基于神经网络的数字广播信号无线定位算法(英文)

为了提高非视距(NLOS)环境下无线定位的准确性和可靠性,提出了一种利用数字广播信号进行移动台定位的神经网络方法.该方法利用神经网络的学习特性和逼近任意非线性函数的能力,建立到达时间(TOA)和到达时间差(TDOA)测量数据与坐标之间的映射关系.将神经网络的连接权值作为非线性动态系统的状态量进行估计,用基于扩展卡尔曼(EKF)的实时神经网络训练算法来训练多层感知器网络.由于基于EKF的训练算法给出的是连接权值的近似最小方差估计,其收敛性要优于误差反向传播(BP)算法.仿真结果表明,该算法在NLOS环境下有较高的定位精度,性能优于BP基的神经网络算法和最小二乘算法;且该定位方法不依赖于特定的NLOS误差分布,也无需视距(LOS)和非视距识别.     

基于多agent的认知型自主学习策略模型

本文主要研究基于多agent的认知型自主学习策略模型（MACIS）。本模型建立在智能计算机辅助教学系统模型（ICAI）基础上,通过多agent之间的互相协作完成学习任务,并运用人工神经网络（ANN）中的反向传播算法（BP）,结合认知理论,建立能反映学生学习水平和认知能力的认知型自主学习策略模型。     

误差反向传播神经网络（BP网络）算法的启发式改进

本文主要研究了人工神经网络中误差反向传播神经网络（BP网络）的算法及学习规则,并针对BP网络算法不具有动态信息处理能力,提出了算法的启发式改进。     

基于GPS/GPRS/GIS的公交智能调度

引入基于GPS/GIS/GPRS技术以及遗传最优算法的公交调度管理系统,通过车辆的监控采样、GPRS的网络数据传输、监控中心的算法分析,得出一个最优的公交运营方式,不仅节省成本,还可以基本缓解人们坐公交拥挤的局面。     

基于改进粒子群神经网络的电力电子电路故障诊断

粒子群优化（PSO）算法是基于群智能的全局优化技术,它通过粒子间的相互作用,对解空间进行智能搜索,从而发现最优解。本文对基本粒子群算法进行改进,并将改进粒子群优化算法与误差反向传播（BP）算法结合起来构成的混合算法用于训练人工神经网络,对电力电子电路故障进行在线诊断。仿真结果表明,改进PSO-BP算法有效地解决常规BP算法学习网络权值和阈值收敛速度慢、易陷入局部极小等问题,具有较快的收敛速度和较高的诊断精度。     

BP神经网络研究及其地学应用

误差反向传播学习网络是目前运用最广、实现途径最直观的一种神经网络,而且是已知的非线性映射能力最强的一种神经网络模型之一。它在模式识别、知识发现、模式分类等方面具有很强的功能。在地学研究中,误差反向传播学习网络模型可以很好地模拟致矿地质因素与成矿的复杂非线形映射关系。     

深度神经网络的快速学习算法

通过分析传统的多层感知器和反向传播算法的不足,设计了一个全新的网络结构SC-MLP和提出了与之对应的全新的学习算法NBP,主要是实现权值的模和固定,这样可以加速训练的速度.在高维数据分类的实证分析中,以手写数字数据库为例,构建了一个深度神经网络,并对比各种训练算法.实验表明,NBP学习算法对于深度神经网络具有良好的学习效果,明显优于传统的反向传播算法,并且在精度上与深度学习算法相当,但是速度快.     

智能推荐场域中主流意识形态的传播风险及其应对

智能推荐算法作为信息分发的新范式，促进了海量信息和个性需求之间的精准对接。目前，智能推荐算法凭借数字图绘、智能反馈、数据追踪和社群传播等优势，可以有效提升主流意识形态传播的精度、效度、厚度和广度。与此同时，智能推荐算法带来的把关转移、黑箱现象、过滤气泡和平台优先等问题，也可能造成主流意识形态在传播过程中出现话语权弱化、引领力疲软、权威性消解以及认同度降低等风险。为了有效化解智能推荐场域中主流意识形态的传播风险，可以通过引领算法、驯化算法、规制算法、驾驭算法等策略协同联动，构建主流意识形态的传播路径，让智能推荐算法更好地为主流意识形态传播服务。     

长释放时间间隔优先调度算法及其可调度性分析

针对混合任务实时调度的需求和现有混合任务实时调度算法的局限性,提出了一种长释放时间间隔优先的混合任务实时调度算法LRIF,该算法采用固定优先级和动态优先级相结合的调度策略,根据非周期性软实时任务作业到达流分布,将一定比例的软实时任务作业当作硬实时作业调度,除了可对周期性硬实时任务提供调度保证外,同时还可确保非周期性软实时任务的可调度率.还提出了LRIF调度算法的可调度性分析方法,并讨论了LRIF调度算法的实现方法.测试结果表明:LRIF调度算法具有更好的调度性能,可有效调度由周期性硬实时任务和非周期性软实时任务构成的混合实时系统.     

改进粒子群优化神经网络的高压断路器故障诊断

在分析传统误差反向传播(BP)算法和标准粒子群优化(PSO)算法的特征及其问题基础上,提出一种改进粒子群优化(MPSO)算法和改进BP(MBP)算法,建立基于MPSO-MBP混合算法的高压断路器神经网络故障诊断模型.通过训练样本和测试样本的仿真对比分析,该方法能够实现高压断路器不同故障的有效诊断,提高高压断路器故障模式的识别能力,故障诊断准确率高、速度快.     

一种前馈神经网络算法

神经网络由于其非线性处理能力强。性能稳定等特点得到了广泛应用和研究。主要应用于模式识别、信号处理、知识工程、专家系统、优化组合、机器人控制等。神经网络中使用最为广泛的就是前馈神经网络。其网络权值学习算法中影响最大的就是误差反向传播算法(back-propagation简称BP算法)BP算法存在局部极小点。收敛速度慢等缺点。基于优化理论的Levenberg-Marquardt算法忽略了二阶项。该文讨论当误差不为零或者不为线性函数即二阶项S(W)不能忽略时的Hesse矩阵的近似计算，进而训练网络。     

贪心算法在智能导检中的应用研究

基于贪心算法建立可靠的智能导检路径优化模型,依据预测多个检查项目的体检顺序及时间节点信息,优化健康体检时间.将2021年3月份江苏省中医院体检中心的体检数据作为初始数据样本,经过数据清洗最终选择29126条数据作为研究对象,利用最小二乘法拟合数据构建体检客户到达率与时间的函数关系,将误差平方和(SSE)及R-squar...     

基于模拟退火遗传算法的公交区域调度研究

采用模拟退火算法和遗传算法相融合,建立公交区域调度中行车计划生成的模型,创建目标函数,将模拟退火算法应用于遗传算法的交叉、变异过程中,对模型进行求解,并用实际的运营数据对模型进行了验证,结果表明,此方法是可行且有效的。     

预测模型的BP神经网络的实现与改进

提出基于反向传播网络预测模型的设计方法，并针对反向传播网络算法的不足之处给出权重调整BP算法，其方法收敛速度快，预测精度高，抗噪能力强，较好地反映了参数之间复杂的非线性关系，为工业生产中数据分析、数值模拟与科学预测提供了良好方法。     

基于BP神经网络的异常入侵检测方法

提出一种基于BP神经网络的异常入侵检测方法,由于BP神经网络是一种基于误差反向传播算法的多层前馈神经网络,具有对不确定性的学习与适应能力,可以很好的满足入侵检测分类识别的需求.对“KDD Cup 1999 Data”网络连接数据集进行特征选择和标准化处理之后用于训练神经网络并仿真实验,得到了较高的检测率和较低的误报率.仿真实验表明,基于BP神经网络的入侵检测方法是有效的.     

基于遗传算法-多智能体的FMS刀具在线调度

为了解决静态调度和传统动态调度的缺点,提出一种基于多智能体的FMS刀具调度管理模型,进行刀具分配和回收的智能管理。文章定义模型智能体之间的交互逻辑,以刀具交换次数最小化为目标,建立刀具动态调度的数学模型,并针对该模型,设计相应的遗传算法。通过一个特定的刀具调度问题的优化,结果表明该遗传算法优化结果好于一般的启发式算法,消耗时间远低于隐枚举法,是多智能体调度模型理想的动态调度算法。     

一种改进的基于加权模式的BP算法

反向传播算法（BackPropagation）是一种有监督神经网络学习算法,但原始算法收敛速率慢,训练过程易陷入局部极小值,精度不高等问题．文中提出了一种加权和引入参数改进的神经网络BP算法,某种程度上克服了以上缺点．对文中的改进算法用VC平台编程,并利用真实数据,对大学生就业能力进行了预测．实验表明,改进算法有效,也为高校解决大学生就业能力提供了决策支持．     

考虑驾驶员舒适度的纯电动公交柔性调度优化

为克服公交调度优化模型中纯电动公交车受续航里程约束、未考虑驾驶员舒适度的不足,提出了人-车固定模式的纯电动公交车柔性调度优化方法。采用休憩时长为衡量驾驶员舒适度的指标,将保证驾驶员舒适度产生的负面边际效应量化为延误成本,以公交企业总成本最小为目标构建优化调度模型,引入改进的粒子群算法求解。改进算法通过调整粒子群算法的位置和更新机制解决传统粒子群算法易陷入局部极值的问题,进一步提高算法精度。实验结果表明,柔性调度优化方法能有效降低公交企业的总运营成本,具有一定的实用性。     

基于SLA的云计算资源智能调度实验设计

为了更好地提高云计算资源的利用率,设计了基于服务等级协议(ServiceLevel Agreement,SLA)的云计算资源智能调度实验,从分配成本、迁移成本和违约成本三方面构造了云计算资源智能调度的成本函数,并将蝙蝠算法应用到云计算资源智能调度过程中,进行资源智能调度寻优,达到资源调度代价最小的目的。最后通过CloudSim云平台进行模拟仿真,结果表明该实验方法明显优于传统的粒子群调度算法,在执行成本、资源利用率方面都有很大改进,提高了云计算系统的资源调度能力,是一种有效的调度方法。     

智能算法下淮河文化传播体系构建策略研究

大数据、人工智能技术的发展,推动了全球新一轮科技变革。基于人工智能的算法推荐技术作为一种新型传播方式被广泛应用在新闻传播领域。构建淮河文化传播体系的新生态需要依靠大量数据的分析和处理,算法推荐技术可以通过对数据的挖掘和分析,提供有关淮河文化传播的实时情报和分析报告;算法推荐技术还可以通过数据驱动、个性化的推荐等策略,提升淮河文化传播的效率和效果,帮助传播者更好地理解受众的需求,并制定更具针对性的传播策略,促进淮河文化的传承和开发,推动淮河文化产业的发展。