感知器
- 上海交大研制出高靈敏度寬頻微動超機(jī)械感知器
寬頻微動超機(jī)械感知器，相關(guān)成果于2023年9月7日在線發(fā)表于《自然·通訊》（Nature Communications）。自然界的生物感知器如小鼠的胡須、魚類的側(cè)線、蜘蛛的觸角和人類的皮膚等，能夠在寬頻范圍內(nèi)高靈敏地感知微動信息。基于此，在設(shè)計人工微動感知器時，靈敏度和帶寬是關(guān)鍵的性能指標(biāo)，也一直是傳感器相關(guān)研究的熱點(diǎn)。基于提高靈敏度和帶寬的設(shè)計策略，人工微動感知器可以分為兩大類：一類是基于電學(xué)引導(dǎo)的設(shè)計，它依賴于高靈敏度電子元件，而這些元件受限于高成本和
科學(xué) 2023年5期2023-10-23
- 基于機(jī)器學(xué)習(xí)的5G 低流量覆蓋區(qū)域無線網(wǎng)絡(luò)精準(zhǔn)規(guī)劃選址研究
，文章提出多層感知器神經(jīng)網(wǎng)絡(luò)和遺傳算法組合的機(jī)器學(xué)習(xí)方法，來完成5G 低流量覆蓋區(qū)域無線網(wǎng)絡(luò)精準(zhǔn)規(guī)劃選址。多層感知器神經(jīng)網(wǎng)絡(luò)算法具有很好的容錯功能，但是整體優(yōu)化能力不足，收斂速度相對遺傳算法慢[3]。遺傳算法具有整體系統(tǒng)優(yōu)化的功能，但是在局部優(yōu)化方面比較滯后[4]。采用2 種控制算法相組合的方案來進(jìn)行選址研究，既可以發(fā)揮多層感知器神經(jīng)網(wǎng)絡(luò)局部尋優(yōu)的優(yōu)點(diǎn)來確定單站址規(guī)劃數(shù)據(jù)，又可以利用遺傳算法整體優(yōu)化的功能去除冗余站址數(shù)據(jù)。5G 低流量覆蓋區(qū)域單站覆蓋范圍需
通信電源技術(shù) 2023年11期2023-08-22
- 集成多層感知器快速多光譜遙感圖像分類方法
4003）多層感知器分類技術(shù)能夠滿足各行業(yè)不斷增長的遙感服務(wù)需求，適用于需要即時性的居民區(qū)違規(guī)建筑監(jiān)測、裸土施工暴露監(jiān)測、洪淹范圍監(jiān)測，農(nóng)作物耕地面積、棄耕面積監(jiān)測、大型軍事目標(biāo)識別監(jiān)測等任務(wù)[1-11]。本文擬采用Sklearn[12]機(jī)器學(xué)習(xí)包中的多層感知器分類算法，構(gòu)建多于3 層的多層感知器，對焦作Landsat/TM影像的標(biāo)注數(shù)據(jù)進(jìn)行學(xué)習(xí)和分類。1 多層感知器原理及調(diào)參方法1.1 多層感知器原理多層感知器的網(wǎng)絡(luò)結(jié)構(gòu)具有如下3 個基本特征：①網(wǎng)絡(luò)中每
地理空間信息 2022年6期2022-07-04
- 基于多層感知器的端到端車道線檢測算法
期，許多對多層感知器［23-26］（Multi Layer Perceptron，簡稱MLP）的研究表明，MLP 能夠較好的提取圖像的全局語義信息，但在局部語義信息的提取上沒有達(dá)到好的效果，且文獻(xiàn)CycleMLP［23］在圖像分割等計算機(jī)視覺的下游任務(wù)中獲得了很好的效果，而文獻(xiàn)［24，27-28］中通過結(jié)構(gòu)重參數(shù)化技術(shù)實現(xiàn)訓(xùn)練與推理的解耦，在不犧牲推理速度的情況下?lián)Q來了不錯的精度提升，如Rep-MLP［24］模型，訓(xùn)練時在其內(nèi)部構(gòu)建組卷積層獲取局部信息，將
中南民族大學(xué)學(xué)報（自然科學(xué)版） 2022年4期2022-07-01
- 基于多層感知器與特征組合的皮革缺陷分類
征，再通過多層感知器神經(jīng)網(wǎng)絡(luò)訓(xùn)練特征，可以得到更好的訓(xùn)練效果。1 皮革圖像獲取與特征描述1.1 皮革圖像采集本文采用的圖像獲取平臺由一個CMOS 工業(yè)相機(jī)、可調(diào)節(jié)支架以及兩個線型光源組成。通過相機(jī)采集的皮革表面圖像分辨率為2592×1944，通過圖像分割，將圖像以大小為200×150像素的非重疊塊進(jìn)行分割，以此建立皮革表面圖像數(shù)據(jù)庫，其中包括180 張有缺陷圖像和60 張無缺陷圖像。1.2 圖像增廣圖像增廣是一種對圖像進(jìn)行處理，產(chǎn)生相似但不相同的樣本，以擴(kuò)
西部皮革 2022年5期2022-03-17
- 基于多層感知器神經(jīng)網(wǎng)絡(luò)的鍋爐再熱蒸汽溫度預(yù)測
，建立基于多層感知器神經(jīng)網(wǎng)絡(luò)(MLP)的再熱蒸汽溫度預(yù)測模型，并與長短時記憶神經(jīng)網(wǎng)絡(luò)(LSTM)以及支持向量機(jī)(SVM)進(jìn)行了對比。1 研究對象與方法1.1 研究對象本文的研究對象為某1 000 MW超超臨界燃煤鍋爐。該鍋爐采用單爐膛Λ型布置方式、尾部雙煙道，爐膛采用內(nèi)螺紋管螺旋管圈＋混合集箱＋垂直管水冷壁，中速磨正壓直吹式制粉系統(tǒng)，配6臺磨煤機(jī)(5臺運(yùn)行1臺備用)，裝設(shè)48只旋流式低NOx燃燒器，前后墻布置，對沖燃燒。過熱器為輻射對流式，再熱器純對流布置
湖南電力 2022年1期2022-03-03
- 高中人工智能——初探感知器（下）
類直線的位置。感知器就是訓(xùn)練分類器的一種算法，在分類模型形式確定的情況下，可以通過感知器訓(xùn)練算法獲得模型的參數(shù)，進(jìn)而獲得分類器。感知器訓(xùn)練算法本質(zhì)上是一種迭代算法，通過不斷修正參數(shù)減少誤分類的程度。因此，感知器訓(xùn)練算法不同于最小二乘法，感知器訓(xùn)練算法不是一步到位求取模型的參數(shù)，是不斷迭代、不斷接近最優(yōu)的分類位置。迭代的快慢依賴于問題的復(fù)雜程度和迭代過程中一些初始參數(shù)和學(xué)習(xí)率的選擇。高中學(xué)生初次接觸迭代算法，要理解迭代算法不能給出一步到位的解析解的原因，應(yīng)先
中國科技教育 2022年1期2022-03-01
- 基于神經(jīng)網(wǎng)絡(luò)的上海市中老年人群膽囊結(jié)石風(fēng)險預(yù)測模型研究
，建立基于多層感知器神經(jīng)網(wǎng)絡(luò)的膽囊結(jié)石風(fēng)險預(yù)測模型，為膽囊結(jié)石的診斷與預(yù)防工作提供依據(jù)。1 膽囊結(jié)石風(fēng)險預(yù)測模型研究綜述1.1 膽囊結(jié)石預(yù)測模型相關(guān)研究膽囊結(jié)石患病的機(jī)理復(fù)雜、相關(guān)風(fēng)險因素較多，國內(nèi)外膽囊結(jié)石的風(fēng)險預(yù)測模型所納入的風(fēng)險因素具有顯著性差異，膽囊結(jié)石預(yù)測模型的準(zhǔn)確率還有待于進(jìn)一步提高，其相關(guān)典型研究見表1。表1 膽囊結(jié)石風(fēng)險因素及預(yù)測模型相關(guān)研究1.2 多層感知器神經(jīng)網(wǎng)絡(luò)建立流程風(fēng)險因素識別是建立預(yù)測模型的基礎(chǔ)，早前研究大多根據(jù)病例相關(guān)檢查或經(jīng)
衛(wèi)生軟科學(xué) 2021年12期2021-12-15
- 液壓挖掘機(jī)合流閥的控制算法研究
缺點(diǎn)提出了多層感知器神經(jīng)網(wǎng)絡(luò)算法。3 多層感知器神經(jīng)網(wǎng)絡(luò)算法機(jī)器學(xué)習(xí)中多層感知器是為了解決單個神經(jīng)元非線性能力不足的問題，理論上兩層神經(jīng)網(wǎng)絡(luò)能夠擬合任意函數(shù)。本文研究以合流閥的電流為輸出Y，合流閥壓差和流量為X進(jìn)行特征值提取，訓(xùn)練兩層神經(jīng)網(wǎng)絡(luò)。單個神經(jīng)元的激活函數(shù)選取ReLu 函數(shù)，損失函數(shù)選取均值平法差，訓(xùn)練方法采用梯度下降算法。具體的算法實現(xiàn)過程如圖3所示，算法整體分為數(shù)據(jù)集處理、多層感知器神經(jīng)網(wǎng)絡(luò)訓(xùn)練、多層感知器模型的輸出3 個部分。圖3 多層感知器
建筑機(jī)械化 2021年11期2021-11-26
- 基于MLP網(wǎng)絡(luò)軸承故障診斷
頻率。2 多層感知器網(wǎng)絡(luò)開發(fā)2.1 理論基礎(chǔ)故障診斷的本質(zhì)是在分析故障癥狀的基礎(chǔ)上，由癥狀推斷故障原因，多層感知器（Multi-layer Perceptron）網(wǎng)絡(luò)簡稱MLP網(wǎng)絡(luò)，模擬生物學(xué)人體大腦的推斷功能從而進(jìn)行故障診斷和模式分類[2]。MLP網(wǎng)絡(luò)的建立是為運(yùn)用計算處理器和邏輯電路實現(xiàn)模式識別功能，因此其感知器單元運(yùn)算過程與計算機(jī)運(yùn)行原理相似[3]，接收來自外界的輸入值，數(shù)據(jù)分析后輸出二進(jìn)制數(shù)表是否關(guān)系。模式識別的數(shù)學(xué)分析模型是以多個數(shù)值描述某個待識
汽車實用技術(shù) 2021年18期2021-10-11
- MLP多層感知機(jī)
a學(xué)習(xí)規(guī)則用于感知器的訓(xùn)練步驟，這種方法后來被稱為最小二乘方法，這兩者的結(jié)合創(chuàng)造了一個良好的線性分類器，這個發(fā)現(xiàn)引起了第一波的AI浪潮，因為人們認(rèn)為簡單的感知機(jī)可以實現(xiàn)分類功能，那通過組合可以實現(xiàn)更復(fù)雜的功能，但是后面發(fā)現(xiàn)感知機(jī)無法模擬異或問題、無法處理非線性問題，第一波浪潮就這樣沉入了低谷。但是依然有人在研究，2006年，Hinton提出了DBN，解決了更深層次的網(wǎng)絡(luò)是可以通過一些策略更好的訓(xùn)練來實現(xiàn)，引起了深度學(xué)習(xí)的第三波浪潮。神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí)的發(fā)展加
江蘇廣播電視報·新教育 2021年2期2021-09-10
- 不同人工神經(jīng)網(wǎng)絡(luò)在字母識別中的性能比較研究
分類問題，選取感知器網(wǎng)絡(luò)、BP網(wǎng)絡(luò)和霍普菲爾德網(wǎng)絡(luò)進(jìn)行英文字母識別實驗，并對這三種網(wǎng)絡(luò)的表現(xiàn)進(jìn)行對比研究。1 創(chuàng)建網(wǎng)絡(luò)1.1 輸入、輸出矢量創(chuàng)建網(wǎng)絡(luò)前要先對字母進(jìn)行數(shù)字化處理，從而獲得網(wǎng)絡(luò)的輸入輸出。輸入矢量根據(jù)26個字母確定。每個字母進(jìn)行網(wǎng)格化處理后可以被表示為5×7的矩陣，進(jìn)行簡單變換即可生成一個行數(shù)為35的列向量，共有26個字母，因此輸入矢量Pr×q是35×26的矩陣[2]。每個輸出包括25個0和1個1，其中1按照字母順序（從A到Z的字母表順序）從第
物聯(lián)網(wǎng)技術(shù) 2021年8期2021-08-26
- 火箭貯箱噴涂機(jī)器人直接示教運(yùn)動感知器設(shè)計與分析
行器之間的示教感知器，并對感知器進(jìn)行了結(jié)構(gòu)和電路系統(tǒng)設(shè)計及力學(xué)分析，為實現(xiàn)人機(jī)交互的示教辨識與機(jī)器人運(yùn)動控制提供條件。1 直接示教運(yùn)動感知器設(shè)計1.1 感知器總體方案設(shè)計通過對貯箱噴涂工況和需求進(jìn)行分析，所設(shè)計的感知器需要可靠連接于機(jī)器人末端，通過敏感元件有效感知人的示教引導(dǎo)運(yùn)動，并將其轉(zhuǎn)換為控制系統(tǒng)方便采集和處理的電量信息。末端噴涂工具配置種類復(fù)雜、重量大，感知器需在可靠承載末端大負(fù)載的同時，不影響對人相對較小的物理交互運(yùn)動的感知。制定感知器本體的結(jié)構(gòu)和
傳感器與微系統(tǒng) 2021年7期2021-07-15
- 基于多層感知器的流體識別
數(shù)據(jù)，利用多層感知器的高度非線性全局作用與自學(xué)習(xí)功能，建立研究區(qū)低滲儲層流體識別模型。1 基本地質(zhì)特征文昌A凹陷是南海北部大陸邊緣中珠江口盆地下珠三拗陷的一個次一級構(gòu)造單元，同時該凹陷的地理位置的表現(xiàn)中為西部與文昌C、文昌B凹陷相連，北部與陽江低凸起相接，南部與神狐隆起相鄰，受珠三斷裂的控制，文昌區(qū)地層發(fā)育較為完整，自下而上發(fā)育了古近系神狐組、文昌組、恩平組、珠海組和新近系珠江組、韓江組、粵海組、萬山組以及第四系地層。其中珠海組是勘探開發(fā)中的主要地層，珠海
化工設(shè)計通訊 2021年4期2021-04-30
- 基于仿真大光斑激光雷達(dá)和多層感知器的森林地上生物量估算模型構(gòu)建
個隱含層的多層感知器和多元線性回歸模型分別估算長白落葉松人工林地上生物量,證實了多層感知器的優(yōu)勢[12]。盡管人工神經(jīng)網(wǎng)絡(luò)已用于森林地上生物量估測,然而目前的人工神經(jīng)網(wǎng)絡(luò)大多是淺層神經(jīng)網(wǎng)絡(luò),即隱含層數(shù)較少。相關(guān)研究表明,與淺層神經(jīng)網(wǎng)絡(luò)相比,基于多隱含層的人工神經(jīng)網(wǎng)絡(luò)具有更強(qiáng)的表示能力,可挖掘出數(shù)據(jù)中更多的有用信息[13]。但更多的層數(shù)會帶來更多的模型參數(shù),需要更多的樣本訓(xùn)練模型,而樣地調(diào)查數(shù)據(jù)往往不能滿足訓(xùn)練樣本的數(shù)量要求。為解決訓(xùn)練樣本不足的問題,本文利
林業(yè)資源管理 2021年1期2021-03-27
- 面向信息物理融合的建筑信息模型擴(kuò)展方法
領(lǐng)域密切相關(guān)的感知器、控制器和執(zhí)行器等要素實體，進(jìn)而形成反饋閉環(huán)，是一種行之有效的技術(shù)手段。圖1 基于反饋閉環(huán)的CPS技術(shù)要素構(gòu)成Fig. 1 Abstract of elements in CPS based on feedback loop2 面向信息物理融合的BIM擴(kuò)展總體框架2.1 基本實現(xiàn)思路BIM在本質(zhì)上是基于面向?qū)ο笏枷雽ㄖ锢硎澜绲囊环N相對嚴(yán)格的信息描述，即BIM 空間中的虛擬實體是建筑空間中物理實體的對偶映射。但現(xiàn)階段的BIM 框架所支
- 基于核磁共振錄井?dāng)?shù)據(jù)的多層感知器神經(jīng)網(wǎng)絡(luò)對蘇里格氣田南區(qū)的評價預(yù)測
模糊信息，多層感知器神經(jīng)網(wǎng)絡(luò)方法又具有較好的識別能力和判別分析效果，因而利用已知的錄井?dāng)?shù)據(jù)資料作為樣本，通過智能訓(xùn)練學(xué)習(xí)，對未知井的錄井?dāng)?shù)據(jù)進(jìn)行識別預(yù)測，可以建立儲集層含氣性識別的網(wǎng)絡(luò)模型。本文以蘇里格氣田南區(qū)主要產(chǎn)氣層山西組及石盒子組儲集層為例，通過收集該地區(qū)近幾年試氣井段核磁共振錄井?dāng)?shù)據(jù)和試氣結(jié)論，利用一種基于多層感知器神經(jīng)網(wǎng)絡(luò)方法進(jìn)行快速智能解釋評價預(yù)測，該方法可以極大地提高錄井資料評價識別速度和識別的準(zhǔn)確度，為儲集層含氣性識別提供參考依據(jù)。1 研究
錄井工程 2020年3期2020-10-28
- 基于大數(shù)據(jù)分析的在線學(xué)習(xí)算法理論探究
的線性模型1.感知器的在線學(xué)習(xí)算法在當(dāng)前大數(shù)據(jù)分析為基礎(chǔ)的在線學(xué)習(xí)算法中，產(chǎn)生了多種不同的算法，然而就應(yīng)用范圍來看，感知器的應(yīng)用是最為廣泛的一種。這是一種屬于機(jī)器學(xué)習(xí)仿生學(xué)領(lǐng)域的分類學(xué)習(xí)機(jī)的模型，其算法具有較高的復(fù)雜度，在當(dāng)前機(jī)器算法領(lǐng)域中有著非常廣泛的應(yīng)用。其主要算法原則為[3]：在正確分類的前提下，無需對其權(quán)重實施變化，因此對其實施“賞”；在錯誤分類的前提下，則應(yīng)當(dāng)對其發(fā)生的錯誤予以修正，就是調(diào)整其方向，因此應(yīng)當(dāng)針對其權(quán)重實施“罰”。然后，針對全部錯誤
科學(xué)咨詢 2020年32期2020-08-08
- 基于多層感知器和運(yùn)動軌跡的海上目標(biāo)類型識別?
了一種基于多層感知器（Multi-Layer Perceptrons，MLP）的艦船類型識別方法，建立了多層感知器網(wǎng)絡(luò)模型，建立了艦船運(yùn)動軌跡數(shù)據(jù)集，通過分析艦船運(yùn)動軌跡識別艦船類型，可迅速對大量艦船目標(biāo)進(jìn)行分類，準(zhǔn)確地識別艦船類型。2 多層感知器原理如圖1所示，多層感知器包含很多依次相連的網(wǎng)絡(luò)層，網(wǎng)絡(luò)層的全長稱為模型的深度［4］。圖1 多層感知器其中，第一層為輸入層，最后一層為輸出層，其他網(wǎng)絡(luò)層是隱層。若感知器網(wǎng)絡(luò)無隱層，則是單層感知器網(wǎng)絡(luò)，單層感知器網(wǎng)
艦船電子工程 2020年3期2020-06-11
- 基于多層感知器神經(jīng)網(wǎng)絡(luò)的智能分類算法
00）1 多層感知器神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)1.1 四層作業(yè)架構(gòu)多層感知器神經(jīng)網(wǎng)絡(luò)，重視以較多的層次進(jìn)行復(fù)雜信息快速處理，擬構(gòu)建四層作業(yè)架構(gòu)，拓?fù)浣Y(jié)構(gòu)見圖1。圖1 多層感知器神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)對該結(jié)構(gòu)進(jìn)行分析可發(fā)現(xiàn)，其特點(diǎn)在于增設(shè)了兩個中間層次，基層仍負(fù)責(zé)海量信息的直接收集和處理，之后反饋給中層，再由中層反饋給高層。此過程中所有信息不斷得到優(yōu)化和加工，有助于實現(xiàn)高效率的分析和決策。1.2 不同層次功能基層的功能在于直接進(jìn)行海量信息的直接收集，并對其進(jìn)行初步加強(qiáng)，使完
通信電源技術(shù) 2020年5期2020-04-21
- 基于數(shù)據(jù)分析方法的動力電池系統(tǒng)濫用故障診斷*
LOF）算法和感知器網(wǎng)絡(luò)的電池濫用故障診斷處理方法。利用LOF算法找出數(shù)據(jù)集中的異常數(shù)據(jù)點(diǎn)，利用經(jīng)過算法處理后的數(shù)據(jù)對感知器進(jìn)行訓(xùn)練，在感知器中對數(shù)據(jù)集進(jìn)行快速分類，進(jìn)而判斷電池是否發(fā)生了濫用故障。1 LOF算法LOF算法是一種聚類分析方法。圖1所示為一個聚散分布非常明顯的數(shù)據(jù)集。在這個數(shù)據(jù)集中，C1區(qū)域內(nèi)各點(diǎn)的距離比較平均，點(diǎn)密度及離散分布情況基本一致，可以視作同一簇數(shù)據(jù)。同理，C2區(qū)域內(nèi)的點(diǎn)也可以認(rèn)為是同一簇數(shù)據(jù)。而對于圖中的o1、o2點(diǎn)，它們相對于
新能源進(jìn)展 2020年1期2020-03-09
- 基于半監(jiān)督學(xué)習(xí)的多層感知器生成對抗網(wǎng)絡(luò)
提出半監(jiān)督多層感知器生成對抗網(wǎng)絡(luò)(Semi-Supervised Multilayer Perceptron Generative Adversarial Network,SMPGAN),采用多層感知器卷積層代替SGAN判別器上的線性卷積層對底層概念的每個局部特征做一個更好的抽象,并接收大量無標(biāo)記數(shù)據(jù)、少量標(biāo)記數(shù)據(jù),以及生成器生成的數(shù)據(jù)以提高正確分類率,解決了監(jiān)督分類中因標(biāo)記數(shù)據(jù)太少產(chǎn)生的模型泛化能力不強(qiáng)的問題;在生成器上使用特征匹配,能夠?qū)⑸蓴?shù)據(jù)分布盡
小型微型計算機(jī)系統(tǒng) 2019年11期2019-12-04
- 基于貝葉斯和F-measure感知機(jī)的分類器設(shè)計
measure感知器當(dāng)樣本在混合交叉域內(nèi)時，貝葉斯分類器容易出錯。感知器算法適用于小樣本，它是收斂算法，具有計算簡單、存儲容量小和易于實現(xiàn)等優(yōu)點(diǎn)。F-measure 在分類器分析和設(shè)計中起著至關(guān)重要的作用。F-measure被認(rèn)為是測試有效性的有效措施。1.1 F-measure 評估標(biāo)準(zhǔn)當(dāng)樣本特征相互依存時，分類容易出錯。為了解決這個問題，本文提出一種新的分類算法。在本文中假設(shè)有兩個類ω+，ω-，定義C={ω+,ω-}為可能類的集合，其中，ω+表示為正相
現(xiàn)代電子技術(shù) 2019年21期2019-11-13
- 智能控制課程中英雙語教學(xué)方法研究與教學(xué)案例設(shè)計
內(nèi)容為例，基于感知器和多層感知器知識點(diǎn)分別設(shè)計了兩個講授案例和兩個上機(jī)實驗案，見表2。針對雙語內(nèi)容，案例1 幫助學(xué)生掌握感知器（組成前饋神經(jīng)網(wǎng)絡(luò)的基本元素）的相關(guān)中英文術(shù)語；案例2 在此基礎(chǔ)上引入感知器訓(xùn)練算法，幫助學(xué)生掌握機(jī)器學(xué)習(xí)模型評估指標(biāo)的術(shù)語；案例3 引入多層感知器誤差逆?zhèn)鞑ニ惴?，幫助學(xué)生掌握鏈?zhǔn)椒▌t、梯度、最小二乘法等術(shù)語的英文表達(dá)和描述，同時引導(dǎo)學(xué)生閱讀多層感知器模型的誤差逆?zhèn)鞑ニ惴ǔ绦?；案? 以鳶尾花和MINST 手寫體數(shù)字識別數(shù)據(jù)集為基礎(chǔ)
計算機(jī)教育 2019年10期2019-10-23
- 基于多層感知器神經(jīng)網(wǎng)絡(luò)的人體尺寸預(yù)測研究
闞 燕基于多層感知器神經(jīng)網(wǎng)絡(luò)的人體尺寸預(yù)測研究邢英梅1,3,4，王竹君，[1] 王建萍2*，闞 燕1（1. 安徽工程大學(xué) 紡織服裝學(xué)院，安徽 蕪湖 241000；2. 東華大學(xué) 服裝與藝術(shù)設(shè)計學(xué)院，上海 200051； 3.“紡織面料”安徽省高校重點(diǎn)實驗室，安徽 蕪湖 241000；4. 安徽省紡織工程技術(shù)研究中心，安徽 蕪湖 241000）準(zhǔn)確、智能的人體尺寸預(yù)測技術(shù)，在互聯(lián)網(wǎng)與服裝業(yè)深度融合的當(dāng)前，有助于服裝企業(yè)提高服裝制板的準(zhǔn)確率和工作效率，提升企業(yè)
武漢紡織大學(xué)學(xué)報 2019年4期2019-08-27
- 感知器在礦井突水水源識別中的應(yīng)用
測量的工作量。感知器是一種線性神經(jīng)網(wǎng)絡(luò)分類器，具有訓(xùn)練簡單可靠的優(yōu)點(diǎn)。能否構(gòu)造盡可能簡單的感知器模型識別礦井突水水源，是本文研究的問題。1 感知器模型及其訓(xùn)練方法感知器結(jié)構(gòu)見圖1，其輸入輸出關(guān)系可以表示為式(1)。y=f(wx-θ)(1)式中：x=[x1,x2,…,xm]T∈Rm、y=[y1,y2,…,yn]T∈Rn分別為感知器的輸入向量和輸出向量；w=[w1,w2,…,wm]∈Rn×m為權(quán)值矩陣；w的第k(k=1,2,…,m)列wk=[w1k,w2k,…
中國礦業(yè) 2019年7期2019-07-26
- 城鎮(zhèn)燃?xì)夤╀N差控制管理方法
）神經(jīng)網(wǎng)絡(luò)多層感知器是一種前饋人工神經(jīng)網(wǎng)絡(luò)模型，其將輸入的多個數(shù)據(jù)集映射到單一的輸出的數(shù)據(jù)集上。多層感知器的一個重要特點(diǎn)就是多層，通常將第一層稱之為輸入層，最后一層稱之為輸出層，中間的層稱之為隱層。多層感知器并沒有規(guī)定隱層的數(shù)量，因此可以根據(jù)各自的需求選擇合適的隱層層數(shù)，對于輸出層神經(jīng)元的個數(shù)也沒有限制。二、采暖用戶的指標(biāo)庫針對于不同類型的用戶，辨識用戶用量異常的指標(biāo)不盡一致，本文以我國某大型城市燃?xì)馄髽I(yè)的采暖鍋爐房用戶為分析對象，根據(jù)查表及遠(yuǎn)傳采集監(jiān)控系
城鄉(xiāng)建設(shè) 2019年12期2019-07-02
- 淺析人工神經(jīng)網(wǎng)絡(luò)及其應(yīng)用模型
；神經(jīng)元模型；感知器；深度學(xué)習(xí)中圖分類號 G2 文獻(xiàn)標(biāo)識碼 A 文章編號 1674-6708（2019）233-0137-2現(xiàn)代電子計算機(jī)作為信息處理工具，借助高速數(shù)值運(yùn)算和精確的邏輯運(yùn)算能力，極大地拓展了人腦的能力，在信息處理和控制決策等各方面為人們提供了實現(xiàn)智能化和自動化的先進(jìn)手段。然而，半個世紀(jì)以來，基于馮氏原理的現(xiàn)代計算機(jī)，受限于傳統(tǒng)邏輯運(yùn)算規(guī)則，在學(xué)習(xí)認(rèn)知、記憶聯(lián)想、推理判斷、綜合決策等方面的信息處理能力遠(yuǎn)不能達(dá)到人腦的智能水平[ 1 ]。近10
科技傳播 2019年8期2019-05-10
- 人工神經(jīng)網(wǎng)絡(luò)在導(dǎo)引頭去耦中的運(yùn)用*
,可以采用多層感知器神經(jīng)網(wǎng)絡(luò)進(jìn)行力矩補(bǔ)償。多層感知器網(wǎng)絡(luò)有較強(qiáng)的分類能力,能夠處理非線性的問題,主要包括輸入層、隱含層和輸出層,其中隱含層可以是一層或多層,可以完成較復(fù)雜的任務(wù)。對于多層感知器中的每個神經(jīng)元來說,激活函數(shù)通常取可微的函數(shù),比如sigmoid函數(shù):(3)式中:ui是第i個神經(jīng)元的輸入信號;vi表示第i個神經(jīng)元的輸出信號。2.1 生物神經(jīng)元的結(jié)構(gòu)人工神經(jīng)網(wǎng)絡(luò)實際上是從生物神經(jīng)網(wǎng)絡(luò)發(fā)展而來的,對于一個人而言,在大腦皮層大約有100億個神經(jīng)元,60
彈箭與制導(dǎo)學(xué)報 2018年2期2018-12-21
- 基于人工智能的障礙物檢測方法庫研究
檢測方法：多層感知器神經(jīng)網(wǎng)絡(luò)、自組織特征映射和支持向量機(jī)。最后給出了這些方法的比較結(jié)果。對比研究結(jié)果表明，所提出的障礙物檢測方法能夠有效地檢測行人。在分類模型的訓(xùn)練和驗證階段，多層感知器和支持向量機(jī)得到了最好的結(jié)果，而自組織數(shù)據(jù)地圖表現(xiàn)不佳。此外，還進(jìn)行了第二次的評估實驗，其中包括在不同天氣條件下基于傳感器提供的感官數(shù)據(jù)對行人目標(biāo)進(jìn)行檢測。在第二次評估中，所有的方法都能夠?qū)π腥诉M(jìn)行很好的分類。多層感知器在晴朗和多霧的環(huán)境中提供了非常好的效果，但同時在多云和
汽車文摘 2018年2期2018-11-27
- 基于深度學(xué)習(xí)的環(huán)境聲音識別
t 第一次引入感知器， 從此感知器作為神經(jīng)網(wǎng)絡(luò)中的一個分支概念[5] 而進(jìn)入學(xué)界視野。在此基礎(chǔ)上，Raudys提出單層感知器[6]，其中只包含輸入層和輸出層，且兩者直接相連，而單層感知器也是一種最簡單的神經(jīng)網(wǎng)絡(luò)。1989年提出的多層感知器[7]，組成結(jié)構(gòu)即是在單層感知器的設(shè)計上加入了一層隱藏層，多層感知器是最早具備深層結(jié)構(gòu)的神經(jīng)網(wǎng)絡(luò)。在1986年，由Rumelhart等人提出誤差反向傳播算法（Error Back Propagation， BP）[8]，給
智能計算機(jī)與應(yīng)用 2018年5期2018-10-20
- 基于多層感知器神經(jīng)網(wǎng)絡(luò)的學(xué)生校內(nèi)消費(fèi)評估研究
器學(xué)習(xí)中的多層感知器神經(jīng)網(wǎng)絡(luò)算法，通過學(xué)習(xí)已給定學(xué)生的校內(nèi)消費(fèi)數(shù)據(jù)，建立多層感知器神經(jīng)網(wǎng)絡(luò)模型，最后用建立完成的模型去評估并輸出結(jié)果。二、神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)是一種模擬人腦的神經(jīng)網(wǎng)絡(luò)系統(tǒng)，以期能夠?qū)崿F(xiàn)類人工智能的機(jī)器學(xué)習(xí)技術(shù)。1.神經(jīng)元基本結(jié)構(gòu)神經(jīng)元模型是一個包含輸入、輸出與計算功能的模型。輸入可以類比為神經(jīng)元的樹突，而輸出可以類比為神經(jīng)元的軸突，計算則可以類比為細(xì)胞核。一個典型的神經(jīng)元模型如圖1所示。圖1 神經(jīng)元基本結(jié)構(gòu)圖 1中，SUM為求和，SGN為非線性
中國教育信息化 2018年14期2018-08-01
- 基于WI-Zig技術(shù)的人居室內(nèi)溫度智能感知與控制系統(tǒng)設(shè)計
器集成構(gòu)成溫度感知器、ZigBee模塊與紅外學(xué)習(xí)模塊構(gòu)成溫度控制器。智能網(wǎng)關(guān)作為整個系統(tǒng)的控制中心，負(fù)責(zé)感知指定區(qū)域內(nèi)是否存在合法手機(jī)用戶，如果存在合法手機(jī)用戶，則向溫度感知器下達(dá)溫度檢測指令，然后接收并分析來自溫度感知器傳來的實時溫度，最后根據(jù)分析結(jié)果決策是否向溫度控制器下達(dá)溫度控制命令。溫度感知器只負(fù)責(zé)感知環(huán)境溫度并將結(jié)果實時傳送給智能網(wǎng)關(guān)做分析處理。溫度控制器接收到智能網(wǎng)關(guān)調(diào)控溫度指令后，通過紅外學(xué)習(xí)模塊向空調(diào)發(fā)送紅外指令實現(xiàn)對空調(diào)的控制。該系統(tǒng)的總
電子世界 2018年5期2018-04-03
- 模式識別的斜拉橋損傷診斷動力指紋與識別算法
精確度高的多層感知器識別算法及其提高該算法預(yù)測準(zhǔn)確率的裝袋集成算法。最后給出一座單塔雙跨雙索面斜拉橋的多種識別算法的損傷診斷過程和結(jié)果，得到一種可包容測試隨機(jī)誤差的高精確度斜拉橋損傷診斷評估模型。斜拉橋；損傷診斷；模式識別；動力指紋；識別算法斜拉橋損傷診斷是斜拉橋健康監(jiān)測系統(tǒng)的重要組成部分和核心，其方法對健康監(jiān)測系統(tǒng)有效性起決定性作用。按是否有反演可分為基于模型修正的損傷診斷方法和基于模式識別的損傷診斷方法兩大類[1]?；谀Ｊ阶R別的損傷診斷方法屬無反演的
土木與環(huán)境工程學(xué)報 2016年4期2016-12-07
- 融合遮擋感知的在線Boosting跟蹤算法
健性。2 遮擋感知器為了提高在線Boosting跟蹤算法在遮擋環(huán)境下的頑健性，一個合理的思路是引入遮擋感知機(jī)制，在未感知到遮擋時，采集目標(biāo)區(qū)域的正樣本進(jìn)行分類器更新；在感知到遮擋后，自適應(yīng)調(diào)整分類器更新策略，暫不進(jìn)行基于正樣本的分類器更新。本節(jié)將從遮擋感知方法、局部特征選擇、模糊特征過濾以及感知器更新4個方面進(jìn)行介紹。2.1 遮擋感知方法如圖1所示，遮擋物對目標(biāo)進(jìn)行遮擋是一個時變的過程，假設(shè)在第k幀，遮擋物即將遮擋目標(biāo)，遮擋物一般會先出現(xiàn)在背景域RB（圖
通信學(xué)報 2016年9期2016-11-24
- 模式識別的斜拉橋損傷診斷動力指紋與識別算法
精確度高的多層感知器識別算法及其提高該算法預(yù)測準(zhǔn)確率的裝袋集成算法。最后給出一座單塔雙跨雙索面斜拉橋的多種識別算法的損傷診斷過程和結(jié)果，得到一種可包容測試隨機(jī)誤差的高精確度斜拉橋損傷診斷評估模型。關(guān)鍵詞：斜拉橋；損傷診斷；模式識別；動力指紋；識別算法中圖分類號：U448.27文獻(xiàn)標(biāo)志碼：A 文章編號：16744764（2016）04011509斜拉橋損傷診斷是斜拉橋健康監(jiān)測系統(tǒng)的重要組成部分和核心，其方法對健康監(jiān)測系統(tǒng)有效性起決定性作用。按是否有反演可分為
土木建筑與環(huán)境工程 2016年4期2016-10-28
- 基于元素組成的多層感知器神經(jīng)網(wǎng)絡(luò)巖性識別
元素組成的多層感知器神經(jīng)網(wǎng)絡(luò)巖性識別張濤1,2，張金功1，張小莉1，瞿曉婷2(1.西北大學(xué)地質(zhì)系/大陸動力學(xué)國家重點(diǎn)實驗室，陜西 西安 710069；2.西北大學(xué) 信息科學(xué)與技術(shù)學(xué)院，陜西 西安 710069)利用元素俘獲譜測井法得到的主要造巖元素信息，區(qū)分被測地層的巖性成因大類屬性。通過收集、分析大量的沉積巖和巖漿巖的主要造巖元素含量實測數(shù)據(jù)，構(gòu)建并訓(xùn)練多層感知器人工神經(jīng)網(wǎng)絡(luò)模型，最終得到了利用巖石主要元素組成數(shù)據(jù)區(qū)分樣品本身巖性成因的一種方法。模型通過
地下水 2016年5期2016-10-21
- 基于神經(jīng)網(wǎng)絡(luò)和遺傳算法的螺旋折流板換熱器性能預(yù)測
算法優(yōu)化的多層感知器神經(jīng)網(wǎng)絡(luò)預(yù)測模型，比較了遺傳算法優(yōu)化與否的預(yù)測誤差以及訓(xùn)練預(yù)測過程中的誤差，并將其泛化能力與回歸關(guān)聯(lián)式進(jìn)行了對比。將試驗與模擬所得到的數(shù)據(jù)結(jié)合，進(jìn)一步地對模型進(jìn)行訓(xùn)練，建立了適用范圍更廣的螺旋折流板換熱器殼程換熱系數(shù)與壓降預(yù)測模型。1 螺旋折流板換熱器中試試驗螺旋折流板換熱器中試試驗裝置流程圖如圖1所示。系統(tǒng)包括2個獨(dú)立的循環(huán):冷卻工作介質(zhì)及加熱工作介質(zhì)循環(huán)系統(tǒng)，建立了管殼式換熱器中試試驗平臺對3臺螺旋角分別為7°、13°和25°的螺旋
化學(xué)工業(yè)與工程 2016年4期2016-04-11
- 鐵路貨車車輪超聲波在線檢測中的缺陷識別算法
基于神經(jīng)網(wǎng)絡(luò)的感知器原理，結(jié)合現(xiàn)場檢測要求，對傳統(tǒng)的感知器分類算法進(jìn)行改進(jìn)，以獲取無漏檢、最小誤檢的分類器，以及良好的缺陷識別效果。1 貨車車輪超聲波在線檢測的缺陷識別算法現(xiàn)行鐵路貨車車輪超聲波在線檢測的實現(xiàn)方式主要有電磁超聲、隨動式超聲波探頭、陣列超聲波探頭[4]等，其中陣列探頭式超聲波檢測方式(見圖1)具有檢測靈敏度高、噪聲干擾小、檢測效率高等優(yōu)點(diǎn)，目前在檢測現(xiàn)場得到了實際應(yīng)用。圖1 車輪的陣列探頭式超聲波在線檢測車輪超聲波在線檢測，特別是采用多個超聲
中國鐵道科學(xué) 2016年5期2016-04-10
- 基于感知器的中文分詞增量訓(xùn)練方法研究
001)?基于感知器的中文分詞增量訓(xùn)練方法研究韓 冰，劉一佳，車萬翔，劉 挺(哈爾濱工業(yè)大學(xué) 計算機(jī)學(xué)院社會計算與信息檢索研究中心，黑龍江 哈爾濱 150001)該文提出了一種基于感知器的中文分詞增量訓(xùn)練方法。該方法可在訓(xùn)練好的模型基礎(chǔ)上添加目標(biāo)領(lǐng)域標(biāo)注數(shù)據(jù)繼續(xù)訓(xùn)練，解決了大規(guī)模切分?jǐn)?shù)據(jù)難于共享，源領(lǐng)域與目標(biāo)領(lǐng)域數(shù)據(jù)混合需要重新訓(xùn)練等問題。實驗表明，增量訓(xùn)練可以有效提升領(lǐng)域適應(yīng)性，達(dá)到與傳統(tǒng)數(shù)據(jù)混合相類似的效果。同時該文方法模型占用空間小，訓(xùn)練時間短，可以
中文信息學(xué)報 2015年5期2015-04-21
- 基于ORL數(shù)據(jù)庫的快速人臉認(rèn)證技術(shù)的研究
庫對變形的多層感知器算法進(jìn)行了研究，獲得97.9%的準(zhǔn)確率。Fan Ou 和Zhaocui Han[10]通過CCA(Canonical Correlation Analysis，典型相關(guān)分析)+LDA 的方法把FRR100 和FAR1000 指標(biāo)降低了30%以上。對于認(rèn)證問題，可以看做識別問題的簡化，問題可以歸為兩類:是本人或者不是本人。解決認(rèn)證問題目的是找一個分界，盡可能好的區(qū)分這兩類。在這種情況下，可以使用運(yùn)算速度相對較快的線性判別方法。用一個兩維的
科技傳播 2014年12期2014-11-25
- 深度神經(jīng)網(wǎng)絡(luò)的快速學(xué)習(xí)算法
浪潮.1 多層感知器的原理和相關(guān)研究1.1 神經(jīng)元神經(jīng)元［1］是受生物神經(jīng)元啟發(fā)而得到的計算模型.它接收到一些輸入(類比于突觸)，然后與對應(yīng)的權(quán)值相乘(對應(yīng)于信號的強(qiáng)度)并求和，然后由一個數(shù)學(xué)函數(shù)來決定神經(jīng)元的輸出狀態(tài).作為計算模型，它按表達(dá)式 t=f(∑wixi+b)產(chǎn)生輸出，在式中，輸入為xi到xn，對應(yīng)權(quán)值分別為wi到wn，偏置值是 b，將這些值對應(yīng)相乘后送入累加器(SUM)，累加器的輸出會被送入一個傳輸函數(shù)(或稱激活函數(shù)，f)，由f產(chǎn)生最終輸出t.
嘉應(yīng)學(xué)院學(xué)報 2014年5期2014-11-08
- 生絲生產(chǎn)過程中纖度變化的不確定性分析及防范措施
括短杠桿型纖度感知器（含纖度調(diào)節(jié)機(jī)構(gòu)）、探索添緒機(jī)構(gòu)和移動式雙爪給繭機(jī)，用于控制繅制的生絲纖度規(guī)格、纖度偏差和生絲勻度等質(zhì)量指標(biāo)，見圖4。給繭添緒裝置(該裝置主要由給繭機(jī)組成，當(dāng)給繭機(jī)運(yùn)行到全機(jī)兩端索理緒機(jī)的自動加繭部時，按自動探量機(jī)構(gòu)發(fā)出的加繭信號，由自動加繭機(jī)構(gòu)按需將正緒繭加入給繭盒10中（見圖4)。1 自動繅絲機(jī)的組成及工作原理簡介1.1 縱向組成及工作原理簡介該機(jī)的縱向組成如圖1所示。圖1 自動繅絲機(jī)的縱向組成示意圖1、電動機(jī)及主傳動箱；2、自動探
江蘇絲綢 2014年4期2014-10-16
- 感知器神經(jīng)網(wǎng)絡(luò)模型研究
332005)感知器神經(jīng)網(wǎng)絡(luò)模型研究何立群1占永平2(1九江學(xué)院信息科學(xué)與技術(shù)學(xué)院；2九江學(xué)院信息技術(shù)中心 江西九江 332005)文章介紹人工神經(jīng)網(wǎng)絡(luò)中的典型模型單層感知器和多層感知器，給出標(biāo)準(zhǔn)的感知器學(xué)習(xí)算法及算法的實現(xiàn)步驟，在此基礎(chǔ)上介紹了感知器神經(jīng)網(wǎng)絡(luò)模型的改進(jìn)算法，并對這些算法的特點(diǎn)進(jìn)行了分析。感知器，神經(jīng)網(wǎng)絡(luò)，多層感知器感知器是人工神經(jīng)網(wǎng)絡(luò)中的一種典型結(jié)構(gòu)，它的主要的特點(diǎn)是結(jié)構(gòu)簡單，對所能解決的問題存在著收斂算法，并能從數(shù)學(xué)上嚴(yán)格證明，從而對神
九江學(xué)院學(xué)報(自然科學(xué)版) 2014年4期2014-09-05
- 基于MLP傳感器的非線性校正
多不便.將多層感知器網(wǎng)絡(luò)（MLP）引入傳感器的數(shù)據(jù)融合中，抑制傳感器交叉敏感應(yīng)度，使傳感器的精度大大提高.1 數(shù)據(jù)融合技術(shù)1.1 誤差分析及原理 溫度對電渦流傳感器的傳感頭的影響有兩方面，一是溫度升高或降低使傳感頭材料熱脹冷縮；二是溫度變化導(dǎo)致傳感器線圈幾何尺寸和電參數(shù)發(fā)生變化.這兩方面的影響都使傳感器輸出特性發(fā)生變化，產(chǎn)生測量誤差［11］.電渦流傳感器數(shù)據(jù)融合包括電渦流傳感器、溫度傳感器和融合算法.將渦流傳感器的輸出電壓US作為我們的目標(biāo)參量，溫度傳感器
湖北大學(xué)學(xué)報(自然科學(xué)版) 2014年2期2014-08-20
- 核動力系統(tǒng)神經(jīng)網(wǎng)絡(luò)故障診斷專家系統(tǒng)研究
生式規(guī)則表示和感知器神經(jīng)元表示圖1 產(chǎn)生式規(guī)則(a)與感知器(b)產(chǎn)生式規(guī)則表示法也叫規(guī)則表示法，是專家系統(tǒng)中最常用的一種表示方法[2]。它具有統(tǒng)一的IF-THEN結(jié)構(gòu)，是最常用的知識表達(dá)方式，其規(guī)則形式如圖1a所示，其中C1,C2,…,Cm為規(guī)則前件，表示規(guī)則需滿足的m個條件，相互之間為“and”(并且)關(guān)系；R為規(guī)則后件，即滿足相應(yīng)的前提條件后產(chǎn)生的結(jié)論。對于多個前件之間或后件之間連接為“or”(或者)關(guān)系的規(guī)則，均可轉(zhuǎn)換為若干并集。感知器是一種具有單
原子能科學(xué)技術(shù) 2014年8期2014-08-08
- 基于感知器算法的維吾爾語詞性標(biāo)注研究
意義。本文使用感知器算法進(jìn)行維吾爾語的詞性標(biāo)注。目前基于感知器算法的模型在各個領(lǐng)域都表現(xiàn)出很好的性能，本文主要利用感知器算法的優(yōu)點(diǎn)，在進(jìn)行詞性標(biāo)注時利用詞的上下文信息作為特征，在維吾爾語詞性標(biāo)注中取得了好的效果。2 相關(guān)工作目前詞性標(biāo)注方法可分為3類： 基于規(guī)則的詞性標(biāo)注方法、基于轉(zhuǎn)換的錯誤驅(qū)動詞性標(biāo)注方法以及基于統(tǒng)計的詞性標(biāo)注方法。1) 基于規(guī)則的詞性標(biāo)注方法基于規(guī)則的詞性標(biāo)注方法首先由語言學(xué)家制定相應(yīng)的規(guī)則，在規(guī)則中使用大量的上下文信息來對詞性進(jìn)行判斷
中文信息學(xué)報 2014年5期2014-02-27
- 基于主成分分析的超聲人臉識別算法研究
ier）算法和感知器算法［6］對降維后的特征向量分類，進(jìn)行了100人的自由表情臉識別仿真實驗，識別正確率最高可達(dá)80%以上。1 超聲人臉識別1.1 基本原理依據(jù)多散射中心模型［7］，在超聲探測模式下，人臉可等效成一系列散射中心。不同人臉的多散射中心主要包括兩個方面的不同，散射中心相對位置和散射中心在超聲波激勵下頻率響應(yīng)特性。超聲人臉識別的主要思想是從回波中提取散射中心的相對位置信息，以及散射中心在超聲波激勵下頻率響應(yīng)信息，并通過有效地處理，從這些信息中提取
計算機(jī)工程與設(shè)計 2013年8期2013-09-11
- 瀝青路面抗滑性能神經(jīng)網(wǎng)絡(luò)預(yù)測模型研究
。本文利用模糊感知器網(wǎng)絡(luò)建立抗滑能力的預(yù)測模型，對抗滑指標(biāo)值進(jìn)行預(yù)測。1 神經(jīng)網(wǎng)絡(luò)理論原理人工神經(jīng)網(wǎng)絡(luò)是由大量被稱為神經(jīng)元的節(jié)點(diǎn)構(gòu)成的系統(tǒng)。典型的人工神經(jīng)元模型如圖1所示，具體算法如下：式中，θi為閾值；Wij稱為連接權(quán)系數(shù)；Yi=f（·）為變換函數(shù)。圖1 人工神經(jīng)元模型2 模糊感知器算法（權(quán)系數(shù)的計算）模糊感知器算法計算過程如下：a）定義樣本集合為D＝｛xm｝，m為總樣本個數(shù)‖D‖；b）給定初值：任取Wi（0）=λxi，其中λ＞0為適當(dāng)常數(shù)，xi為學(xué)習(xí)樣
交通運(yùn)輸研究 2013年10期2013-06-10
- 基于感知器神經(jīng)網(wǎng)絡(luò)的金屬磁記憶檢測管道缺陷分析
可能造成誤差。感知器神經(jīng)網(wǎng)絡(luò)(Perceptron Neural Network，PNN)是人工神經(jīng)網(wǎng)絡(luò)中的一種分類效果較好的方法［5］，文中將該模型用于管道缺陷檢測的識別分析。1 感知器神經(jīng)網(wǎng)絡(luò)的原理與方法1.1 感知器神經(jīng)網(wǎng)絡(luò)的基本原理感知器是前向型單神經(jīng)元的網(wǎng)絡(luò)，其網(wǎng)絡(luò)基本結(jié)構(gòu)如圖1。其中:ωi表示第i 個神經(jīng)元與感知器的連接權(quán)重;xi表示第i 個神經(jīng)元的狀態(tài)，i=1，2，…，n。感知器的外部輸入數(shù)據(jù)為研究對象的自變量指標(biāo)值，輸出為感知器的狀態(tài)值，由
機(jī)床與液壓 2013年9期2013-03-17
- 基于多層感知器的某礦職工呼吸系統(tǒng)的識別預(yù)測*
預(yù)測。1 多層感知器的神經(jīng)網(wǎng)絡(luò)的基本概念1.1 神經(jīng)網(wǎng)絡(luò)的基本概念人工神經(jīng)網(wǎng)絡(luò)(artificial neural networks，ANN)系統(tǒng)是20世紀(jì)70年代后出現(xiàn)的。它是由眾多的神經(jīng)元可調(diào)的連接權(quán)值連接而成的，具有大規(guī)模并行處理、分布式信息存儲、良好的自組織自學(xué)能力等特點(diǎn)。這由于神經(jīng)網(wǎng)絡(luò)具有這些特點(diǎn)，導(dǎo)致在信息處理、模式識別、智能控制及系統(tǒng)建模等領(lǐng)域得到越來越廣泛的應(yīng)用。尤其誤差反向傳播算法(Error Back-Propagation Train
九江學(xué)院學(xué)報(自然科學(xué)版) 2012年2期2012-12-03
- 帶遞歸單元的模糊感知器的δ-規(guī)則的有限收斂性
自然的方法是對感知器引入反饋連接,其學(xué)習(xí)和訓(xùn)練依舊以前傳為主,同時又包含反饋連接。這種網(wǎng)絡(luò)的反饋使其輸出不僅依賴當(dāng)前的輸入,還和上一時刻的輸出有關(guān),從而使網(wǎng)絡(luò)具有動態(tài)記憶能力。文獻(xiàn)[1-3]對最簡單的模糊神經(jīng)網(wǎng)絡(luò)即模糊感知器提出一種學(xué)習(xí)算法,并證明在一定條件下,該算法的有限收斂性。本文將對帶遞歸單元的模糊感知器的學(xué)習(xí)算法收斂性問題進(jìn)行研究。1 帶遞歸單元的模糊感知器網(wǎng)絡(luò)結(jié)構(gòu)及算法1.1 帶遞歸單元的模糊感知器結(jié)構(gòu)ζ(ξk)=g(max(W°ξk,λ∧ζk-
大連工業(yè)大學(xué)學(xué)報 2012年5期2012-09-25
- 基于多層感知器神經(jīng)元的空間柔性機(jī)器人位置跟蹤控制*
01)基于多層感知器神經(jīng)元的空間柔性機(jī)器人位置跟蹤控制*張文輝1，馬 靜2，高九州1(1.哈爾濱工業(yè)大學(xué)航天學(xué)院，哈爾濱150001；2.東北農(nóng)業(yè)大學(xué)工程學(xué)院，哈爾濱150001)針對基體位置及姿態(tài)均不受控的自由漂浮柔性空間機(jī)器人軌跡跟蹤問題，提出了一種前饋多層感知器(MLP)神經(jīng)網(wǎng)絡(luò)控制策略.建立了末端柔性的自由漂浮基機(jī)器人的耦合動力學(xué)模型，再利用MLP神經(jīng)網(wǎng)絡(luò)良好的逼近能力來自適應(yīng)補(bǔ)償非線性柔性臂的逆動力學(xué)模型，其誤差代價函數(shù)由PID控制器提供，權(quán)重及
空間控制技術(shù)與應(yīng)用 2011年1期2011-11-24
- 自動繅纖度控制要點(diǎn)總結(jié)
細(xì)微落細(xì)變化時感知器就能做出反應(yīng)，從而完成添緒任務(wù)；及時性是指絲條一落細(xì)就發(fā)出添緒信號，添緒完成則消除添緒信號；示值穩(wěn)定性是指絲條在整個纖度控制過程中，細(xì)限纖度一直保持穩(wěn)定狀態(tài)，不隨外界條件變化而產(chǎn)生變化，生絲纖度永遠(yuǎn)落在細(xì)限纖度至細(xì)限纖度加一粒新繭的繭絲纖度之間。一致性屬于緒間偏差問題，靈敏性、及時性、示值穩(wěn)定性屬于緒內(nèi)偏差問題。自動繅纖度控制就是要求絲條一旦產(chǎn)生落細(xì)就發(fā)出添緒信號，落細(xì)的標(biāo)準(zhǔn)要求每一緒都是統(tǒng)一值，機(jī)械根據(jù)落細(xì)信號進(jìn)行添緒，添緒完成則消除
絲綢 2011年1期2011-10-13
- 人工神經(jīng)網(wǎng)絡(luò)的方法及應(yīng)用初探
神經(jīng)網(wǎng)絡(luò)。4.感知器網(wǎng)絡(luò)4.1 感知器模型感知機(jī)模型由感知層S（Sensory）、連接層A（Assocation）、反應(yīng)層R（Response）三層構(gòu)成。圖1 形式神經(jīng)元模型4.2 感知機(jī)的結(jié)構(gòu)感知機(jī)是人們?yōu)榱搜芯看竽X的存貯、學(xué)習(xí)和認(rèn)識過程而提出的一種神經(jīng)網(wǎng)絡(luò)模型基本感知機(jī)是一個兩層網(wǎng)絡(luò)，分為輸入層和輸出層，每層可由多個處理單元構(gòu)成，輸入層單元接收外部輸入模式，并傳遞給相連的輸出層單元；輸出層單元對所有輸入值加權(quán)求和，經(jīng)閾值性傳遞函數(shù)產(chǎn)生一組輸出模式。通常
電子世界 2011年10期2011-06-02
- 帶遞歸的模糊感知器有限收斂性
2]提出了模糊感知器的一些學(xué)習(xí)算法；文獻(xiàn)[3]對0階Takagi－Sugeno推理系統(tǒng)的學(xué)習(xí)算法進(jìn)行了收斂性證明；文獻(xiàn)[4、5]對多層模糊感知器進(jìn)行了研究.具有遞歸環(huán)節(jié)的動態(tài)模糊神經(jīng)網(wǎng)絡(luò)可以解決靜態(tài)網(wǎng)絡(luò)無法處理的暫態(tài)問題.FRNN（模糊遞歸神經(jīng)網(wǎng)絡(luò)）通過在網(wǎng)絡(luò)輸入層中加入遞歸連接，使網(wǎng)絡(luò)具有動態(tài)映射能力，從而對動態(tài)系統(tǒng)有更好的響應(yīng).如果訓(xùn)練樣本線性可分，傳統(tǒng)的感知器算法能在有限步確定一個線性決策邊界，從而分離這兩類訓(xùn)練樣本[6、7].對于模糊感知器，文獻(xiàn)[
大連理工大學(xué)學(xué)報 2011年6期2011-05-31