搜索结果: 1-15 共查到“管理学 神经网络”相关记录115条 . 查询时间(0.287 秒)
基于BP神经网络的云服务质量评价
云服务质量 质量评价 服务选择 BP神经网络
2017/5/10
在云计算蓬勃发展的今天，云服务呈现飞跃式发展，如何从大量功能类似但服务质量各异的云服务中选择最佳云服务已成为企业用户面临的首要问题。本文以企业需求和云服务特征为切入点，构建了云服务质量评价指标体系，建立了BP神经网络云服务质量评价模型。实证研究结果表明：网络输出与期望输出之间的误差可以达到目标要求，评价模型具有较高的可行性和合理性，能够为企业用户选择最佳云服务提供决策参考和建设性意见。
青岛大学经济学院经济预测与决策课件第12章 神经网络预测法。
轨迹预测在打乒乓球机器人击球的过程中具有十分重要的作用, 轨迹预测的准确性关系到击球的成败. 因击球时, 非光滑的接触面对乒乓球产生摩擦力, 使乒乓球产生了旋转并对乒乓球的飞行轨迹产生了一定影响, 造成轨迹预测的不准确. 在对旋转球进行受力分析的基础上, 详细讨论了不同旋转模式下Magnus 力对乒乓球飞行轨迹的影响, 并设计了两个模糊神经网络分类器, 分别对左右旋和上下旋的飞行轨迹进行分类. 发...
针对时变输入/输出过程神经网络的训练问题，提出一种基于混沌遗传与带有动态惯性因子的粒子群优化相结合的学习方法。综合利用粒子群算法的经验记忆、信息共享和混沌遗传算法的混沌轨道遍历搜索性质，基于PNN训练目标函数，构建两种算法相混合的进化寻优机制，通过适应度评估和优化效率分析自适应调节混沌遗传与粒子群算法的切换，实现网络参数在可行解空间的全局优化求解。实验结果表明，该算法较大提高了PNN的训练效率。
针对一类单变量非线性离散时间系统，提出一种零阶接近有界的多模型神经网络自适应控制器。该控制器包含一个非线性鲁棒自适应控制器和一个非线性神经网络自适应控制器。当系统非线性项放宽到零阶接近有界时，这两个控制器分别用于保证系统的稳定性和提高系统的性能，系统的控制输入由切换机构在两个控制器之间进行切换产生。最后给出了稳定性和收敛性证明，并通过仿真实验验证了该控制器的有效性。
基于UKF 和神经网络的一类非线性系统状态估计
模型未知 神经网络 不敏卡尔曼滤波
2014/11/17
在模型未知的情况下, 估计过程的重要变量尤为重要. 鉴于此, 采用不敏卡尔曼滤波(UKF) 与神经网络相结合的方法, 解决一类未知模型非线性系统的状态估计问题. 采用动态神经网络对非线性系统进行建模, 利用UKF 对状态和权值进行同时更新, 从而达到神经网络逼近真实模型, 估计值跟随真实值的目的. 通过两个仿真实例表明了所提出的方法具有良好的估计效果, 并且状态在输出中的比重越大, 其估计精度越高...
基于Hopfield 神经网络的污水处理过程优化控制
Hopfield 神经网络 约束优化 能量消耗 出水水质
2014/11/17
针对前置反硝化污水处理过程的优化控制问题, 提出一种基于拉格朗日乘子法的Hopfield 神经网络优化方法. 构造了污水处理过程约束优化问题的数学表达式, 通过Hopfield 神经网络优化计算生化池第5 分区溶解氧浓度和第2 分区硝态氮浓度的设定值, 并采用PID 控制器实现底层的跟踪控制. 基于国际标准的Benchmark 基准仿真平台进行仿真实验, 结果表明污水处理系统在出水关键水质达标的基...
光伏发电功率的预测是光伏发电规划和运行的基础,因而受到越来越多的重视。文中提出了FCM相似日聚类与智能算法相结合的光伏阵列功率短期预测模型。该方法的思路是首先通过分析影响光伏阵列输出功率的主要因素,对历史数据与预测日气象环境进行模糊分类,并筛选出相似度高的子集作为样本,以提高预测样本的质量;然后通过神经网络映射出特征空间与光伏功率之间的复杂关系,并用贝叶斯理论对神经网络参数进行优化,提高网络的泛化...
非线性系统RBF神经网络多步预测控制
预测控制 RBF 神经网络 L-M 算法 滚动优化
2014/7/21
针对较强非线性的控制问题, 提出一种以RBF 神经网络为模型的多步预测控制方法. 构建多步预测模型, 并给出预测误差关于控制序列的雅可比矩阵的计算方法. 利用Levenberg-Marquardt(L-M) 算法设计滚动优化策略, 过误差修正参考输入的方法实现了反馈校正, 证明了控制系统的稳定性. 仿真结果表明所提出的控制方法效果较好.
基于LuGre 摩擦模型的机械臂模糊神经网络控制
LuGre 摩擦 模糊神经网络 自适应控制
2014/7/21
针对未知摩擦非线性会使机械臂控制精度难以提高的缺陷, 建立基于动态LuGre 摩擦的机械臂模型. 在系统参数未知和机械臂负载变化的情况下, 设计一种自适应模糊神经网络控制器, 采用基函数中心和宽度均自适应变化的模糊神经网络补偿器, 实现对系统中包括LuGre 摩擦在内的非线性环节的逼近, 并利用滑模控制项减小逼近误差. 通过Lyapunov 方法证明了闭环系统的稳定性, 并通过仿真结果验证了所提出...
基于FCM与神经网络的案例推理方法
模糊C均值 神经网络 案例推理
2014/10/11
目前有关案例推理(CBR) 的研究主要集中在案例检索方面, 对案例库构造方法的研究则较为少见, 而好的案例库, 既可以提高案例检索效率, 又可以保证较好的检索准确率. 鉴于此, 针对CBR中的案例库进行研究, 引入模糊?? 均值方法去除原案例库中的冗余案例, 从而实现对神经网络-案例推理方法的改进. 最后通过对UCI 数据进行的仿真实验表明了改进后的案例推理方法无论在案例检索精度还是在案例检索速度...
基于混合进化算法的RBF神经网络时间序列预测
进化算法 梯度下降法 非线性时间序列预测
2014/10/9
提出一种基于梯度下降法的混合进化算法, 用于确定径向基函数(RBF) 神经网络结构和优化其参数. 在进化算法中嵌入梯度下降算子, 对每一代中若干个精英个体以一定概率利用梯度下降法进行搜索, 以加强算法的局部搜索能力. 利用混合进化算法对RBF 网络结构和参数同时进行训练和优化, 对网络节点数和参数进行混合编码. 仿真实验结果表明该RBF 网络具有较强的泛化能力.
基于神经网络的聚氯乙烯汽提过程自适应解耦控制
动态模糊神经网络 解耦控制 神经网络
2014/10/9
聚氯乙烯汽提过程具有高度非线性和时变性等特点, 是一类复杂的非线性工业过程. 首先基于动态模糊神经网络建立了数据驱动的聚氯乙烯树脂(PVC) 汽提过程的被控对象模型; 然后采用一种神经网络分散式解耦控制器对汽提过程进行解耦, 得到浆料流量-塔顶温度和蒸汽流量-塔底温度两个单变量系统; 最后采用BP 神经网络PID 控制器对系统进行控制. 仿真实验结果验证了所提出集成控制策略的有效性.
基于在线减法聚类的RBF神经网络结构设计
RBF神经网络 结构设计 在线减法聚类
2014/10/9
以设计最小径向基函数(RBF) 神经网络结构为着眼点, 提出一种在线RBF 网络结构设计算法. 该算法将在线减法聚类能实时跟踪工况的特性与RBF 网络参数学习过程相结合, 使得网络既能在线适应实时对象的变化又能维持紧凑的结构, 有效地解决了RBF 神经网络结构自组织问题. 该算法只调整欧氏距离距实时工况最近的核函数,大大提高了网络的学习速度. 通过对典型非线性函数逼近和混沌时间序列预测的仿真, 表...