简介:为了进一步优化神经网络算法,提高网络神经算法的速率并提高其稳定性,就现有BP算法所存在的收敛速度慢以及容易陷入局部极小值的弊病,我们将进一步通过一般改进算法解决在神经网络结构优化过程中依然无法解决的问题。依据遗传算法的特征,进一步在经过改进的压缩映射遗传的基础上提出了BP神经网络优化方案。泛函分析中压缩映射原理的应用,一方面解决了困扰人们的BP神经网络算法所固有的缺点,显著地提高了神经网络算法的收敛速度,而且解决了BP神经在运行的过程中和网络连接权值初值的取值紧密相连的缺点。经过大量的计算我们得到如下数据:经过优化改进后,训练时间节约了8.3%,训练步数降低了近17.4%。经过大量的研究实验表明:经过改进后的BP神经网络算法取得了良好的效果,十分具有应用价值。
简介:摘要网络性能预测是指以现有理论等为基础,来构造具有预测性的模型以实现对未来业务数据的推测和估计。本文按照电力营销系统的特殊架构,建立了基于神经网络的电力营销系统网络性能预测模型,构建了电力营销系统的网络特征信息集,并设定了网络性能预测的信息过滤规则。此外,基于构建的电力营销系统网络预测模型,进一步研发了电力营销系统流量过滤模块。通过OPNET网络仿真结果显示,基于神经网络的电力营销系统网络性能预测模型能够有效降低网络阻塞,提高网络使用效率。
简介:目的运用人工神经网络数据挖掘技术分析与浸润性膀胱癌患者预后有关的各种因素建立预测浸润性膀胱癌患者5年生存状态的预后模型,并与传统的Logistic回归分析比较评价其效果。方法收集从2006年1月至2009年12月在我院接受诊治的134例浸润性膀胱癌患者的资料。所采用数据挖掘技术为人工神经网络(ANN)。将所有病例分为两组:一组作为训练样本,不参与数据挖掘过程,共计27例;一组用于筛选变量及建立预测模型,参与数据挖掘过程共计107例。应用Logistic回归模型的相关评价指标来比较两种方法对于评价预后模型的准确度。结果T分期、肿瘤直径、是否有淋巴结转移、肿瘤单发及多发、手术方式、病理分级,6项指标均与浸润性膀胱癌患者的5生存状态相关(P<0.05)。ANN模型预测患者5年生存状态的准确率为85.18%、敏感度为57.14%和特异度为95.00%,Logistic回归模型的相关评价指标,准确率77.78%、敏感度44.44%、特异度94.44%。神经网络各项指标均优于Logistic回归模型。结论数据挖掘技术可从与浸润性膀胱癌患者预后相关的大量信息中挖掘出有意义的指标,并利用这些指标建立预测模型来判断患者5年后的生存状态。
简介:针对网络态势感知中的预测精度问题,提出了基于广义径向基函数(RBF)神经网络的网络安全态势预测方法。该方法利用K-means聚类算法确定RBF的数据中心和扩展函数,并采用最小均方算法调整权值,得出态势值前后之间的非线性映射关系,并进行态势预测。仿真试验表明,该方法能较准确获得态势预测结果,提高网络安全的主动安全防护。
简介:针对桥梁结构监测采集到的桥梁异常状态下长期积累演变的惊人数据量,提出了基于主成分分析与人工神经网络相结合的桥梁结构异常状态识别方法。布设多种类型传感器监测获取高维数据,采用主成分分析法对原始高维特征数据进行预处理,将结构异常特征变量的主成分作为人工神经网络的输入特征。该方法有效的降低了神经网络的结构复杂度,同时提高人工神经网络的训练速度,也保证了人工神经网络具有良好的收敛性和稳定性。应用于江苏南通如泰运河大桥和江苏无锡开源大桥的实际监测数据的结果表明,基于主成分分析的人工神经网络方法用于桥梁结构异常状态识别,与传统的神经网络以及其他模式识别算法相比,有更好的识别精度。
简介:讨论了一类递归神经网络算法的稳定性问题。给出了增广的Lyapunov-Krasovskii泛函,考虑了更多激活函数的信息。在Lyapunov-Krasovskii导函数中引入了自由权矩阵,降低了保守性,同时结合凸组合理论,处理了时变时滞,得到了以线性矩阵不等式形式的稳定性判定准则,此判定准则易于验证和推广。数值例子和仿真验证了文中方法的可行性。
简介:为了科学合理地对个人信用进行分级评价,本文提出了一种基于离散Hopfield神经网络的个人信用评价模型.由于离散Hopfield神经网络结构特征,使得其学习的过程可以演化到稳定状态,能够模拟生物神经网络的记忆机理,弱化评价中的人为因素,提高评价结果的准确性和权威性.同时借鉴美国FICO信用评分表的12个影响因素作为个人信用评价指标,把个人信用等级分为A,B和C三个等级,构建离散Hopfield神经网络个人信用评价模型.将3个待分类的个人指标数据进行仿真实验,结果表明该模型能够对个人信用进行有效的分级评价.