公共文化服务平台

搜索到3252篇“ 广义回归神经网络“的相关文章

粒子群算法优化的广义回归神经网络求解流形学习样本外点问题: 2024年; 目前流形学习已成功应用于降维和数据可视化领域,但在监督分类中的应用效果并不理想,解决好样本外点问题对其应用效果至关重要。基于此,采用粒子群算法优化广义回归神经网络计算测试样本的低维嵌入,获得的结果可直接用于分类。借助粒子群算法的全局搜索能力对处理样本外点问题具有较好的预测性能;在使用糖尿病、虹膜和声呐三个公开数据集的实验中,粒子群算法优化广义回归神经网络的分类总体精度分别为77.63%、100%和88.89%,优于其他8种分类方法,表明该算法可行、有效;同时,该算法能显著降低数据复杂度,提高了预测、模式分类和机器学习的准确性。; 黄红兵; 关键词：粒子群算法广义回归神经网络流形学习数据降维

基于改进贝叶斯优化广义回归神经网络的多光谱辐射测温反演方法: 本发明公开了一种基于改进贝叶斯优化广义回归神经网络的多光谱辐射测温反演方法，包括以下步骤：对红外多光谱图像序列进行预处理，并将预处理后的数据与目标真实温度对应起来，构建为数据集；建立用于目标测温区域真实温度回归反演的广义...; 秦翰林代杨杨硕闻徐郁盛张栩培海斌耿金妮李瑞昀

基于粒子群优化广义回归神经网络和D-S证据理论的电网分区故障诊断方法: 基于粒子群优化广义回归神经网络和D‑S证据理论的电网分区故障诊断方法，通过改进图形分割法将大电网划分为相互重叠的不同子网；将保护和断路器的故障报警信息作为训练样本，通过训练每个子网的粒子群优化广义回归神经诊断模型，建立每...; 邹红波宋璐

优化广义回归神经网络的土体冻胀率预测方法: 本发明公开了基于K折交叉验证和粒子群算法优化的广义回归神经网络模型(K‑PSO‑GRNN)的土体冻胀率预测方法，旨在通过改进的GRNN模型解决土体冻胀率预测问题，属于冻土研究领域。所述方法包括如下步骤：步骤1、分析影响冻...; 王冲蔡虹红孟凡硕谢良杨智杰李双洋

基于广义回归神经网络的反光目标全场三维轮廓测量方法: 本发明公开了基于广义回归神经网络的反光目标全场三维轮廓测量方法包括内盒体，包括：通过投影仪投影并由工业相机拍摄所有相移条纹图像与格雷码条纹图像，之后分析得到测量目标的展开相位；根据预设的阈值判断展开相位区分亮度饱和区域与...; 杨延西韩叔桓邓毅李昕杰

一种基于广义回归神经网络的三维边界层网格生成方法: 本发明属于仿真环境下网格生成技术领域，具体涉及一种基于广义回归神经网络的三维边界层网格生成方法，包括训练数据和链接关系的获取及预处理，对采用生成算法生成的三维边界层网格数据进行提取，获取节点间的链接关系，并得到训练数据集...; 张兵陈佳俊

一种基于改进广义回归神经网络的GIS局放模式识别方法: 本发明公开了一种基于改进广义回归神经网络的GIS局放模式识别方法，可以同时监测GIS的多个气室，通过对所监测的气室进行编号，采集气室内的局部放电信息，通过滤波、降噪等数据预处理之后，能够提高数据的可靠性，将处理后的有效信...; 蒲彩霞林钰杨威李佳杰李茜张安安

基于木材振动特性的月琴声学品质广义回归神经网络预测模型: 2024年; 泡桐木始终是制造乐器谐振元件的重要材料,对乐器的音质有着重要的影响。采用广义回归神经网络(General Regression Neural Network,GRNN)建立基于共鸣板振动性能的月琴音质评价模型。以制造出的9把月琴为研究对象,根据月琴的音质评价以及制备月琴的共鸣板信息,提出月琴音质的预测模型。在180组数据中,随机抽取135组数据进行训练,其余45组数据进行验证。使用主成分分析方法、GRNN建立月琴声学质量评价模型,并进行仿真预测。结果表明,基于共鸣板的振动特性,利用Matlab仿真可以实现对月琴音质的预测,预测的准确率可达到91.41%。此外,研究还表明,泡桐木共鸣板的动态弹性模量、声辐射阻尼系数、弹性模量、剪切模量比、声阻抗,损耗角正切和声转化率等参数均是影响其制备成品月琴声学质量的重要因素。; 杨扬; 关键词：广义回归神经网络声学品质木材民族乐器

广义回归神经网络修正GNSS垂向坐标时间序列环境负荷效应: 2024年; 环境负荷通常会引起GNSS垂向坐标时间序列发生非线性变化,对其影响进行精细改正是GNSS坐标时间序列研究中的一项重要内容.传统的物理模型环境负荷改正方法在模型建立与参数求解等过程中需引入部分简化与近似,导致改正不够精细.本文引入数据驱动的广义回归神经网络(Generalized Regression Neural Network,GRNN)方法改善环境负荷修正效果.以川滇地区GNSS测站的垂向坐标时间序列为研究对象,首先基于变分贝叶斯独立分量分析(Variational Bayesian Independent Component Analysis,vbICA)技术分离坐标序列,分析得到周期性分量,发现大气及陆地储水负荷是引起测站坐标发生季节性变化的重要原因.然后通过GRNN建立与大气及陆地储水相关的环境因素数据和坐标时间序列数据之间的关联,进而消除坐标时间序列中两种环境负荷的影响.经数据驱动的GRNN建模修正大气及陆地储水负荷影响后,各测站坐标残差序列的RMS值平均降低了21.56%,而采用传统的物理模型方法修正后平均降低幅度仅为9.29%,可认为基于GRNN方法的改正效果更好.另外顾及地下温度、冰浓度、比湿、降雨率四种气候因素的影响建立GRNN模型,结果表明地下温度因素对川滇地区GNSS测站垂向坐标影响稍大.; 高菡匡翠林楚彬; 关键词：环境负荷广义回归神经网络数据驱动

一种基于广义回归神经网络的机械臂振动控制方法及系统: 本发明公开一种基于广义回归神经网络的机械臂振动控制方法及系统，具体包括以下步骤：S1：采集工业机器人机械臂末端位移实时数据；S2：根据机械臂末端位移历史数据构建振动控制模型并进行训练更新；S3：将S1中采集的工业机器人机...; 肖雪高莎艾思岐唐萍峰边俊华

加载更多 ∨

相关作者

用户反馈

相关作者

用户登录

用户反馈