导读:本文包含了反向传播神经网论文开题报告文献综述及选题提纲参考文献，主要关键词:叁相电流,神经网络,持续失流,断续失流
反向传播神经网论文文献综述
郭文翀,蔡永智,冯小峰,韦晓明,危秋珍[1]（2019）在《基于反向传播神经网络的失流故障智能识别研究》一文中研究指出为解决传统方法识别主网电流失流故障准确率低的问题,本文提出了一种基于反向传播神经网络的失流故障智能识别方法。本文利用反向传播的神经网络算法,通过梯度下降的方式反向修正各层权值,使网络输出误差达到可以接受的程度,从而达到对失流故障识别具有很好的自学习自适应能力的目的。首先根据对主网失流故障特征的研究,将失流故障分为持续失流与断续失流两种,构造对应指标,综合所有指标构建失流故障特征提取体系,最后建立反向神经网络来拟合失流故障提取体系。对数据进行识别,建立专家样本库,利用反向神经网络进行离线训练,训练完成后固定权值用于失流故障识别,从而准确输出失流故障事件。经实例验证,所提方法在识别准确率和识别效率优于一般分类识别方法,可实现失流故障的就地识别。(本文来源于《电力大数据》期刊2019年12期）
董梦帅,郄佳婷,孙佳乐,刘瑞峰[2]（2019）在《基于反向传播神经网络的身份证号码识别研究》一文中研究指出基于反向传播算法的多层前馈网络(简称BP神经网络)在图像处理方面应用较为广泛。目前,身份证号码识别技术在图像识别领域迅猛发展,为提高识别身份证号码的速度及准确性,本文研究一种基于BP神经网络的身份证号码识别系统。首先,将身份证图像进行预处理,接着利用MATLAB对身份证号码进行定位以及分割,然后利用BP神经网络,通过调用MATLAB神经网络工具箱,设置相关参数对身份证号码进行训练、匹配数据库中的数字,最后识别并输出身份证号码。实验结果表明,基于BP神经网络的身份证号码识别正确率为95%,该系统具有较高的准确率以及鲁棒性。(本文来源于《科技风》期刊2019年30期）
王翔,赵南京,殷高方,孟德硕,马明俊[3]（2019）在《基于反向传播神经网络的激光诱导荧光光谱塑料分类识别方法研究》一文中研究指出塑料具有成本低、质量好,可塑性强等优点被广泛用于生产生活等领域,但废弃塑料处置不当容易引发二次污染。回收再利用有望成为解决废弃塑料污染问题的关键手段,其前提是对废料的准确分选。传统分选手段耗费时间,效率低下,难以实现废弃塑料的快速、经济、有效分类。激光诱导荧光技术是一种快速灵敏的光谱检测技术。具有操作简便,检测效率高,样品使用量小等优点常被应用于水体、土壤中油类,多环芳烃等有机污染物的快速识别与定量分析。利用激光诱导荧光技术可以快速采集不同塑料的荧光光谱,结合相应的模式识别算法,可实现塑料材质的快速准确识别。实验采集了8种塑料(ABS, HDPE, PA66, PLA, PP, PET, PS, PVC)共358组激光诱导荧光光谱,依据特征峰信息构建358×10的光谱矩阵。利用主成份分析法削减原光谱矩阵中的线性相关量,提高数据精度。结果显示前3个主成分的累计方差贡献值达98.085%,足以表征原光谱矩阵的主要信息。将降维的主成分PC1, PC2, PC3作为输入进行光谱分类,其中同种塑料光谱聚合度高,元素构成不同的塑料如PA66, PLA, HDPE和PVC的光谱分离度较好,而元素构成相同的塑料如PET和PLA的光谱分离度较差。PCA算法并不能准确的对未知塑料进行识别。BP-神经网络具有收敛速度快,预测精度高等特点被广泛用于模式识别和分类研究。将经PCA算法得到的简化特征矩阵作为BP-神经网络算法的输入集,其中随机抽取256组数据作为BP-神经网络算法模型的训练集,剩余的102组数据作为模型检测集。BP神经网络的隐藏层设定值为1,激活函数选择双极性Sigmoid函数,输出层为8种塑料样品。识别结果显示, 102组数据中只有一组HDPE光谱数据被错识为PS,其余101组数据全部正确识别。8种塑料荧光光谱的综合识别准确率达到99%。研究结果表明激光诱导荧光技术结合BP-神经网络算法可实现不同材质塑料的快速准确识别。为实现废弃塑料的自动化智能分选,降低回收成本,减少废弃塑料危害提供新的参考。(本文来源于《光谱学与光谱分析》期刊2019年10期）
钱超群[4]（2019）在《基于粒子群优化的反向传播神经网络算法在建筑物沉降预测中的应用》一文中研究指出神经网络具有结构简单,鲁棒性强,能够逼近任意函数的非线性映射能力,在多个领域得到了广泛应用。但其梯度下降法容易陷入局部最优,训练效率较低。采用粒子群算法(PSO)对BP神经网络进行改进,利用粒子群算法为BP神经网络提供精确的全局搜索能力,提高其训练效率和预测精度。基于建筑物实际沉降观测数据,对BP神经网络和PSO-BP神经网络进行对比分析。结果表明,PSO-BP神经网络的训练效果获得了较大提升,预测精度提升了约61%,预测结果明显优于传统BP神经网络。(本文来源于《建筑技术开发》期刊2019年13期）
徐涵,杨健,王星尔,赵宸君,孟嫣然[5]（2019）在《反向传播神经网络在隐框玻璃幕墙脱胶损伤识别中的应用》一文中研究指出引入反向传播(BP)神经网络法,首先择取玻璃面板关键部位的25种动力响应参数、动力特性参数以及隐框玻璃幕墙尺寸以归类神经网络数据库。采用非线性弹簧单元模拟结构胶本构行为及其组合局部脱胶状态,采用有限元方法对不同脱胶状态的隐框玻璃幕墙单元进行了拉压状态下的参数化分析,量化描述了12 545种工况下各脱胶状态,并建立训练数据库。采用反向传播神经网络方法训练检验了数值模拟样本并校验预测精度。结果显示采用本方法可以较好预测隐框玻璃幕墙的组合脱胶状态。(本文来源于《硅酸盐学报》期刊2019年08期）
金昌盛,邓仁健,刘俞希,任伯帜[6]（2019）在《基于奇异谱分析—遗传算法反向传播神经网络模型的湘江新港断面水质预测》一文中研究指出运用奇异谱分析(SSA)对湘江新港断面557周的pH、DO、高锰酸盐指数和氨氮数据进行了预处理,再运用遗传算法优化反向传播神经网络模型进行拟合与预测。结果表明:SSA有较好的降噪能力,遗传算法反向传播(GABP)神经网络模型相比BP神经网络模型均方根误差(RMSE)平均缩小了6.96%,具有良好的预测精度;预测期内新港断面的pH、DO、高锰酸盐指数、氨氮均能满足《地表水环境质量标准》(GB 3838—2002)Ⅲ类标准,但氨氮在预测期内呈上升趋势,需警惕氨氮浓度过高引发的水污染问题。(本文来源于《环境污染与防治》期刊2019年06期）
焦在滨,宋新尧,李炳绪,吴润东[7]（2019）在《一种采用2级反向传播神经网络的输电线路故障测距方法》一文中研究指出针对输电线路的故障测距中过渡电阻及电气量测量误差影响测距精度的问题,提出了一种采用2级反向传播(BP)神经网络的输电线路故障测距方法。通过分析双端电气量随过渡电阻的变化情况,确定了双端电气量变化规律的区域特性,提出了基于过渡电阻分区后在不同区域分别进行精确定位的研究思路。利用第1级网络对双端电气量进行数据融合,将故障场景分为低阻故障和高阻故障,再利用第2级网络中的低阻故障测距网络和高阻故障测距网络分别对低阻故障和高阻故障的双端电气量进行数据融合,计算出精确的故障位置。对训练方法进行改进,在测量电气量中加入高斯白噪声信号来模拟含互感器误差的样本,将无误差样本和含误差样本组成的重复样本对作为训练样本,使训练后的BP神经网络对随机测量误差具备一定的适应能力。电磁暂态仿真结果表明:所提方法不受过渡电阻影响,在高阻故障情况下测距结果的最大误差仍然低于1%,且对随机误差具有较好的适应性,在输入电气量存在一定测量误差的情况下测距结果的最大误差低于2.5%,具有良好的应用前景。(本文来源于《西安交通大学学报》期刊2019年09期）
张辛宬[8]（2019）在《基于隐马尔科夫模型及反向传播神经网络的音效素材分类》一文中研究指出随着多媒体技术发展和计算机运算效率提高,多媒体信息数据呈现快速增长的趋势。目前在国内广播电影电视行业的音效剪辑仅依靠人工听辨音效素材,由于素材声源混杂,且具有丰富语义及听觉特性,要从海量的音效素材中找到目标文件耗时且低效,因此迫切需要一个音效素材自动分类系统。本研究首次在广播电影电视行业内部应用机器学习方法对音效素材的自动分类进行探索,通过对音效素材提取特征参数建立标准数据集,采用不同的算法对于数据集学习训练并建立了基于反向传播神经网络的音效分类原型系统。研究核心为音频数据的相似度匹配算法以及音频数据的标注处理。主要工作及研究成果如下:1、实验对4074个音频文件分别提取了短时能量、短时平均过零率以及梅尔频率倒谱系数及其差分这叁类特征参数,根据不同类型算法建立了相应标准数据样本集。2、分别构建隐马尔科夫模型和反向传播神经网络模型对样本进行训练识别得到分类准确率并分别测试模型的性能;对两种算法及相关研究从算法结构、训练时间和识别率进行扩展讨论。结果表明:对于含有复杂声音来源且有较多易混淆元素的音效素材进行分类,反向传播神经网络训练方法更易实现效果,平均识别率接近90%左右。3、建立基于反向传播神经网络的音效分类原型系统,以便于今后音频工作者使用。(本文来源于《华南理工大学》期刊2019-04-12）
戴亚春,杨超,骆志高[9]（2019）在《基于反向传播神经网络的压制成型工艺参数优化》一文中研究指出利用反向传播神经网络的可预测性,基于Matlab软件进行压制成型工艺参数优化。以成型温度、成型压力、成型时间及升温速率这四个工艺参数为输入因素,以结合强度、摩擦因数和磨损量这叁个性能评价指标为输出参数,建立反向传播神经网络模型,进行训练学习与仿真计算,并进行检验。通过这一反向传播神经网络模型,可以预测不同工艺参数组合下的压制成型制品性能评价指标。通过研究确认,当成型温度为332.32～348.04℃,成型压力为9.39 MPa～9.84 MPa,成型时间为48.87～51.18 min,升温速率为5.86～6.14℃/min时,压制成型的金属塑料自润滑复合材料综合性能最佳。(本文来源于《机械制造》期刊2019年03期）
甄文冬,陈进,张莉莉[10]（2019）在《基于改进粒子群优化-反向传播神经网络的制造业产能预测》一文中研究指出为了精准预测制造业产能,对粒子群优化算法和反向传播神经网络进行研究,进而提出基于改进粒子群优化-反向传播神经网络的制造业产能预测方法。在这一预测方法中,通过粒子群优化算法对反向传播神经网络的权值和阈值进行优化搜索,同时引入自适应变异算子,避免粒子群优化算法陷入局部极值,并通过MATLAB软件对制造业产能进行预测。研究结果表明,改进粒子群优化-反向传播神经网络的预测效果优于粒子群优化-反向传播神经网络和反向传播神经网络。(本文来源于《机械制造》期刊2019年03期）
反向传播神经网论文开题报告
（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：
基于反向传播算法的多层前馈网络(简称BP神经网络)在图像处理方面应用较为广泛。目前,身份证号码识别技术在图像识别领域迅猛发展,为提高识别身份证号码的速度及准确性,本文研究一种基于BP神经网络的身份证号码识别系统。首先,将身份证图像进行预处理,接着利用MATLAB对身份证号码进行定位以及分割,然后利用BP神经网络,通过调用MATLAB神经网络工具箱,设置相关参数对身份证号码进行训练、匹配数据库中的数字,最后识别并输出身份证号码。实验结果表明,基于BP神经网络的身份证号码识别正确率为95%,该系统具有较高的准确率以及鲁棒性。
（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。
反向传播神经网论文参考文献
[1].郭文翀,蔡永智,冯小峰,韦晓明,危秋珍.基于反向传播神经网络的失流故障智能识别研究[J].电力大数据.2019
[2].董梦帅,郄佳婷,孙佳乐,刘瑞峰.基于反向传播神经网络的身份证号码识别研究[J].科技风.2019
[3].王翔,赵南京,殷高方,孟德硕,马明俊.基于反向传播神经网络的激光诱导荧光光谱塑料分类识别方法研究[J].光谱学与光谱分析.2019
[4].钱超群.基于粒子群优化的反向传播神经网络算法在建筑物沉降预测中的应用[J].建筑技术开发.2019
[5].徐涵,杨健,王星尔,赵宸君,孟嫣然.反向传播神经网络在隐框玻璃幕墙脱胶损伤识别中的应用[J].硅酸盐学报.2019
[6].金昌盛,邓仁健,刘俞希,任伯帜.基于奇异谱分析—遗传算法反向传播神经网络模型的湘江新港断面水质预测[J].环境污染与防治.2019
[7].焦在滨,宋新尧,李炳绪,吴润东.一种采用2级反向传播神经网络的输电线路故障测距方法[J].西安交通大学学报.2019
[8].张辛宬.基于隐马尔科夫模型及反向传播神经网络的音效素材分类[D].华南理工大学.2019
[9].戴亚春,杨超,骆志高.基于反向传播神经网络的压制成型工艺参数优化[J].机械制造.2019
[10].甄文冬,陈进,张莉莉.基于改进粒子群优化-反向传播神经网络的制造业产能预测[J].机械制造.2019