搜索结果: 1-15 共查到“小波网络”相关记录30条 . 查询时间(0.497 秒)
中国科学院计算机网络信息中心先进网络部在毫米波网络传输性能测量及分析中取得新进展(图)
中国科学院计算机网络信息中心 先进网络部 毫米波网络 传输性能 Computer Communications
2022/7/22
上诉人王益平因与被上诉人祖昆波网络购物合同纠纷一案,不服上海铁路运输法院(2018)沪7101民初1131号民事判决,向本院提起上诉。本院于2019年3月11日立案后,依法组成合议庭进行了审理。本案现已审理终结。
为了尽可能准确预测城市未来的需水量,以上海市为例,对年用水量的9个相关因子进行主成分分析,得到两个综合因子。将两综合因子与用水量的历史数据一起作为输入项,建立一种小波网络模型,以1980~2005年的数据为训练样本,采用引入了附加动量项和自适应学习率的BP算法进行模型率定,并以2006~2008年的数据对模型进行了检验。结果表明:所建模型结构简洁,收敛速度与预测精度均较为理想,在城市需水预测中有着...
ERP实施绩效的小波网络智能诊断
企业资源计划(ERP) 智能诊断 分类小波网络 共轭梯度法
2010/2/21
企业为了达到ERP 项目既定的目标,需要不断调整或重新策划ERP项目,必须定期对ERP的实施绩效进行诊断。提出了一种基于小波网络的ERP绩效智能诊断方法,在最小均方能量准则下,采用相应的共扼梯度学习算法求解子波函数线性组合的尺度和时延参数,以及神经网络的权值,通过实例应用给出了基于小波网络ERP绩效智能诊断的算法。
短期电力负荷预测的灰色-小波网络组合模型
灰色-小波网络 短期电力负荷预测 组合模型
2009/12/10
短期电力负荷数据具有离散、无规则波动的特点,先利用灰色预测弱化其波动性,然后将负荷原始检测数据与其相对应的灰色预测数据进行重构后作为小波网络的训练样本,在此基础上建立基于灰色-小波网络组合模型的短期电力负荷预测新方法。该方法有效整合了灰色理论、小波分析和人工神经网络的优点,与传统BP网络相比,收敛速度更快,预测精度更高。仿真试验表明了该方法用于短期电力负荷预测的可行性和有效性。
研完了l心电信号的非平稳过程特性,从时问序列建模角度分析动态0电数据表示模型和压缩算法。采用小波网络作为建模工具,将原始一电数据映射为小波网络的网络参数作为数据重构信息,给出压缩/重建的实验结果并分析讨论 研究表明,小波网络压缩算法继承了小波变换和神经网络的优点,具有较好的压缩性能.
基于优化遗传小波网络的混沌时间序列预测
小波神经网络 遗传算法 混沌
2009/9/18
研究利用小波神经网络(WNN)预测混沌时间序列。提出了一种改进的小波神经网络训练算法,该方法融合了遗传算法和梯度下降算法两种方法,在遗传算法中嵌入梯度下降算法以解决遗传算法不具有的细节搜索能力,对遗传算法训练后的小波网络再次利用梯度下降算法寻找最优点。对Henon映射混沌时间序列的预测证明了该方法的有效性,实验结果表明该算法能确保小波网络收敛和具有较高的预测精度。
基于自联想小波网络的汽轮发电机组故障诊断
小波变换 故障诊断 自联想
2009/7/30
针对电厂汽轮发电机组故障诊断问题,将小波变换和自联想神经网络结合构造了一个多层的自联想小波网络故障诊断系统。在输入层对振动信号进行二进离散小波变换,提取其在多尺度下的细节系数作为故障特征向量,根据这些特征向量进行自联想网络的学习,用学习过的自联想网络诊断故障。将该方法成功地应用于汽轮发电机组故障诊断,实验仿真结果表明,该方法优于常规的BP网络方法:某些单一故障的识别率提高了31.2%,综合故障的识...
小波网络和RBF网络的抗噪语音识别
语音识别 RBF神经网络 小波神经网络
2009/7/9
针对目前在噪音环境下语音识别系统性能较差的问题,利用小波神经网络融合了小波变换良好的时频局域化性质和RBF神经网络具有最佳分类能力和辨识能力等特性。构建了一个用小波基替代RBF网络中激活函数的小波-RBF神经网络结构,并采用全监督训练算法,实现了基于小波-RBF网络的抗噪语音识别系统。实验结果表明该系统比RBF网络具有更好的识别效果,尤其在噪声环境下,具有更强的鲁棒性。
一种自适应脊波网络模型
函数逼近 神经网络 脊波网络
2009/6/4
将脊波理论和神经网络相结合,采用具有方向信息的脊波函数作为隐层神经元的激励函数,提出一种自适应脊波网络模型.由于脊波表征高维信息的稳定性和逼近线型奇异性的稀疏性,脊波网络能够以更小的网络规模逼近广泛的多变量函数类型.相对固定的脊波变换它具有更灵活的结构、快速并行的处理速度以及强容错性和鲁棒性.仿真结果也证明了其有效性.
一种新的方向多分辨脊波网络
脊波框架 方向多分辨 脊波网络
2009/5/27
基于脊波框架理论,提出一种新的采用脊波神经元的方向多分辨脊波网络.由于脊波的方向多分辨特性,此网络能精确描述方向性的结构信息,为高维数据提供了一种更稳定的方式,对于某些具有空间奇异性的数据具有最佳表示.由于使用脊波框架作为其构造的数学基础,它还具有构造简单、结构灵活的优点.给出了网络的构造和学习算法,并从理论上分析了其逼近性质,讨论了其在回归和模式识别中的应用.
A type of wavelet neural network, in which the scale function is adopted only, is proposed in this paper for non-linear dynamic process modelling. Its network size is decreased significantly and the...
基于有偏小波网络的非线性时间序列分析
有偏小波网络 偏倚函数 非线性时间序列
2009/3/2
针对小波网络计算过程中出现大量冗余的特点,提出一种有偏小波网络模型。该模型在网络中添加一个偏倚层,通过自适应调整参数,增加自由度,减少计算冗余,同时采用基于多分辨率的初始化框架,加快了收敛速度,提高了计算精度。仿真计算表明,有偏小波网络能够反映非线性时间序列的内在特性,得到较好的径流预报结果,是一种有效的非线性建模方法。
基于小波网络动态补偿的广义预测控制器
小波网络 预测控制 模型失配
2008/12/24
由于广义预测控制器依赖于表征过程的线性模型,没有考虑未建模误差的影响,随着
预测长度的增加,其预测误差也增大.因此,提出用小波网络建立误差的预测模型,并对模型预
测进行动态补偿,以抑制模型失配的影响,增强鲁棒性.仿真结果表明了算法的有效性.