公共文化服务平台

搜索到5282篇“ 粗糙神经网络“的相关文章

一种基于大规模多目标演化的深度模糊粗糙神经网络预测方法: 一种基于大规模多目标演化的深度模糊粗糙神经网络预测方法，先构建深度模糊粗糙神经网络；再针对该神经网络建立多目标优化问题；再设计大规模多目标演化算法并对优化问题进行迭代演化；最后将最优解带入深度模糊粗糙神经网络，得到最优模...; 曹斌赵海行

基于粗糙神经网络的刮板输送机智能调速策略研究: 2024年; 综采工作面“智能化+装备”是实现煤矿综采智能化关键技术之一,刮板输送机作为综采工作面的核心装备,其智能控制对实现整个综采过程的智能化至关重要。刮板输送机智能调速系统是一个复杂的多变量非线性系统,各变量之间存在耦合关系,且缺乏有效的智能调速策略。针对上述问题,基于粗糙集和门控循环神经网络,提出一种基于RS-MSGRU神经网络的刮板输送机智能调速方法。首先应用粗糙集特征约简方法对影响刮板输送机速度调节的特征参数进行约简;然后引入比例指数线性单位激活函数构建多层门控循环神经网络模型(MSGRU);最后,基于粗糙集和MSGRU构建RS-MSGRU刮板输送机智能调速模型,并通过实验进行验证。实验结果表明:RS-MSGRU模型准确率高达95.8%,比现有LSTM和GRU模型准确率提高了5.97%和4.02%,能够有效调节刮板输送机的运行速度。; 李斌陈金拴贺炳伟; 关键词：粗糙集刮板输送机

基于粗糙神经网络的低维冗余非结构化数据快速挖掘算法: 2024年; 为了更好地优化挖掘效率、减小挖掘误差、减少挖掘响应时间,根据非结构化数据特点,在粗糙集策略的基础上,利用粗糙神经网络对低维冗余非结构化数据进行挖掘过程优化。建立基于粗糙神经网络的非结构化数据清洗模型,提取低维冗余非结构化数据特征,挖掘支持量计算并输出。实验结果表明,经过所提算法优化后的挖掘效果,在整体效率、响应速度和挖掘精度上均表现出色,能够满足实际应用要求,解决了误差偏大、效率偏低问题。; 张晓荣薛鹏程李岩; 关键词：粗糙神经网络非结构化

一种基于粗糙神经网络的配电网单相接地故障诊断方法: 本发明公开了一种基于粗糙神经网络的配电网单相接地故障诊断方法，包括：根据JP柜内终端设备采集的数据和模拟故障数据提取故障特征信息并进行离散化，综合采用小波分析法、有功分量法、五次谐波法三种方法，分别计算故障判据并离散化，...; 钟沅均刘仙萍宁璐瑶张美琪肖华根

基于粗糙神经网络的采煤机-刮板输送机协同调速方法研究: 综采智能化是煤矿智能化开采技术发展的重要方向，采煤机与刮板输送机的协同控制是实现综采装备智能化和综采工作面无人化的前提。本文以蕴含着丰富采煤机与刮板输送机协同控制策略和运行逻辑的综采装备历史运行数据为基础，研究采煤机-刮...; 赵娇娇; 关键词：采煤机刮板输送机控制策略粗糙神经网络

基于粗糙神经网络的用户轨迹数据深度挖掘被引量：3: 2021年; 利用目前方法对用户轨迹数据深度挖掘时,没有提取用户轨迹特征,存在终点预测精度低、系统模型鲁棒性低和系统模型命中率差的问题。于是提出基于粗糙神经网络的用户轨迹数据深度挖掘方法,通过对用户行为的影响因素进行分析与处理,获取用户轨迹数据特征,利用粗糙集简化数据获取挖掘规则;构建用户轨迹数据模型,采用聚类方法对规则数据产生的增长维数进行消减,最后确定模型输入,划分输入空间,为每个模糊划分选择合适的函数,完成用户轨迹数据深度挖掘。实验结果表明,通过对系统模型进行终点预测精度测试、鲁棒性对比测试和命中率对比测试,验证了该方法具有准确性高、可靠性高的特点。; 秦泽浩赵理; 关键词：粗糙神经网络粗糙集聚类

一种粗糙神经网络的Simulink仿真研究: 2020年; 本粗糙神经网络由三层构成,其输入层由上下两个经典神经元构成的粗糙神经元组成,并与隐层之间为全连接,隐层与输出层也为全连接,用离散并约简后的一对输入向量的边界值作为输入向量。对于这种粗糙神经网络,利用Simulink工具进行了仿真,并详细叙述了整个建模过程,用经典实例进行了验证,实例表明本建模工具能够快速准确地处理复杂的粗糙神经网络问题,并且参数设置也比较方便。; 常志玲赵旭鸽; 关键词：变精度粗糙集神经网络 SIMULINK

粗糙神经网络数据挖掘技术在大型医疗设备故障预警中的应用研究被引量：29: 2020年; 目的:探讨粗糙神经网络的数据挖掘技术故障预警方法,为大型医疗设备智能预警提供参考。方法:采用数据挖掘技术基本原理、粗糙集理论及其约简方法,建立粗糙神经网络,收集2017年10月至2019年5月医院呼吸机使用中的267次故障报警事件资料,制定故障因素采集方法,从设备使用环境因素、电气因素和气路因素进行数据采集,搭建粗糙神经网络,并使用训练后的粗糙神经网络搭建设备故障预警平台。结果:使用训练后的反向传播(BP)神经网络对测试集进行测试,测试集潮气量异常、空压机故障、自检报警、氧浓度偏差过大、无法送气、低压报警和密闭性无法通过识别率分别为81.7%、76.2%、89.6%、90.2%、83.6%、93.2%和82.1%,故障总识别率为85.2%;使用训练后的粗糙神经网络搭建预警平台,当预警值取0.41时医疗设备故障预警准确率为91.0%。结论:通过挖掘故障模式与故障因素的潜在关系,设备故障模式能较好的得到识别,同时可准确对各故障进行预警,为医疗设备故障监测与智能预警提供参考。; 陈艳王琪王佳庆蒋佳旺李林献; 关键词：粗糙神经网络数据挖掘故障预警智能预警故障监测

基于粗糙神经网络的数据挖掘技术在大型医疗设备故障预报警的探讨与研究: 目的探讨基于粗糙神经网络的数据挖掘技术故障预警方法，为大型医疗设备智能预警提供参考.方法采用数据挖掘技术基本原理、粗糙集理论及其约简方法，建立粗糙神经网络，收集2017 年 10 月至 2019 年 5 月医院的 2...; 陈艳; 关键词：粗糙神经网络数据挖掘故障预警智能预警故障监测

相关作者