基于改进算法的多层神经网络的结构优化设计

简要地介绍了工程中应用较多的多层前向神经网络(BP网络)的结构和网络的设计．通过采用一种改进的训练算法(参考隐层的输出),并结合科学的样本选择方法(“超立方体”法)设计网络,进行网络训练．最后通过数字仿真证明了这个网络模型用于结构优化设计的有效性．     

基于深度学习的车辆异常事件检测研究

基于全连接神经网络以及在高速公路场景下采集的真实车辆数据,设计一种车辆异常事件检测方法。所设计的方法利用激光雷达检测出目标与车道线信息,经过计算组成具备时空特征的输入数据,在将目标数据制作成数据集后,利用神经网络进行训练并提取输入数据的多维度特征,实现车辆异常事件检测。之后利用异常事件检测的时间信息与激光雷达和视频相机的目标融合数据,在视频数据中进行事件取图并加以验证。所述方法的总体检出率为 97.11%,准确率为 97.10%,相关值均高于传统事件检测算法,且算法耗时与传统事件检测算法相比更少。试验证明相应方法能更快速、更准确地识别车辆异常事件。     

概率神经网络回归,判别与聚类

本文基于相同结构的概率神经网络，提出了使其具有回归、判别与聚类功能的不同权重学习算法以及通用变元最优选择方法。该网络具有结构和学习算法简单、收敛速度快、易于软件模拟实现等优点，并可方便地应用于预报、控制、决策等领域。     

基于BP神经网络的浙江省公路运输量的预测

本文在对浙江省公路运输量时序分析的基础上利用BP神经网络进行预测，得到了精确度很高的预测结果，改变了过去一直使用灰色预测、回归预测、指数平滑法等方法的局面，为浙江省公路运输量的预测提供了新方法。     

随机事件及其概率剖析

概率论与数理统计的研究对象是随机现象,而随机事件及其概率是概率论与数理统计的基础.通过对随机事件及其概率进行剖析,使学生进一步提高灵活运用概率的主要性质和计算公式进行相应事件的概率计算能力.     

基于广义回归神经网络的高速公路减速带行车风险检测模型

由于司机的错误可能会导致交通事故,如果能及时向司机提供建议,这种事故是可以避免的,如何检测驾驶风险是关键因素.首先,选择反应时间、加速度、初始速度、最终速度和速度差作为运动参数.方差分析结果表明,不同行驶状态下速度差异不显著,另外4个参数可以作为神经网络模型的输入变量,它们有15种不同的组合.检测模型结果表明,测试集的...     

基于粗糙集-AHP-BP神经网络预测事故概率

车辆运行受多种风险因素共同作用,通过对G4京港澳(K1510—K1841)事故数据分析,建立风险因素体系,并利用粗糙集、事故危险度对风险因素实现重要性度量,利用AHP分析法确定风险因素权重,并通过BP神经网络实现不同风险条件下事故概率预测,实验证明,AHP-BP神经网络是预测风险条件下事故概率的有效模型。     

公路交通事件检测技术的研究与展望

分析目前国内外交通事件检测技术和检测算法的发展现状,对交通事件检测技术所采用的人工检测技术和自动检测技术进行具体介绍,对基于各种检测原理的检测算法进行深入剖析,并阐述交通事件检测技术的应用。     

�¼�������������ģ�͵Ľ�������֤

在对概率神经网络(PNN)的分类机理、输入向量选取和网络设置分析的基础上，建立了用于识别两类事件模式(无事件模式和有事件模式)的事件检测PNN模型。采用高速公路路段Ⅰ-880实地线圈数据集和事件数据集验证模型，通过比较PNN模型与多层前向神经网络(MLF)模型的结果，发现无论对于向北、向南或混合方向的高速公路事件检测,PNN模型的检测率(DR)比MLF模型高；平均检测时间(MTD)比MLF模型短；但误报率(FAR)较高。概率神经网络是高速公路事件检测的一种有效算法，其在理论基础、算法和学习速度等方面比多层前向神经网络具有优势。     

RBF网络整定的PID控制器在发动机空燃比控制中的应用

传统的PID控制器很难适应复杂的非线性机械系统的控制,本文提出一种新型的用RBF网络整定的PID控制器来处理这类问题,并在发动机空燃比控制效果上与传统PID控制器进行了比较。仿真结果表明:该新型控制器控制效果比传统PID控制器好,在其他非线性复杂机械系统控制上也有一定的应用价值。     

自动事件检测算法的比较及评估

对现有的几种典型的高速公路事件自动检测算法的性能进行了评价,并给出各种算法的优缺点及比较评估标准,采用检测率(DR)和误报率(FAR)特征曲线及模拟退火算法进行了评价和优化,在比较、分析结果的基础上提出了智能检测算法的概念,并指出其今后的发展趋势。     

基于层次结构模型的RBF神经网络货运量预测方法

为了有效地进行交通货运量预测,通过对货运量影响因素的分析,建立了关于货运量影响因素的层次结构模型,并根据该模型构建基于RBF神经网络的货运量预测方法。用我国1985~2004年的货运量对该神经网络进行训练和预测,同时与BP神经网络预测方法进行比较。结果表明,该方法具有更快的运算速度和更高的精度,具有很好的预测能力和应用价值。     

脉冲时滞细胞神经网络周期解的存在性和指数稳定性

研究了脉冲时滞神经网络周期解的存在性和全局指数稳定性问题。运用控制压缩原理和Lyapunov函数建立了几个确保系统周期解存在和稳定的充分条件。有助于设计和应用CNN型生物和人工神经网络。数值实例验证了结论的正确性。     

A Statistical Parameter Analysis and SVM Based Fault Diagnosis Strategy for Dynamically Tuned Gyroscopes

Gyro's fault diagnosis plays a critical role in inertia navigation systems for higher reliability and precision. A new fault diagnosis strategy based on the statistical parameter analysis (SPA) and support vector machine (SVM) classification model was proposed for dynamically tuned gyroscopes (DTG). The SPA, a kind of time domain analysis approach, was introduced to compute a set of statistical parameters of vibration signal as the state features of DTG, with which the SVM model, a novel learning machine based on statistical learning theory (SLT), was applied and constructed to train and identify the working state of DTG. The experimental results verify that the proposed diagnostic strategy can simply and effectively extract the state features of DTG, and it outperforms the radial-basis function (RBF) neural network based diagnostic method and can more reliably and accurately diagnose the working state of DTG.     

Online sequential extreme learning machine based multilayer perception with output self feedback for time series prediction

This study presents a time series prediction model with output self feedback which is implemented based on online sequential extreme learning machine. The output variables derived from multilayer perception can feedback to the network input layer to create a temporal relation between the current node inputs and the lagged node outputs while overcoming the limitation of memory which is a vital part for any time-series prediction application. The model can overcome the static prediction problem with most time series prediction models and can effectively cope with the dynamic properties of time series data. A linear and a nonlinear forecasting algorithms based on online extreme learning machine are proposed to implement the output feedback forecasting model. They are both recursive estimator and have two distinct phases: Predict and Update. The proposed model was tested against different kinds of time series data and the results indicate that the model outperforms the original static model without feedback.     

基于神经网络的GPS高程拟合方法优选及精度分析

针对现有的几种神经网络GPS高程拟合方法,讨论了利用遗传算法(GA)、粒子群算法(PSO)优化BP神经网络权值和阀值的原理;结合分布较均匀、现势性较好的GPS和水准联测数据,试算了基于神经网络的GPS高程拟合.拟合结果表明:基于PSO算法优化的BP神经网络的拟合精度优于GA算法,误差相对更小.     

基于热图时序特征和PNN的孔洞缺陷红外无损检测方法

利用热图时序特征和PNN,提出了一种以像素为单位,实现缺陷红外无损检测的新方法。该方法首先采用红外热像仪获取加热试件在降温过程中的红外时序热图;其次,提取时序热图中正常和异常区域的灰度值,建立不同区域的灰度值与时间的关系,进而获得相应的初始特征;再次,采用主成分分析方法对初始特征进行提取,获得时序特征;最后,以时序特征作为训练样本,构建概率神经网络,实现孔洞缺陷检测。实验结果表明,正常区和异常区识别率分别可达到95%和85%。     

对时滞BAM神经网络脉冲上界的估计

研究了时滞双向联想神经网络的指数稳定性,集中讨论了脉冲对指数稳定性的影响。结果显示,若非脉冲DBAM系统全局指数稳定,即使状态在脉冲时刻被放大到某一较大范围,相应的脉冲系统也能保持其稳定特性。根据非脉冲系统的指数收敛度,对保持系统指数稳定的脉冲上界和脉冲间隔进行了估计。