【摘 要】
：
研究了一种自适应混合遗传算法来优化小波神经网络的结构和参数.基于小波包原理,将信号的小波包分解结果作为神经网络的输入特征向量,采用遗传算法对小波网络的参数进行全局优化,再用梯度下降法寻找最优解,对交叉和变异概率的选取上进行了目适应调整,并将该算法应用于异步电机故障诊断中.仿真结果表明,该算法比传统的小波神经网络具有较好的全局性和较快的收敛速度,证实了它的可行性和有效性.
【机 构】
：
辽宁石油化工大学 信息与控制工程学院,辽宁抚顺113001
论文部分内容阅读
研究了一种自适应混合遗传算法来优化小波神经网络的结构和参数.基于小波包原理,将信号的小波包分解结果作为神经网络的输入特征向量,采用遗传算法对小波网络的参数进行全局优化,再用梯度下降法寻找最优解,对交叉和变异概率的选取上进行了目适应调整,并将该算法应用于异步电机故障诊断中.仿真结果表明,该算法比传统的小波神经网络具有较好的全局性和较快的收敛速度,证实了它的可行性和有效性.
其他文献
针对中文语句隶属于类的模糊性,本文提出了一种改进的模糊C均值聚类算法确定多文档集合的潜在子主题.为了减小初值选取不当对模糊C均值算法产生的影响,该方法结合训练阈值的层次聚类算法以及样本密度算法投票生成初始聚类中心,初始化模糊C均值算法的原型矩阵以及划分矩阵,进而聚类生成多文档文摘的子主题.通过对子主题的排序以及文摘句的抽取生成多文档文摘.实验结果表明,采用改进的模糊C均值聚类算法得到的子主题聚类效
本文提出了一种从语料库中自动获取树串对齐模板的方法.该模板基于语言学短语结构,描述了源语言句法树和目标语言串之间的对齐关系.该方法是一种半监督的、基于统计的、数据驱动的方法.初步的试验结果表明,该方法可以得到比较令人满意的效果,且获得的模板可根据解码器的不同而应用到不同的翻译策略中.
电话对话语音具有通信环境多变、说话人差异明显和自然口语化现象严重的特点,本文通过整合鲁棒特征提取、声学模型补偿、语言模型补偿等一系列鲁棒识别技术,设计并搭建了一面向电话对话语音的识别系统.该系统在2005年863评测采用的一小时电话语音数据集进行了实验.其字错误率相比于基线系统相对降低30.6％.同时,为了加快识别速度,在采用自主开发的经优化的单遍解码器的基础上,通过在系统级速度优化方面采用快速预
本文从视觉心理学的角度对如何更好地开展非真实感绘制进行了初步探索.在简要介绍视知觉一般过程的基础上,给出一些代表性的心理学流派,尤其是格式塔心理学关于图像认知的解释,借此进一步表明NPR的优势所在.文中介绍了两个具有借鉴意义的图形学与视觉心理学相结合的例子.最后,给出本文作者所做的初步尝试及实验结果.
亚马逊棋作为一种博弈类游戏,由于其本身特殊的规则,使其适合于博弈中人工智能算法的研究.文章从两个方面讨论亚马逊棋的博弃技术,先是提出了一种对亚马逊棋局面进行评估的方法,为亚马逊棋的初学者在局面评估方面提供了一定的思路.然后介绍MC/UCT搜索算法在亚马逊棋搜索中的运用,UCT是机器博弈领域最新的搜索算法,它很好的解决了传统搜索算法无法在亚马逊棋搜索中遍历更深层节点的问题.
Programs of computer GO were traditionally constructed using a knowledge-based approach;modem computer GO programs are constructed using Monte-Carlo Tree Search (MCTS) with 3x3 patterns.In both cases,
本文研究了connect(m,n,k,p,q)游戏局面估值中,棋型间相对位置对局面的影响,并首次提出了connect (m,n,k,p,q)游戏局面中“连通度”的概念,用来表示局面中棋型间的相对位置关系,并给出了计算某一局面的“连通度”的一般算法.采用一个对比实验,比较了结合“连通度”进行估值和没有结合“连通度”进行估值的效果.
本文针对传统开局库的缺点,提出了具有自学习功能的动态开局库.开局库是一种人类知识的集合,对博弈程序非常重要.动态开局库继承传统开局库的优点,引入可信度概念和信息反馈处理方案,具有自优化,自丰富,自学习功能.本文最后通过对六子棋博弈程序的仿真试验证明了动态开局库的优越性.
机器博弈不同于选手面对面的竞赛,计算机没有等同于人类的视觉和抽象分析能力,因此两台计算机进行博弈时,需要借助第三方软件.本文基于机器博弈和可视化理论,分析和设计了一种对战平台,针对棋盘盘面的可视化表示、通讯协议、盘面评估等问题进行了研究,同时提出可扩展接口,为不同棋类提供对战平台.针对点点连格棋进行了测试,达到了较好的效果.本文旨在为机器博弈提供了一个较为便捷和开放的平台,对机器博弈研究的发展起到
本文所指的复杂博弈有以下两个特点:1)搜索空间大,现有计算能力只能搜索全部搜索空间的极小一部分；2)博弃局面复杂,现有计算方法无法对博弈局面进行准确评估.文章以机器博弈的介绍为起点,从具体实现、优缺点等方面对基于静态搜索思想的极大极小算法和基于动态搜索思想的UCT算法进行了比较.在利用两种方法解决同一实际问题后,验证了两种算法各自的特点并在深入分析中找到了二者的不同.经过分析发现,基于动态搜索思想