导读:本文包含了记忆算法论文开题报告文献综述及选题提纲参考文献，主要关键词:深度学习,长短时记忆网络,智能控制,时间序列预测
记忆算法论文文献综述
涂建维,高经纬,李召,张家瑞[1]（2019）在《基于长短时记忆网络的结构智能控制算法研究》一文中研究指出为提高建筑结构智能控制的控制精度及稳定性,在长短时记忆(LSTM)网络理论基础上,提出一种基于深度学习的智能控制算法.通过构建深度学习框架,设计LSTM智能控制器,并将其性能测试结果与反向传播(BP)和径向基函数(RBF)神经网络控制器进行对比.以Benchmark模型为对象,分析了不同外部激励工况下LSTM智能控制器的泛化能力,并提出了基于结构响应的H_2范数评价指标.结果表明:BP和RBF神经网络框架的预测结果相比LSTM框架可能发生局部最优现象,且收敛精度较低;原输入工况下,LSTM控制器的误差为3.30×10~(-4),控制效果最高达65.0%;变激励工况下,LSTM控制器的响应峰值及H_2范数评价指标均优于BP和RBF神经网络控制器,说明LSTM智能控制器具有良好的控制和泛化性能.(本文来源于《华中科技大学学报(自然科学版)》期刊2019年12期）
段淑霞,段争光[2]（2019）在《基于四旋翼飞行器的自适应衰减记忆UKF姿态算法研究》一文中研究指出针对四旋翼飞行器的姿态估计问题,提出了一种自适应衰减记忆无迹卡尔曼滤波算法。利用四元数法完成姿态解算,同时为了抑制陀螺仪漂移导致的姿态误差,将陀螺仪的漂移输出扩增为状态变量的一部分,并以姿态角作为量测变量,建立滤波模型。在UKF算法的基础上引入衰减记忆滤波和自适应算法,解决了系统模型受到异常干扰时的精度下降问题,改善了滤波发散,提高了系统的鲁棒性和稳定性。仿真结果表明,与传统的UKF算法相比,该算法能有效地提高飞行器的姿态估计精度。(本文来源于《电子世界》期刊2019年22期）
童友波[3]（2019）在《基于协同神经网络的智能车行驶路径记忆算法优化》一文中研究指出传统智能车行驶路径记忆算法由于路径信息计算过程复杂,导致算法的效率较低,为此提出基于协同神经网络的智能车行驶路径记忆算法优化研究。使用传感器对智能车行驶路径图像信息进行采集,利用图像二值化方法对图像边缘信息进行获取,以其为基础,通过曲率计算公式对智能车行驶路径的曲率与转角信息进行计算,从而得到智能车行驶路径完整信息,采用协同神经网络最终完成对智能车行驶路径的记忆。通过实验得到,采用优化智能车行驶路径记忆算法的智能车在低速试跑时使用时间比采用传统算法的智能车少了1.8h,在竞速赛跑时使用时间比采用传统算法的智能车少了2.1h,充分说明优化的智能车行驶路径记忆算法具备更高的效率。(本文来源于《太原学院学报(自然科学版)》期刊2019年03期）
刘振,王亚蛟[4]（2019）在《一种记忆区间蚁群算法及其仿真分析》一文中研究指出针对传统蚁群优化算法的不足,结合区间概率和人类记忆的特征,提出一种具备记忆特征的区间蚁群算法。首先针对每条路径的信息素浓度都为固定值的局限性,将信息素推广到区间范围内,使蚂蚁路径的选择方式为区间概率,增大寻优过程中路径选择的多样性,其次对信息素的更新方式根据人类记忆特征,选择一定范围内的次优路径,分别利用长时记忆和短时记忆方法更新,提高信息素更新的多元化。对所提出的算法进行了收敛性分析,最后通过大量的仿真分析,并与其他相关算法对比分析,充分验证了算法良好的性能。(本文来源于《舰船电子工程》期刊2019年09期）
唐飞,沈琳琳[5]（2019）在《基于SVR的人脸记忆分数预测算法研究》一文中研究指出论文提出了一种基于SVR人脸记忆分数预测算法,其采用人脸的比例特征、双眼特征、眼嘴特征和HOG特征作为待研究人脸图像的特征,并用支持向量回归SVR对人脸特征数据进行回归,预测得到测试人脸的记忆分数,最后用斯皮尔曼等级相关系数和残差平方和对预测的人脸记忆分数和真实的记忆分数进行相关性分析和误差分析。实验结果表明,论文提出的模型是有效的,其斯皮尔曼等级相关系数ρ=0.4266,表征预测的记忆分数可信度较高;其残差平方Res=0.0067,则表征预测的记忆分数是准确可靠的。(本文来源于《计算机与数字工程》期刊2019年07期）
孙浩,韩立新,徐国夏[6]（2019）在《记忆驱动的空时相关滤波跟踪算法》一文中研究指出为解决目标跟踪中目标形变、遮挡等因素导致目标外观大幅度变化的问题,提出了记忆驱动的空时相关滤波跟踪算法。首先使用交叉熵公式度量前、后两帧模型的差异,以确定样本的置信度;然后通过置信度储存跟踪目标的外观记忆,并使用外观记忆对模型做时间上的约束,以增加跟踪模型的抗干扰性。基于公开数据集OTB2015进行算法性能测试,结果显示,所提出的目标跟踪算法的跟踪精度和跟踪成功率皆有所提升,尤其是对目标遮挡、形变类视频的跟踪效果提升显着。(本文来源于《中国科技论文》期刊2019年07期）
金礼伟[7]（2019）在《基于记忆遗传算法的海上风电场运维调度研究》一文中研究指出综合考虑海上风电场的多种因素,以海上风电场运维调度成本最低为优化目标,基于两种改进记忆遗传算法,求解运维队列。并以某海上风电场的实际数据为基础,模拟不同的运维场景,对传统记忆遗传算法和两种改进记忆遗传算法进行验证。(本文来源于《上海电气技术》期刊2019年02期）
赫明辉[8]（2019）在《深度学习长短期记忆算法和Monte Carlo方法的分析及应用》一文中研究指出近年来数字化进程发展迅猛,将各类信息数据化,能更好的发现其本质特点和变化规律。时间序列数据便是一类具有代表性的数据,对于大部分实际数据来说,由于所受影响因素众多,其往往是非线性的时间序列数据,所以对于非线性时间序列的预测问题的分析和研究是十分重要的。本文对Monte Carlo方法和长短期记忆算法进行了探讨和分析,对实验数据进行清理,并根据长短期记忆算法建立了一种预测非线性时间序列数据的模型,依据Monte Carlo方法的原理设置了预测效果的度量标准。首先,对Monte Carlo方法和长短期记忆算法的原理和优缺点进行探究,并对有监督机器学习中的过拟合问题产生的原因和相应解决办法通过结合实例的方式进行总结和分析。其次,对收集到的人口数据和股票数据进行预处理(异常数据的删除和填补、归一化),并结合平安银行股票数据的实例来展示数据清理过程中异常数据的处理方式,初步确定预测算法的Keras框架结构,并依据Monte Carlo方法的原理设定预测准确率的计算方式。最后,以一组随机生成的服从正弦分布的数据点来测试算法框架的实际预测效果。并对清理后的哈尔滨市历年人口数据应用不同结构的算法进行预测,通过对比不同结构的算法框架的预测效果来确定最终长短期记忆算法的框架结构,并对东风汽车股票和平安银行股票的5个特征数据进行预测分析和准确率的计算。本文的实证分析选取了2002年到2018年平安银行股票和东风汽车股票的每日数据,实证结果表明:结合了长短期记忆算法和Monte Carlo方法的预测框架,对于非线性的时间序列数据的预测有较好的效果,能够很好的学习数据的整体变化趋势和细节特征;通过Monte Carlo方法的原理来设置并计算的准确率,更加贴近数据的实际预测效果,有利于对算法框架内部参数进行调节。(本文来源于《哈尔滨工业大学》期刊2019-06-01）
周术鹏,靳松,吕天成,宋丽翠[9]（2019）在《基于并行蚁群记忆查找算法的网络重构》一文中研究指出为节省网络重构的计算资源,提高计算准确度,提出一种并行蚁群记忆查找算法。将前一次迭代得到的最小网损及其对应的网络结构记录到查找表中;若本次迭代计算时蚂蚁找到的结构在查找表中已存在,则通过查找表直接得出对应网损以跳过潮流计算,节约计算资源。在信息素积累阶段,对进程中的信息素浓度进行分步式处理,增加不同进程间的差异值,进而扩大并行蚁群算法的搜索范围,使算法不易陷入局部最优。结合实例,对该算法进行仿真分析,其结果表明了该算法的准确性和高效性。(本文来源于《计算机工程与设计》期刊2019年05期）
赵俭辉,董婷,蔡波[10]（2019）在《基于时空优化长短期记忆网络与烟花算法的AQI预测》一文中研究指出针对传统深度学习模型在预测空气质量指数(air quality index,AQI)时,难以从时间角度建模、网络超参数选取困难等问题,提出一种基于长短期记忆(long short-term memory,LSTM)网络和烟花算法(fireworks algorithm,FWA)的AQI预测模型LSTM-FWA。首先,以武汉市历史空气质量和气象监测数据为研究对象,利用LSTM网络中隐含层节点之间相互连接的结构特点,对空气质量的时间变化特征进行建模;接下来,考虑到种群多样性和并发性,将烟花算法应用到超参数组合优化问题中;最后,对模型输入分别进行时间、空间、时空角度的优化,实验结果表明基于时空优化的LSTM-FWA模型预测性能提升最为明显。将LSTM-FWA与其他预测模型进行比较,并全面分析不同模型在各种优化策略下的性能。实验结果显示,本文提出的时空优化LSTM-FWA模型对于AQI预测具有最优的性能。(本文来源于《武汉大学学报(理学版)》期刊2019年03期）
记忆算法论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对四旋翼飞行器的姿态估计问题,提出了一种自适应衰减记忆无迹卡尔曼滤波算法。利用四元数法完成姿态解算,同时为了抑制陀螺仪漂移导致的姿态误差,将陀螺仪的漂移输出扩增为状态变量的一部分,并以姿态角作为量测变量,建立滤波模型。在UKF算法的基础上引入衰减记忆滤波和自适应算法,解决了系统模型受到异常干扰时的精度下降问题,改善了滤波发散,提高了系统的鲁棒性和稳定性。仿真结果表明,与传统的UKF算法相比,该算法能有效地提高飞行器的姿态估计精度。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
记忆算法论文参考文献
[1].涂建维,高经纬,李召,张家瑞.基于长短时记忆网络的结构智能控制算法研究[J].华中科技大学学报(自然科学版).2019
[2].段淑霞,段争光.基于四旋翼飞行器的自适应衰减记忆UKF姿态算法研究[J].电子世界.2019
[3].童友波.基于协同神经网络的智能车行驶路径记忆算法优化[J].太原学院学报(自然科学版).2019
[4].刘振,王亚蛟.一种记忆区间蚁群算法及其仿真分析[J].舰船电子工程.2019
[5].唐飞,沈琳琳.基于SVR的人脸记忆分数预测算法研究[J].计算机与数字工程.2019
[6].孙浩,韩立新,徐国夏.记忆驱动的空时相关滤波跟踪算法[J].中国科技论文.2019
[7].金礼伟.基于记忆遗传算法的海上风电场运维调度研究[J].上海电气技术.2019
[8].赫明辉.深度学习长短期记忆算法和MonteCarlo方法的分析及应用[D].哈尔滨工业大学.2019
[9].周术鹏,靳松,吕天成,宋丽翠.基于并行蚁群记忆查找算法的网络重构[J].计算机工程与设计.2019
[10].赵俭辉,董婷,蔡波.基于时空优化长短期记忆网络与烟花算法的AQI预测[J].武汉大学学报(理学版).2019