一个环节,预测的准确性直接关系到销售经营的成败.因此提出基于传统BP神经网络与时间序列预测模型为一体的改良BP神经网络预测模型,通过该模型的预测,可以更可靠地预测企业在未来单位时间内的销售额.改良神经网络参考了同步时间序列的预测做出了自我校准,并利用遗传算法达到通过校准得到自我优化的目的,简化网络结构,提高预测的准确度.(本文来源于《计算机系统应用》期刊2019年12期）
胡克用,李云龙,江霞,李静,胡则辉[7]（2019）在《改进神经网络模型在光伏发电预测中的应用》一文中研究指出针对传统的BP神经网络模型在光伏发电功率预测中,存在着的预测精度不高、收敛速度较慢的弊端,本文提出一种改进型的BP神经网络模型,运用增加动量项以及自适应选取最佳隐含层的方法来改进传统BP模型的缺陷.文中首先进行了各类气象因素对于光伏发电功率输出影响的相关性分析,提取出最能影响光伏发电功率的6个气象因素,作为网络模型的输入,然后建立了改进型的BP网络模型,结合光伏功率输出的历史数据,来进行发电数据的直接预测;最后根据不同气候类型下的预测结果,分析并验证了采用该模型进行功率预测的可行性和有效性.(本文来源于《计算机系统应用》期刊2019年12期）
荆学东,张英驰,王梓腾,汪泽涛[8]（2019）在《神经网络-牛顿改进算法求解stewart平台正解》一文中研究指出正向运动学求解是并联机器人机构应用的基础,传统求解方法中BP神经网络通过将并联机器人平台的逆解作为训练样本,通过网络学习的方法求解stweart平台的正解,具有优秀的解域搜索功能,但求解精度有待提高,且局部存在收敛速度慢以及局部最小化问题。而牛顿迭代法虽然具有能够在局部快速收敛但对初值依赖程度较大。鉴于两者的优缺点互补,设计一种混合算法能够精确的精确的求得stewart平台正解。能够提升传统神经网络算法的求解速度及就求解精度。(本文来源于《机械设计与制造》期刊2019年12期）
李斌,胡芳,张朋,董威,邵强[9]（2019）在《基于改进遗传算法优化神经网络的隧道照明控制系统研究》一文中研究指出针对传统的公路隧道照明中存在的节能效果和调光准确效果均不足,给出了一种基于改进遗传算法优化神经网络的隧道照明控制方案,在实现准确调光的同时,改善了隧道照明控制系统的照明节能效果。通过传感器实时采集隧道外部部环境的亮度、行驶车辆的车流量和车速信息,实时准确调节隧道的照明亮度。采用电力线载波通信技术实现照明灯具的控制,减少系统布线难度。仿真结果表明,改进遗传算法优化神经网络算法的均方误差较神经网络算法提高了29.1%,算法仿真时间减少了63.7%,有效的提高了照明调光准确性。最后通过实验证明在隧道照明中使用该算法实现节能效果。(本文来源于《电子设计工程》期刊2019年23期）
张晓强,刘宜罡,邹应全,张翠芳[10]（2019）在《基于自适应神经网络控制的光伏MPPT算法改进》一文中研究指出基于自适应神经网络控制(DANC)算法提出一种改进的最大功率追踪(MPPT)算法。针对DANC在权值更新的过程中采用的梯度下降算法因初始权值而导致局部收敛的问题,该文根据光伏(PV)阵列部分遮挡情况下的功率-电压(P-V)特征曲线,提出一种反馈负载电压遍历和DANC相结合的算法。首先通过反馈负载电压遍历方法快速达到参考电压附近,然后利用DANC在线学习算法稳定到峰值,通过比较峰值大小,最终找到全局最优解。通过Matlab仿真和硬件实验验证改进算法的可行性。(本文来源于《太阳能学报》期刊2019年11期）
改进型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。
（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。
改进型神经网络论文参考文献
[1].丁磊明,杨晓雷,黄金波,姚剑峰.基于BP神经网络优化的改进灰色模型在电量预测中的应用[J].机电信息.2019
[2].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
[3].林振荣,黎嘉诚,杨冬芹,伍军云.改进微分进化和小波神经网络的网络流量预测[J].计算机工程与设计.2019
[4].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
[5].任珈民,宫宁生,韩镇阳.一种改进的基于孪生卷积神经网络的目标跟踪算法[J].小型微型计算机系统.2019
[6].圣文顺,赵翰驰,孙艳文.基于改进遗传算法优化BP神经网络的销售预测模型[J].计算机系统应用.2019
[7].胡克用,李云龙,江霞,李静,胡则辉.改进神经网络模型在光伏发电预测中的应用[J].计算机系统应用.2019
[8].荆学东,张英驰,王梓腾,汪泽涛.神经网络-牛顿改进算法求解stewart平台正解[J].机械设计与制造.2019
[9].李斌,胡芳,张朋,董威,邵强.基于改进遗传算法优化神经网络的隧道照明控制系统研究[J].电子设计工程.2019
[10].张晓强,刘宜罡,邹应全,张翠芳.基于自适应神经网络控制的光伏MPPT算法改进[J].太阳能学报.2019
论文知识图
