期刊文献+
共找到12篇文章
< 1 >
每页显示 20 50 100
基于ELM-BP的强化学习在倒立摆控制中的研究 预览
1
作者 王婷婷 《电子设计工程》 2019年第6期55-58,63共5页
解决拥有连续状态空间以及模型未知的倒立摆系统长久以来是个难题。文章将强化学习(Reinforcement Learning)与神经网络(ELM网络和BP网络)相融合,运用神经网络的抽象和泛化能力,采用Actor-Critic架构,提出基于ELM-BP的强化学习倒立摆控... 解决拥有连续状态空间以及模型未知的倒立摆系统长久以来是个难题。文章将强化学习(Reinforcement Learning)与神经网络(ELM网络和BP网络)相融合,运用神经网络的抽象和泛化能力,采用Actor-Critic架构,提出基于ELM-BP的强化学习倒立摆控制方法。针对连续空间,BP充当动作网络,根据输入的状态映射出要执行的动作,ELM也叫极速学习机充当评价网络近似逼近函数值,输出评价。同时为了降低样本空间大小提高收敛速度,引入滚动时间窗机制和适合度轨迹。经过训练和学习,能够有效解决具有连续状态空间的倒立摆系统的问题。通过Matlab软件仿真模拟倒立摆的环境进行实验,运用提出的新方法进行控制,在衡量倒立摆算法的几个指标上(尝试次数,所需时间,角度最大绝对值,位移最大绝对值等)均得到了良好的效果。 展开更多
关键词 强化学习 倒立摆 自适应启发式算法 BP ELM神经网络 连续空间
在线阅读 下载PDF
基于灰色ELM神经网络的短时交通流量预测 预览
2
作者 景辉鑫 钱伟 车凯 《河南理工大学学报:自然科学版》 CAS 北大核心 2019年第2期97-102,共6页
为了提高短时交通流预测的精度,针对现有灰色模型,利用一阶线性微分白化方程拟合交通流数据。针对交通流数据波动性较高和易失真的缺点,提出一种基于灰色ELM神经网络的短时交通流预测方法。首先对短时交通流数据采用灰色模型累加处理,... 为了提高短时交通流预测的精度,针对现有灰色模型,利用一阶线性微分白化方程拟合交通流数据。针对交通流数据波动性较高和易失真的缺点,提出一种基于灰色ELM神经网络的短时交通流预测方法。首先对短时交通流数据采用灰色模型累加处理,将其转化为长时交通流数据,以降低交通流数据的随机性,有效减小因数据本身波动造成的误差。然后,利用ELM神经网络代替一阶线性微分白化方程,对长时交通流进行预测。最后,将长时交通流预测结果经过累减还原为短时交通流预测结果,有效提高了预测精度。仿真验证结果表明,相比于现有的一些预测方法,该方法提高了预测精度,是一种有效的短时交通流预测方法。 展开更多
关键词 灰色模型 短时交通流预测 ELM神经网络 一阶线性微分白化方程
在线阅读 免费下载
基于组合模型的短时交通流量预测
3
作者 钱伟 车凯 李冰锋 《控制工程》 CSCD 北大核心 2019年第1期125-130,共6页
为了进一步提高交通流预测的精度,根据交通流的固有特点,提出了一种短时交通流预测组合模型。该模型包括灰色算法和ELM (ExtremeLearningMachine)神经网络2个子模型:灰色算法对平稳数据预测精度较好,ELM神经网络具有训练时间短,预测精度... 为了进一步提高交通流预测的精度,根据交通流的固有特点,提出了一种短时交通流预测组合模型。该模型包括灰色算法和ELM (ExtremeLearningMachine)神经网络2个子模型:灰色算法对平稳数据预测精度较好,ELM神经网络具有训练时间短,预测精度高,抗干扰能力强的特点。在对交通流量的数据特点和子模型不同预测原理分析的基础上,通过计算交通流数据波动的大小和两种子模型的预测误差,确定子模型预测结果在组合模型中所占的权重,然后进一步得到基于组合模型的预测值。通过实验证实,所提方法优于现有的一些成果,是一种短时交通流预测的有效方法。 展开更多
关键词 交通流预测 灰色算法 ELM神经网络 组合模型
基于ELM神经网络的磷酸铁锂电池SOC估算研究 预览
4
作者 孙弘利 赵冠都 《通信电源技术》 2018年第9期69-71,共3页
自主式水下机器人(Autonomous Underwater Vehicle,AUV)主要通过动力电池(磷酸铁锂电池)为整体系统供电,而准确可靠地获得磷酸铁锂电池的荷电状态(State of Charge,SOC)是AUV中电源管理系统的主要任务之一。在现有电池SOC估算方... 自主式水下机器人(Autonomous Underwater Vehicle,AUV)主要通过动力电池(磷酸铁锂电池)为整体系统供电,而准确可靠地获得磷酸铁锂电池的荷电状态(State of Charge,SOC)是AUV中电源管理系统的主要任务之一。在现有电池SOC估算方法的基础上,尝试利用ELM神经网络实现对AUV电源管理系统中磷酸铁锂电池SOC的估算。验证表明,ELM神经网络对于处理多变量非线性系统非常有效,并且能很好地估算磷酸铁锂电池的SOC。 展开更多
关键词 AUV磷酸铁锂电池 荷电状态(SOC) ELM神经网络
在线阅读 下载PDF
融合Gabor、LBP与LPQ特征的面部表情识别 预览
5
作者 陈鹏展 胡超 陈晓玥 《测控技术》 CSCD 2018年第8期16-20,共5页
针对传统的Gabor无法兼顾识别率与实时性的缺点,提出了一种融合Gabor、LBP、LPQ三种特征的表情识别算法。首先采用Gabor变换提取人脸图像的边缘信息,根据获得的变换表征结果,提取其LBP特征及LPQ特征;通过PCA算法对提取的特征进行降维,... 针对传统的Gabor无法兼顾识别率与实时性的缺点,提出了一种融合Gabor、LBP、LPQ三种特征的表情识别算法。首先采用Gabor变换提取人脸图像的边缘信息,根据获得的变换表征结果,提取其LBP特征及LPQ特征;通过PCA算法对提取的特征进行降维,并对降维后的LBP特征及LPQ特征进行直方图操作;最后,设计基于ELM神经网络面部表情分类器。应用JAFFE人脸表情数据库的测试结果表明,该方法比传统方法具有更高的识别准确度和更快的识别速度。 展开更多
关键词 LBP特征 LPQ特征 特征融合 ELM神经网络
在线阅读 下载PDF
地铁车站深基坑的变形预测及稳定性研究 预览
6
作者 王雪妮 韩国锋 《长江科学院院报》 CSCD 北大核心 2018年第10期77-81,87共6页
为实现基坑变形预测及稳定性的综合研究,先以极限学习机(ELM)神经网络和灰色模型为基础,建立了基坑变形的串联、并联和混联耦合预测模型,以实现基坑变形预测;其次,再利用尖点突变理论和Mann-Kendall检验对基坑稳定性及变形趋势进... 为实现基坑变形预测及稳定性的综合研究,先以极限学习机(ELM)神经网络和灰色模型为基础,建立了基坑变形的串联、并联和混联耦合预测模型,以实现基坑变形预测;其次,再利用尖点突变理论和Mann-Kendall检验对基坑稳定性及变形趋势进行综合判断,以佐证预测结果的准确性。实例检验结果表明:3种耦合模型均能不同程度地提高预测精度,且以混联式模型的预测稳定性最高,其次是并联式模型和串联式模型;同时,预测结果与尖点突变理论和Mann-Kendall检验的分析结果相符,验证了该预测思路的有效性和可行性。研究方法可为基坑的变形预测提供一种的新思路。 展开更多
关键词 地铁 深基坑 灰色模型 ELM神经网络 耦合模型
在线阅读 下载PDF
基于K-means聚类和ELM神经网络的养殖水质溶解氧预测 预览 被引量:6
7
作者 宦娟 刘星桥 《农业工程学报》 EI CAS CSCD 北大核心 2016年第17期174-181,共8页
为解决养殖水质溶解氧预测传统方法引入不良样本、精度低等问题,该文以2014、2015年江苏常州养殖基地水质和气象数据为基础,提出了一种基于K-means聚类和ELM神经网络(extreme learning machine,ELM)的溶解氧预测模型。采用皮尔森相关... 为解决养殖水质溶解氧预测传统方法引入不良样本、精度低等问题,该文以2014、2015年江苏常州养殖基地水质和气象数据为基础,提出了一种基于K-means聚类和ELM神经网络(extreme learning machine,ELM)的溶解氧预测模型。采用皮尔森相关系数法确定环境因素与溶解氧的相关系数,自定义相似日的统计量-相似度,通过K-means聚类方法将历史日样本划分为若干类,然后分类识别获得与预测日最相似的一类历史日样本集,将其与预测日的实测环境因素作为预测模型的输入样本建立ELM神经网络溶解氧预测模型。试验结果表明,该模型均具有较快的计算速度和较高的预测精度,在常规天气下,平均绝对百分误差和均方根误差分别达到1.4%、10.8%;在突变天气下,平均绝对百分误差和均方根误差分别达到2.6%和11.6%,有利于水产养殖水质精准调控。 展开更多
关键词 神经网络 模型 养殖 溶解氧预测 相似日 K-MEANS聚类 ELM神经网络
在线阅读 下载PDF
基于PSO聚类和ELM神经网络机床主轴热误差建模 预览 被引量:3
8
作者 王续林 顾群英 +1 位作者 杨昌祥 杨建国 《组合机床与自动化加工技术》 北大核心 2015年第7期69-73,共5页
为使得数控机床热误差实时补偿更有效,提出一种基于粒子群算法(Particle Swarm Optimization,PSO)的温度测点优选方法和基于极限学习机(extreme learning machine,ELM)神经网络的机床热误差补偿模型。利用PSO优化K均值聚类方法,实... 为使得数控机床热误差实时补偿更有效,提出一种基于粒子群算法(Particle Swarm Optimization,PSO)的温度测点优选方法和基于极限学习机(extreme learning machine,ELM)神经网络的机床热误差补偿模型。利用PSO优化K均值聚类方法,实现了机床上温度测点的优化筛选。利用ELM人工神经网络建立机床热误差补偿模型,通过合理选取隐层神经元数,从而实现更精确、更有效地对数控机床热误差进行实时补偿控制。通过与传统BP(Back Propagation)、RBF(Radial Basis Function)神经网络进行对比分析,该补偿模型具有计算简便、预测精度高、结构简单等优点,可有效应用于数控机床热误差实时补偿模型。 展开更多
关键词 数控机床 PSO聚类分析 ELM神经网络 热误差建模
在线阅读 下载PDF
基于经验模态分解和ELM神经网络的逐时太阳能辐照量预测 被引量:21
9
作者 王守相 王亚旻 +1 位作者 刘岩 张娜 《电力自动化设备》 EI CSCD 北大核心 2014年第8期7-12,共6页
准确的太阳能辐照量预测对于光伏发电系统具有重要意义.提出一种基于经验模态分解(EMD)和ELM神经网络的逐时辐照量组合预测模型.首先,根据预测日的环境信息,构建相似日逐时辐照量时间序列;然后,将时间序列进行EMD,分解为具有不同频率... 准确的太阳能辐照量预测对于光伏发电系统具有重要意义.提出一种基于经验模态分解(EMD)和ELM神经网络的逐时辐照量组合预测模型.首先,根据预测日的环境信息,构建相似日逐时辐照量时间序列;然后,将时间序列进行EMD,分解为具有不同频率的信号,并对每个信号建立ELM神经网络预测模型;最后,将不同信号的预测值相加便可得到原始辐照量序列的预测值.算例比较表明,所提方法比传统的预测方法具有更高的预测准确度和更快的运算速度. 展开更多
关键词 经验模态分解 ELM神经网络 太阳能 辐照量 预测 模型
基于神经网络组合模型的能源消费量预测研究 预览 被引量:1
10
作者 刘国璧 郑婷婷 《湖南工程学院学报:自然科学版》 2009年第4期 59-61,71,共4页
为了提高预测的精度,将神经网络组合预测模型应用于能源消费总量预测中,通过建立RBF、ELM、BP神经网络预测模型,用熵值法确定组合预测模型的加权系数,建立神经网络组合预测模型.利用安徽省统计年鉴获得的1991~2007年安徽省能源消费总... 为了提高预测的精度,将神经网络组合预测模型应用于能源消费总量预测中,通过建立RBF、ELM、BP神经网络预测模型,用熵值法确定组合预测模型的加权系数,建立神经网络组合预测模型.利用安徽省统计年鉴获得的1991~2007年安徽省能源消费总量进行检验仿真,结果表明组合预测模型的误差较小,精度较高,预测结果更接近于实际情况. 展开更多
关键词 RBF神经网络 ELM神经网络 BP神经网络 组合预测 能源消费
在线阅读 下载PDF
基于GRNN-ELM的飞机复合材料结构损伤识别 预览
11
作者 崔建国 张善好 +3 位作者 于明月 蒋丽英 江秀红 林泽力 《南京航空航天大学学报》 CSCD 北大核心 2017年第4期468-473,共6页
飞机结构的损伤严重影响着飞机的飞行安全,为了解决飞机复合材料结构损伤难以有效识别问题,本文提出一种基于广义回归神经网络(General regression neural network,GRNN)与极限学习机(Extreme learning machine,ELM)组合的飞机复合... 飞机结构的损伤严重影响着飞机的飞行安全,为了解决飞机复合材料结构损伤难以有效识别问题,本文提出一种基于广义回归神经网络(General regression neural network,GRNN)与极限学习机(Extreme learning machine,ELM)组合的飞机复合材料结构损伤识别新方法。首先对飞机复合材料层合板进行冲击,而后对其进行疲劳拉伸试验,通过优化布局在复合材料层合板上的光纤光栅传感器募集应变信息,并对其进行预处理。采用变分模态分解(Variational mode decomposition,VMD)对募集的应变信息进行自适应分解,得到多个基本模式分量(Intrinsic mode function,IMF)。计算各阶IMF分量的奇异熵,通过核独立主元分析(Kernel independent component analysis,KICA)方法对奇异熵进行特征融合,构建融合特征向量。采用融合特征向量建立基于GRNN-ELM的复合材料结构损伤识别模型,通过试验对损伤识别模型的有效性进行了验证,并分别与所构建的ELM和GRNN损伤识别模型的识别结果进行比较。结果表明,该方法能有效对飞机复合材料结构损伤进行识别,具有很好的工程应用价值。 展开更多
关键词 变分模态分解 奇异熵 核独立分量分析 GRNN-ELM组合神经网络 损伤识别
在线阅读 下载PDF
前交叉韧带断裂后足底压力特征的聚类分析 预览 被引量:2
12
作者 李晓理 黄红拾 +2 位作者 王杰 于媛媛 敖英芳 《自动化学报》 EI CSCD 北大核心 2017年第3期418-429,共12页
运动过程中,人体的步态特征可以在足底压力图像上有准确的记录,而这也就可以成为判断步态正常与否的一条有效依据.通过一组压力传感器阵列获取人体运动过程的足底压力分布数据,提取步态的运动学和动力学特性.在此基础上,采用极限学习机... 运动过程中,人体的步态特征可以在足底压力图像上有准确的记录,而这也就可以成为判断步态正常与否的一条有效依据.通过一组压力传感器阵列获取人体运动过程的足底压力分布数据,提取步态的运动学和动力学特性.在此基础上,采用极限学习机(Extreme learning machines,ELM)神经网络聚类算法对足底压力数据进行分析,完成正常与异常步态的分类辨识工作.本文从实际临床数据出发,对前交叉韧带断裂患者进行步态分析,并据医生的临床诊断结果进行校验.该方法在步态分析上取得了较为良好的效果,仿真结果表明了其有效性. 展开更多
关键词 足底压力 步态特征 极限学习机神经网络 前交叉韧带断裂 聚类分析
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部 意见反馈