期刊文献+
共找到6篇文章
< 1 >
每页显示 20 50 100
基于DPFNN的建筑项目敏感性分析理论研究及实践
1
作者 蔡睿 时玉发 黄爱平 《住宅产业》 2009年第10期71-73,共3页
建立建筑项目敏感性分析的人工神经网络模型。采用双并联前向神经网络(DPFNN)来确立建筑项目的主变量和评价指标之间的线性——非线性关系。给出模型输入数据的采集和整理方法以及模型的计算过程,为建筑项目敏感性分析提供一种新思路。
关键词 建筑项目评价 敏感性分析 dpfnn神经网络
在线阅读 下载PDF
基于DPFNN网络机载武器战备高温贮存环境预计
2
作者 郝宇君 蔡良续 +1 位作者 李贺 张建军 《环境技术》 2024年第8期28-34,共7页
由于机载外挂武器战备贮存时存在复杂的传热关系,为克服传热传质方程建模过程中对物性参数要求较高、求解困难等缺陷,准确预测极限环境条件下某型导弹舱内高温极值,提出一种基于DPFNN神经网络的机载外挂高温预计方法。以某型导弹为研究... 由于机载外挂武器战备贮存时存在复杂的传热关系,为克服传热传质方程建模过程中对物性参数要求较高、求解困难等缺陷,准确预测极限环境条件下某型导弹舱内高温极值,提出一种基于DPFNN神经网络的机载外挂高温预计方法。以某型导弹为研究对象,地表温度Te、大气温度Ta、大气相对湿度h、太阳辐射强度G为输入,建立DPFNN过程神经网络结构,为提加快收敛速度,提出参数独立自适应学习率的梯度下降算法PALA,建立某型导弹地面挂机时舱内温度预测模型,对比DPFNN与ANN、多元线性回归MLRM方法的泛化能力。基于DPFNN的温度预测模型能够根据连续三日环境条件的变化确预测舱内温度变化,最大绝对误差仅1.17℃,具有较好的泛化能力。基于DPFNN的过程神经网络温度预计模型具备准确预计机载外挂温度的能力,该方法可用于机载外挂贮存温度预计工作,为确定机载外挂贮存温度环境适应性要求与试验验证条件提供参考。 展开更多
关键词 过程神经网络 机载外挂 贮存环境 温度预计
在线阅读 下载PDF
双并联前向神经网络的误差分析 被引量:1
3
作者 何明一 《西北工业大学学报》 EI CAS CSCD 北大核心 1997年第1期125-130,共6页
分析了作者提出的双并联前向神经网络(DPFNN)有限精度实现的误差界,并给出多种有限精度运算实现的仿真结果。
关键词 神经网络 有限精度实现 误差分析 dpfnn
在线阅读 下载PDF
基于小波变换的双并联神经网络在混合气体浓度预测中的应用 被引量:4
4
作者 赵汉卿 戚金清 +2 位作者 王兢 征进 吴微 《传感技术学报》 CAS CSCD 北大核心 2010年第5期744-747,共4页
BP神经网络在混合气体浓度预测中得到广泛应用。针对BP神经网络收敛速度慢的特点,提出了一种新的基于小波变换的并列隐层双并联神经网络结构,这种网络首先对输入数据进行二维离散小波变换,然后用双并联神经网络对变换后两组数据进行训练... BP神经网络在混合气体浓度预测中得到广泛应用。针对BP神经网络收敛速度慢的特点,提出了一种新的基于小波变换的并列隐层双并联神经网络结构,这种网络首先对输入数据进行二维离散小波变换,然后用双并联神经网络对变换后两组数据进行训练,确定神经网络的权值和阈值。实验结果证明,相对传统的BP及双并联神经网络,基于小波变换的双并联神经网络的收敛速度加快2~3倍;对混合气体浓度的预测精度也有明显提高。 展开更多
关键词 气体传感器 浓度预测 双并联神经网络 小波变换
在线阅读 下载PDF
双并联神经网络在线梯度算法的收敛性
5
作者 王健 《淮海工学院学报(自然科学版)》 CAS 2012年第1期20-24,共5页
双并联前馈神经网络是一个单层前向网络和一个多层前向网络的并向联接,在实现线性映射的同时也能够反应非线性映射,尤其对于弱非线性问题效果更为明显。在线梯度算法是训练神经网络的一种常见、高效的训练算法。研究了双并联前馈神经网... 双并联前馈神经网络是一个单层前向网络和一个多层前向网络的并向联接,在实现线性映射的同时也能够反应非线性映射,尤其对于弱非线性问题效果更为明显。在线梯度算法是训练神经网络的一种常见、高效的训练算法。研究了双并联前馈神经网络在线梯度学习算法的确定性和收敛性,证明了误差函数单调性质,给出了双并联前馈神经网络弱(强)收敛性结果,即误差函数的梯度趋于零,权值序列收敛于固定点等结论。 展开更多
关键词 双并联前馈神经网络 单调性 梯度法 收敛性
在线阅读 下载PDF
How to choose an appropriate transfer function in designing a simplest ANN to solve specific problems 被引量:2
6
作者 吴佑寿 《Science China(Technological Sciences)》 SCIE EI CAS 1996年第4期369-374,共6页
How to irmrporate certain constraints known a prion into the transfer function to redure thenumber of hidden units of an MFNN in solving some specific probems is disussed. The N-bit parity andsymmetrical problems are ... How to irmrporate certain constraints known a prion into the transfer function to redure thenumber of hidden units of an MFNN in solving some specific probems is disussed. The N-bit parity andsymmetrical problems are used as examples and the derivation of the transfer function based on the a privriknowledge of the input patterns is given. It is shown that by use of the method proposed, only onc hiddenunit is needed in solving the parity and symmetry test problems. 展开更多
关键词 PARITY problem NEURAL NETWORK transfer functions FEEDFORWARD NEURAL network(FNN) double parallel FEEDFORWARD NEURAL network(dpfnn)
原文传递
上一页 1 下一页 到第
使用帮助 返回顶部