注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. ENN theory

  2. 用遗传算法优化神经网络权重，通过像遗传算法的变异，交叉和遗传来训练参数，从而得出最优的解。相比于传统的梯度下降法，他可以得到更优的解，但是对计算机并行运算能力要求更高。

  3. 所属分类：深度学习

    • 发布日期：2018-07-04
    • 文件大小：676kb
    • 提供者：weixin_39960221

  1. 大数据下的机器学习算法综述.pdf

  2. 大数据下的机器学习算法综述，介绍利用大数据做机器学习的常用算法ordan Little bootstraps Boot frap ordan 4 4.1 4.2 Kol- Tucker Memory -Efficient Tucker Decomposition MET MET densed Nearest Neighbor CNN R duced nearest neighbor RnN Ed MET ted Nearest Neighbor ENN Wahba h 10 Regularize

  3. 所属分类：机器学习

    • 发布日期：2019-07-16
    • 文件大小：319kb
    • 提供者：hejx1213

  1. 耦合神经网络在瓦斯涌出量动态预测中的应用

  2. 为了更有效、准确地对煤矿瓦斯涌出量进行预测,保障煤矿生产安全,提出了一种基于改进果蝇算法(MFOA)优化Elman神经网络(ENN)的智能动态预测方法.首先,利用主成分分析法(PCA)对煤矿瓦斯涌出量监测数据进行降维处理;其次,引入果蝇算法以改进的自适应搜索步长进行搜索,以此实现对ENN网络参数的全局寻优,从而建立基于MFOA-ENN的煤矿瓦斯涌出量动态预测模型,并对预测效果进行了验证.实验结果表明:MFOA-ENN模型的平均相对变动值为0.003 7、均方根误差为0.102 6、平均相对误差为

  3. 所属分类：其它

    • 发布日期：2020-04-29
    • 文件大小：953kb
    • 提供者：weixin_38623707

  1. 基于WPA-SFLA算法的瓦斯突出预测方法

  2. 针对煤矿工作面瓦斯突出系统的非线性、复杂性、不确定性等特点,提出了狼群-蛙跳算法与Elman神经网络结合的耦合方法用于煤与瓦斯突出的非线性映射.依据预测残差方差比检验策略确定动态训练样本集,可实时的对Elman网络权值、阈值寻优,建立了基于狼群-蛙跳最优估计的瓦斯突出预测模型,并结合矿井监测数据进行实例分析.试验结果表明:采用动态的训练样本和网络结构建立的狼群-蛙跳与ENN模型跟踪能力好,收敛速度快,有效地实现了瓦斯突出危险性预测.

  3. 所属分类：其它

    • 发布日期：2020-06-11
    • 文件大小：830kb
    • 提供者：weixin_38638596

  1. EKF-ENN算法在瓦斯涌出量预测中的应用

  2. 针对瓦斯涌出量的多影响因素预测问题,提出将扩展卡尔曼滤波算法与Elman神经网络有机结合并应用于瓦斯涌出非线性系统的动态辨识.带有整定因子的EKF滤波器通过实时对网络的权值、阈值进行全局寻优,建立基于EKF-ENN耦合算法的绝对瓦斯涌出量预测模型,利用矿井监测到的各项历史数据进行预测试验.研究结果表明:该模型的预测平均相对误差为1.67%;平均相对变动值ARV为0.000 768 1.EKF优化后的Elman神经网络预测模型相比于其他预测模型,具备更高的预测精度与更强的泛化能力.

  3. 所属分类：其它

    • 发布日期：2020-06-28
    • 文件大小：835kb
    • 提供者：weixin_38572979

  1. 基于IGSA-ELM模型的回采工作面瓦斯涌出量预测

  2. 针对现有煤矿回采工作面瓦斯涌出量预测方法存在的预测时间较长,预测精度不高的问题,提出了用IGSA优化ELM神经网络的瓦斯涌出量预测模型。将优选策略和粒子的记忆、信息交换功能引入万有引力搜索方法,利用IGSA对ELM神经网络的网络隐含层节点数进行寻优,利用自相关系数法筛选出回采工作面瓦斯涌出量的8个主要影响因素,建立基于IGSA-ELM算法的瓦斯涌出量预测模型,并结合矿井监测到的历史数据进行实例分析。试验结果表明:经IGSA优化后的ELM神经网络瓦斯涌出量预测模型与PSO-ELM神经网络、ACC-

  3. 所属分类：其它

    • 发布日期：2020-07-16
    • 文件大小：203kb
    • 提供者：weixin_38741317

  1. 基于改进小波-Elman神经网络算法的蜂窝网流量预测

  2. 对于在现代蜂窝网资源管理中，动态信道资源和能源效率控制技术的提升，很大程度依赖于早期精准的监测和对蜂窝基站流量的预测。分析基站流量数据，主要通过有效提取基站间隐含的时空信息进行流量预测。在本文中，我们通过对华北某大城市的实测数据，进行了基于时空关联性的分析，采用k-NN算法，获取蜂窝网基站间的时间相关性，选择合适的移动窗口大小，并结合了小波-Elman神经网络（ENN）算法来实现流量预测。最后，通过量化蜂窝网流量预测的准确度，并与先前存在的其他方法进行对比，得出了本文提出的方法有优越性。

  3. 所属分类：其它

  1. 基于情感神经网络的风电功率预测

  2. 风力发电功率预测对于风能并网具有重要意义。采用一种可用于复杂系统和模式建模的新型神经网络——情感神经网络，对风力发电功率进行预测。为防止ENN在训练时陷入局部最优解，提出采用遗传算法对其进行训练。采用预测误差的均方根和标准差衡量预测准确性、稳定性，对ENN性能进行了检验。结果表明，相比于人工神经网络、支持向量机和自滑动回归模型，ENN能够获得更高的预测准确率和预测可靠性。

  3. 所属分类：其它

    • 发布日期：2021-01-19
    • 文件大小：797kb
    • 提供者：weixin_38655284