导读:本文包含了改进的神经网络模型论文开题报告文献综述及选题提纲参考文献，主要关键词:绝对瓦斯涌出量,因子分析法,BP神经网络,仿真预测
改进的神经网络模型论文文献综述
马晟翔,李希建[1]（2019）在《改进的BP神经网络煤矿瓦斯涌出量预测模型》一文中研究指出为提高煤矿绝对瓦斯涌出量预测的可行性与准确性,将因子分析法与BP神经网络方法相结合,提出一种改进的BP神经网络预测方法。使用因子分析法对13个煤矿绝对瓦斯涌出量影响因素的原始数据进行降维数据处理,得到3个公共因子;以3个公共因子代替原有13个煤矿绝对瓦斯涌出量影响因素作为BP神经网络的输入层参数,建立因子分析法与BP神经网络法相结合的煤矿绝对瓦斯涌出量预测模型。选取实例数据对改进的BP神经网络预测方法进行验证,最终验证结果:15组训练样本预测值与实际值的相对平均误差为1.39%,证明训练完成的改进BP神经网络模型具有良好的拟合效果;5个预测样本的相对误差均小于2.25%,证明改进的BP神经网络预测模型具有良好的预测准确性。(本文来源于《矿业研究与开发》期刊2019年10期）
闫春,厉美璇,周潇[2]（2019）在《基于改进的遗传算法优化BP神经网络的车险欺诈识别模型》一文中研究指出为了提高BP神经网络在保险欺诈识别中的准确率,利用改进的遗传算法优化BP神经网络初始权重,以克服BP神经网络容易陷入局部极小点、收敛速度慢以及样本依赖性等问题的缺点。改进的遗传算法充分考虑了遗传算法中种群适应度的集中分散程度,并且非线性地自适应调节遗传算法的交叉概率与变异概率。同时为了加快寻优效率,将排序选择策略与最优保存策略相结合。以某保险公司汽车保险历史索赔数据为样本,采用该算法进行模拟和预测。实证结果表明:相比于IAGA-BP、GA-BP、BP叁种算法,该识别算法在识别准确率上有很大提高。(本文来源于《山东科技大学学报(自然科学版)》期刊2019年05期）
孙臣生[3]（2019）在《基于改进MATLAB-BP神经网络算法的隧道岩爆预测模型》一文中研究指出针对岩爆预测这一地下工程领域中的世界性难题,通过总结和阐述众多学者关于岩爆影响因素、预测方法和判别准则的相关研究成果,引用围岩最大主应力σ_(max),切向应力σ_θ,单轴抗拉强度σ_t、单轴抗压强度σ_c,点荷载强度Is和σθ/σc,σc/σt,以及隧道埋深h,冲击倾向性指数Wet这9个主要预测关联性指标,在收集国内外典型岩爆地下工程基于现场地应力监测数据资料的条件下,以非线性科学理论为指导,建立考虑以上9个关键性预测指标的BP神经网络改进预测模型,并利用工程实例对模型进行验证。研究结果表明:改进算法模型实现了非线性理论和网络分析法之间的有机结合,避免了普通算法存在的网络性收敛速度慢容易陷进局部最小点等运行缺陷,该预测模型分析较复杂结构具有明显优势;改进算法模型预测结果与现场实际情况相符,这可以为今后类似隧道及地下工程施工的岩爆风险预测及评估提供一定的借鉴和指导作用。(本文来源于《重庆交通大学学报(自然科学版)》期刊2019年10期）
胡伟,胡亚威,杨枫[4]（2019）在《基于改进花朵授粉算法的风电预测神经网络模型》一文中研究指出针对常规Elman神经网络容易陷入局部最优、泛化能力不足等缺点,提出一种将花朵授粉算法和Elman神经网络相结合的风电预测新方法。采用逻辑自映射函数构建混沌序列,将混沌变量映射到问题的解空间,使缺乏变异机制的花粉粒集具有较强的自适应能力,有效地防止算法后期最优解趋同的现象;利用变换系数动态收缩自变量范围,降低算法陷入局部极值的概率,使算法的搜索效率得到有效提高。结合预测需求和网络特征,对花粉粒参数进行编码,确定Elman神经网络的最佳权值和阈值。算例分析表明,所提出的风电预测神经网络模型在保证概率预测精度的条件下能达到较好的预测效果,为短中期风电功率预测提供了一种可行的解决思路。(本文来源于《系统管理学报》期刊2019年05期）
冯明皓,张天伦,王林辉,陈荣,连少静[5]（2019）在《改进的弹性网模型在深度神经网络中的应用》一文中研究指出由于具有较高的模型复杂度,深层神经网络容易产生过拟合问题,为了减少该问题对网络性能的不利影响,提出一种基于改进的弹性网模型的深度学习优化方法。首先,考虑到变量之间的相关性,对弹性网模型中的L1范数的不同变量进行自适应加权,从而得到L2范数与自适应加权的L1范数的线性组合。其次,将改进的弹性网络模型与深度学习的优化模型相结合,给出在这种新正则项约束下求解神经网络参数的过程。然后,推导出改进的弹性网模型在神经网络优化中具有群组选择能力和Oracle性质,进而从理论上保证该模型是一种更加鲁棒的正则化方法。最后,在多个回归问题和分类问题的实验中,相对于L1、L2和弹性网正则项,该方法的回归测试误差可分别平均降低87.09、88.54和47.02,分类测试准确度可分别平均提高3.98、2.92和3.58个百分点。由此,在理论和实验两方面验证了改进的弹性网模型可以有效地增强深层神经网络的泛化能力,提升优化算法的性能,解决深度学习的过拟合问题。(本文来源于《计算机应用》期刊2019年10期）
张涛,杨剑,宋文爱,郭雁蓉[6]（2019）在《改进卷积神经网络模型设计方法》一文中研究指出针对现有卷积神经网络模型参数量大、训练耗费时间的问题,提出一种网络串联和并联共用的方法,使用较小的卷积核和较多的非线性激活减少参数量的同时增加网络特征学习能力,提出尺度归一化池化层取代全连接层,避免全连接层参数过多容易导致过拟合的问题,改进后的模型支持训练任意尺寸的图片。实验结果表明,提出方法减少了大量的参数和训练消耗的时间,有效提升了算法的效率。(本文来源于《计算机工程与设计》期刊2019年07期）
胡伟,杨枫[7]（2019）在《基于改进花朵授粉算法的风电预测神经网络模型》一文中研究指出针对常规Elman神经网络容易陷入局部最优、泛化能力不足等缺点,提出一种将花朵授粉算法和Elman神经网络相结合的风电预测新方法。采用逻辑自映射函数构建混沌序列,将混沌变量映射到问题的解空间,使缺乏变异机制的花粉粒集具有较强的自适应能力,有效地防止算法后期最优解趋同的现象;利用变换系数动态收缩自变量范围,降低算法陷入局部极值的概率,使算法的搜索效率得到有效提高。结合预测需求和网络特征,对花粉粒参数进行编码,确定Elman神经网络的最佳权值和阈值。算例分析表明,所提出的风电预测神经网络模型在保证概率预测精度的条件下能达到较好的预测效果,为短中期风电功率预测提供了一种可行的解决思路。(本文来源于《系统管理学报》期刊2019年04期）
袁颖,谭丁,于少将,李杨,韩冰[8]（2019）在《基于贝叶斯正则化改进BP神经网络的页岩气有机碳含量预测模型》一文中研究指出页岩气总有机碳(TOC)含量是评价岩性气藏的关键指标,受复杂地质及岩心采集等多种因素的影响,常规室内测试分析获得的TOC含量的数据有限且结果有失准确。为合理准确预测页岩气TOC含量,本文首先通过对页岩气储层TOC含量测井资料综合分析选取8条测井曲线,并结合主成分分析法(Principal Component Analysis,PCA)提取四个主成分;其次基于贝叶斯正则化(Bayesian Regularization)改进的BP神经网络方法建立页岩气TOC含量预测的BR-BP模型;最后利用该模型对研究区A区页岩气TOC含量进行预测,并与常规的LM-BP神经网络模型的预测结果进行对比。结果表明:BRBP模型有较强的非线性拟合能力,能够真实地反映出页岩气TOC含量与各测井参数之间的非线性关系,其模型预测结果与实际值基本吻合,与常规的LM-BP神经网络模型相比,其数据敏感性增强,预测精度有所提高,该研究方法具有一定的理论意义和参考价值,为我国TOC含量预测提供了一种新的技术方法和手段。(本文来源于《地质与勘探》期刊2019年04期）
钟小樟[9]（2019）在《基于改进的BP神经网络模型的防洪堤安全综合评价》一文中研究指出针对全线监控堤防工程难度较大且失事后果严重等问题,文章从承灾体、孕灾环境及致灾因子3个层面选择24项具有代表性评价指标,构建了半结构性多目标、多层次的防洪堤安全综合评价体系。然后利用突变理论优化改进了BP神经网络,其中网络输入层参数为突变理论归一化处理后的指标值,中间层数值采用试错法确定,并以防洪堤安全综合评价值作为BP神经网络的输出层。以汀江防洪工程为例综合评价了其防洪堤安全,为进一步验证改进的BP网络的准确性与有效性,对比分析了层次分析、主成分分析与改进的网络模型评价结果。研究表明:改进的BP网络不仅具有简单实用、鲁棒性较强等优点,而且能够综合考虑防洪堤安全各因子之间的矛盾关系,可为堤防工程安全控制提供一定决策依据。(本文来源于《黑龙江水利科技》期刊2019年06期）
李志鹏,张智瀚,王睿,陈堂贤[10]（2019）在《基于变分模态分解和改进鲸鱼算法优化的模糊神经网络风速预测模型》一文中研究指出风速预测在风电场安全并网和智能化管理中起着决定性作用,针对风速的非线性和不稳定等特点,提出了一种基于变分模态分解(VMD)和改进鲸鱼算法优化的模糊神经网络(VMD-CGWOA-ANFIS)的混合预测模型。该模型首先使用变分模态分解技术将原始风速序列分解为一系列子序列,而后对各子序列分别采用模糊神经网络(ANFIS)建立预测模型。为进一步提高预测精度,同时克服鲸鱼(WOA)算法容易陷入局部最优和收敛过早的缺点,引入共轭梯度算法(CG)对WOA进行改进,利用改进的CGWOA算法对ANFIS参数进行优化。使用优化后的ANFIS分别对变分模态分解后的各子序列进行预测,最后将预测后的各子序列迭加得到最终预测结果。为测试模型的有效性,选择宁夏地区3组实际风电数据进行模拟试验,将ANFIS,VMD-ANFIS,VMD-WOA-ANFIS与提出模型进行对比,结果表明所提出的混合模型预测精度明显高于其他对比模型。(本文来源于《电力与能源》期刊2019年03期）
改进的神经网络模型论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
为了提高BP神经网络在保险欺诈识别中的准确率,利用改进的遗传算法优化BP神经网络初始权重,以克服BP神经网络容易陷入局部极小点、收敛速度慢以及样本依赖性等问题的缺点。改进的遗传算法充分考虑了遗传算法中种群适应度的集中分散程度,并且非线性地自适应调节遗传算法的交叉概率与变异概率。同时为了加快寻优效率,将排序选择策略与最优保存策略相结合。以某保险公司汽车保险历史索赔数据为样本,采用该算法进行模拟和预测。实证结果表明:相比于IAGA-BP、GA-BP、BP叁种算法,该识别算法在识别准确率上有很大提高。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
改进的神经网络模型论文参考文献
[1].马晟翔,李希建.改进的BP神经网络煤矿瓦斯涌出量预测模型[J].矿业研究与开发.2019
[2].闫春,厉美璇,周潇.基于改进的遗传算法优化BP神经网络的车险欺诈识别模型[J].山东科技大学学报(自然科学版).2019
[3].孙臣生.基于改进MATLAB-BP神经网络算法的隧道岩爆预测模型[J].重庆交通大学学报(自然科学版).2019
[4].胡伟,胡亚威,杨枫.基于改进花朵授粉算法的风电预测神经网络模型[J].系统管理学报.2019
[5].冯明皓,张天伦,王林辉,陈荣,连少静.改进的弹性网模型在深度神经网络中的应用[J].计算机应用.2019
[6].张涛,杨剑,宋文爱,郭雁蓉.改进卷积神经网络模型设计方法[J].计算机工程与设计.2019
[7].胡伟,杨枫.基于改进花朵授粉算法的风电预测神经网络模型[J].系统管理学报.2019
[8].袁颖,谭丁,于少将,李杨,韩冰.基于贝叶斯正则化改进BP神经网络的页岩气有机碳含量预测模型[J].地质与勘探.2019
[9].钟小樟.基于改进的BP神经网络模型的防洪堤安全综合评价[J].黑龙江水利科技.2019
[10].李志鹏,张智瀚,王睿,陈堂贤.基于变分模态分解和改进鲸鱼算法优化的模糊神经网络风速预测模型[J].电力与能源.2019