基于卷積神經(jīng)網(wǎng)絡(luò)的高樓外墻裂縫檢測系統(tǒng)
格式:pdf
大?。?span id="2wnrri89hn" class="single-tag-height" data-v-09d85783>903KB
頁數(shù):10P
人氣 :77
4.3
Software Engineering and Applications 軟件工程與應(yīng)用 , 2018, 7(6), 273-282 Published Online December 2018 in Hans. http://www.hanspub.org/journal/sea https://doi.org/10.12677/sea.2018.76031 文章引用 : 熊輝 , 梁培鋒 , 黃俊健 , 胡敏 . 基于卷積神經(jīng)網(wǎng)絡(luò)的高樓外墻裂縫檢測系統(tǒng) [J]. 軟件工程與應(yīng)用 , 2018, 7(6): 273-282. DOI: 10.12677/sea.2018.76031 Convolution Neural Network-Based System for Detecting Cracks on Exterior Wall Hui Xiong 1,2* , Peife
基于神經(jīng)網(wǎng)絡(luò)的混凝土梁斜裂縫寬度預(yù)測
格式:pdf
大?。?span id="2wnrri89hn" class="single-tag-height" data-v-09d85783>442KB
頁數(shù):4P
對(duì)16根高強(qiáng)箍筋混凝土簡支梁進(jìn)行了受剪試驗(yàn)研究,分析了加載方式、混凝土強(qiáng)度、配箍率對(duì)斜裂縫寬度的影響,在試驗(yàn)基礎(chǔ)上建立了混凝土梁斜裂縫寬度的bp網(wǎng)絡(luò)模型.研究結(jié)果表明,該網(wǎng)絡(luò)模型的模擬結(jié)果與試驗(yàn)結(jié)果符合較好,建立了高強(qiáng)鋼筋混凝土梁受剪斜裂縫寬度和其影響因素之間的一種函數(shù)關(guān)系.因此,可以將人工神經(jīng)網(wǎng)絡(luò)運(yùn)用到高強(qiáng)鋼筋混凝土梁受剪斜裂縫寬度的研究中,實(shí)現(xiàn)斜裂縫寬度的預(yù)測.
基于GA改進(jìn)BP神經(jīng)網(wǎng)絡(luò)網(wǎng)絡(luò)異常檢測方法
格式:pdf
大?。?span id="2wnrri89hn" class="single-tag-height" data-v-09d85783>293KB
頁數(shù):4P
考慮到常規(guī)bp神經(jīng)網(wǎng)絡(luò)算法容易陷入局部最優(yōu)解,所建立的網(wǎng)絡(luò)遺傳流量檢測模型檢測效率低,準(zhǔn)確率不高等問題,提出一種改進(jìn)型ga優(yōu)化bp神經(jīng)網(wǎng)絡(luò)算法,并使用其建立網(wǎng)絡(luò)遺傳流量檢測模型。常規(guī)遺傳算法在搜索過程中,往往會(huì)由于出現(xiàn)影響生產(chǎn)適應(yīng)度高的個(gè)體而對(duì)遺傳算法搜索過程產(chǎn)生影響的現(xiàn)象發(fā)生,因此需要對(duì)常規(guī)遺傳算法進(jìn)行改進(jìn)。使用的方法是通過混合編碼方式進(jìn)行改進(jìn),同時(shí)對(duì)交叉算子、變異算子、交叉概率以及變異概率等參數(shù)進(jìn)行優(yōu)化修正。使用kddcup99數(shù)據(jù)庫中的網(wǎng)絡(luò)異常流量數(shù)據(jù)進(jìn)行實(shí)驗(yàn)研究,研究結(jié)果表明,所提出方法的檢測性能要明顯優(yōu)于常規(guī)算法,其對(duì)bp神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)、權(quán)值以及閾值進(jìn)行同步優(yōu)化,避免了盲目選擇bp神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)帶來的問題,避免了常規(guī)bp神經(jīng)網(wǎng)絡(luò)容易陷入局部最優(yōu)解的問題。
基于模糊神經(jīng)網(wǎng)絡(luò)的故障檢測算法
格式:pdf
大?。?span id="2wnrri89hn" class="single-tag-height" data-v-09d85783>156KB
頁數(shù):5P
4.4
為了有效解決網(wǎng)絡(luò)系統(tǒng)可能出現(xiàn)的故障,結(jié)合模糊神經(jīng)網(wǎng)絡(luò)提出了一種新的故障檢測算法fdd-fnn(failuredetectionalgorithmbasedonfuzzyneuralnetwork).該算法根據(jù)特征信息熵建立了故障檢測評(píng)價(jià)方法和最小偏差的優(yōu)化模型,設(shè)計(jì)了模糊神經(jīng)網(wǎng)絡(luò)中輸入層、模糊化層、模糊規(guī)則層和解模糊層,并且給出了具體的算法流程.通過建立網(wǎng)絡(luò)仿真平臺(tái),深入分析了影響fdd-fnn算法的關(guān)鍵因素,同時(shí)對(duì)比研究了fdd-fnn算法與其他算法的性能情況,結(jié)果表明fdd-fnn算法具有較好的適應(yīng)性.
基于BP神經(jīng)網(wǎng)絡(luò)的表面缺陷檢測分類
格式:pdf
大?。?span id="2wnrri89hn" class="single-tag-height" data-v-09d85783>2.0MB
頁數(shù):5P
4.4
精密軸承應(yīng)用廣泛,精度要求高,軸承表面缺陷對(duì)其使用影響很大.因此,對(duì)軸承缺陷的檢測很有必要.目前的檢測以人工為主,但當(dāng)缺陷小于0.075mm時(shí)人眼就很難識(shí)別.以ccd攝像機(jī)為視覺結(jié)合圖像處理技術(shù),設(shè)計(jì)一種軸承在線檢測方法,能夠在很大程度上提高檢測效率和檢測精度,最后利用bp神經(jīng)網(wǎng)絡(luò)進(jìn)行缺陷分類,實(shí)驗(yàn)結(jié)果表明:分類正確率可達(dá)92.7%,符合工業(yè)要求.
基于BP神經(jīng)網(wǎng)絡(luò)的鋼絲繩斷絲檢測系統(tǒng)
格式:pdf
大?。?span id="2wnrri89hn" class="single-tag-height" data-v-09d85783>714KB
頁數(shù):4P
4.7
目前鋼絲繩斷絲定量檢測中存在效率低、可靠性差的問題?;赽p神經(jīng)網(wǎng)絡(luò)的智能化鋼絲繩斷絲檢測系統(tǒng),利用虛擬儀器技術(shù),可方便地實(shí)現(xiàn)對(duì)鋼絲繩的數(shù)據(jù)采集、實(shí)時(shí)分析,實(shí)現(xiàn)了對(duì)鋼絲繩斷絲檢測的綜合判斷。運(yùn)用matlab神經(jīng)網(wǎng)絡(luò)工具箱進(jìn)行模擬檢測,結(jié)果表明:網(wǎng)絡(luò)仿真與實(shí)際相符,準(zhǔn)確判斷率為81.82%。該系統(tǒng)用于鋼絲繩斷絲識(shí)別可行。
基于神經(jīng)網(wǎng)絡(luò)與SOPC的球磨機(jī)負(fù)荷檢測系統(tǒng)
格式:pdf
大?。?span id="2wnrri89hn" class="single-tag-height" data-v-09d85783>749KB
頁數(shù):3P
4.8
提出“三因素”法檢測球磨機(jī)的外部響應(yīng),應(yīng)用神經(jīng)網(wǎng)絡(luò)建立球磨機(jī)內(nèi)部負(fù)荷與外部參數(shù)之間的關(guān)系模型對(duì)負(fù)荷進(jìn)行預(yù)測。同時(shí),應(yīng)用基于嵌入式處理器核nios的sopc(systemonprogrammablechip)技術(shù)來完成球磨機(jī)負(fù)荷檢測系統(tǒng)軟硬件設(shè)計(jì)。測試結(jié)果表明該系統(tǒng)能實(shí)時(shí)、準(zhǔn)確地檢測球磨機(jī)負(fù)荷,為解決球磨機(jī)外部響應(yīng)與內(nèi)部負(fù)荷參數(shù)之間的建模問題提供了一種行之有效的方法。
建筑平面支撐布置系統(tǒng)的神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)
格式:pdf
大?。?span id="2wnrri89hn" class="single-tag-height" data-v-09d85783>130KB
頁數(shù):3P
4.6
支撐是水泥廠窯尾塔架設(shè)計(jì)中的主要部分,以往都是專家根據(jù)知識(shí)規(guī)則進(jìn)行設(shè)計(jì),利用人工神經(jīng)網(wǎng)絡(luò)技術(shù)實(shí)現(xiàn)建筑平面支撐的設(shè)計(jì)縮短了設(shè)計(jì)時(shí)間,提高了設(shè)計(jì)效率。
基于人工神經(jīng)網(wǎng)絡(luò)的繼電器評(píng)價(jià)系統(tǒng)
格式:pdf
大?。?span id="2wnrri89hn" class="single-tag-height" data-v-09d85783>143KB
頁數(shù):4P
4.7
為在繼電器的設(shè)計(jì)和生產(chǎn)階段通過多個(gè)評(píng)價(jià)指標(biāo)評(píng)價(jià)其整體品質(zhì),研究了多層次綜合評(píng)判模型的可計(jì)算性。該模型依據(jù)電器產(chǎn)品設(shè)計(jì)方案關(guān)于技術(shù)性能和成本的綜合評(píng)價(jià)指標(biāo)體系,并通過對(duì)神經(jīng)網(wǎng)絡(luò)原理的評(píng)判方法的研究而建立。實(shí)例證明,人工神經(jīng)網(wǎng)絡(luò)的出現(xiàn)為處理各種模糊的、數(shù)據(jù)不完全的、模擬的、不精確的模式識(shí)別問題提供了一個(gè)全新的途徑。
基于神經(jīng)網(wǎng)絡(luò)的巨磁阻位移測量系統(tǒng)研究
格式:pdf
大?。?span id="2wnrri89hn" class="single-tag-height" data-v-09d85783>1009KB
頁數(shù):5P
4.5
針對(duì)工業(yè)過程中直線行程的高精度測量問題,提出了基于神經(jīng)網(wǎng)絡(luò)函數(shù)逼近原理,以巨磁阻(gmr)傳感器為核心的非接觸式測量系統(tǒng)。運(yùn)用等效電流法對(duì)提供磁場的圓柱形永磁體進(jìn)行建模并仿真,得到永磁體磁場在空間中的分布規(guī)律,從而確定磁體的位置及形狀參數(shù)。通過matlab建立bp神經(jīng)網(wǎng)絡(luò),用遺傳算法進(jìn)行優(yōu)化,最終獲取了位移與電壓的函數(shù)關(guān)系,研究結(jié)果表明:該測量系統(tǒng)可以精確地測量直線位移。
基于神經(jīng)網(wǎng)絡(luò)的工程估價(jià)系統(tǒng)研究
格式:pdf
大?。?span id="2wnrri89hn" class="single-tag-height" data-v-09d85783>89KB
頁數(shù):4P
4.4
通過研究工程造價(jià)的構(gòu)成及其影響因素,特別是建筑工程結(jié)構(gòu)和主要分項(xiàng)工程的特征在工程造價(jià)中所起的作用,確定了12個(gè)主要因素,作為神經(jīng)網(wǎng)絡(luò)的輸入變量,在深入研究神經(jīng)網(wǎng)絡(luò)理論功能的基礎(chǔ)上,選用可以應(yīng)用于工程估價(jià)的bp神經(jīng)網(wǎng)絡(luò)和bp計(jì)算方法,利用s型神經(jīng)元i/o特性和bp算法的函數(shù)逼近功能,使建筑工程造價(jià)的估算值的影響因素變化更逼近于其在成本構(gòu)成中的客觀作用,從而更接近于工程實(shí)際造價(jià),建立了工程估價(jià)模型并開發(fā)了計(jì)算機(jī)輔助系統(tǒng)。收集了60個(gè)工程估價(jià)實(shí)例作為訓(xùn)練樣本,10個(gè)工程實(shí)例作為檢測實(shí)例,經(jīng)測算達(dá)到可以用于工程實(shí)際的水平。此方法可以快速準(zhǔn)確地進(jìn)行工程估價(jià)。
概率神經(jīng)網(wǎng)絡(luò)在化工過程故障檢測中的應(yīng)用
格式:pdf
大小:517KB
頁數(shù):3P
4.4
提出將一種徑向基網(wǎng)絡(luò)的重要變形—概率神經(jīng)網(wǎng)絡(luò)(pnn)應(yīng)用于化工過程的故障檢測中。與其他網(wǎng)絡(luò)相比,概率神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)速度快,適合于故障檢測問題。將概率神經(jīng)網(wǎng)絡(luò)用于tennesseeeastman(te)過程故障檢測的仿真實(shí)驗(yàn),將實(shí)驗(yàn)結(jié)果與bp網(wǎng)絡(luò)進(jìn)行比較,結(jié)果表明概率神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)設(shè)計(jì)時(shí)間明顯少于bp網(wǎng)絡(luò),故障檢測的準(zhǔn)確率明顯提高。該方法可行、有效。
基于神經(jīng)網(wǎng)絡(luò)的高速公路軟基沉降分析
格式:pdf
大?。?span id="2wnrri89hn" class="single-tag-height" data-v-09d85783>211KB
頁數(shù):3P
3
基于神經(jīng)網(wǎng)絡(luò)的高速公路軟基沉降分析——簡述了高速公路軟基沉降觀測的目的和意義。介紹了工后沉降的預(yù)測方法。其后,簡述了bp神經(jīng)網(wǎng)絡(luò)的基本概念。論文提出了基于神經(jīng)網(wǎng)絡(luò)的高速公路工后沉降預(yù)報(bào)方法。結(jié)合江蘇省某高速公路現(xiàn)場監(jiān)測資料,進(jìn)行了實(shí)例分析,說明...
構(gòu)建基于BP神經(jīng)網(wǎng)絡(luò)的高校德育評(píng)價(jià)體系
格式:pdf
大小:578KB
頁數(shù):4P
4.8
本文將bp神經(jīng)網(wǎng)絡(luò)運(yùn)用于高校大學(xué)生德育評(píng)價(jià)體系中,使該體系能夠更為全面、準(zhǔn)確地反映學(xué)生的實(shí)際情況,為學(xué)生德育發(fā)展指明方向。該體系的建立為大學(xué)生德育評(píng)價(jià)提供一種更為客觀準(zhǔn)確的評(píng)價(jià)手段,特別解決了評(píng)價(jià)體系當(dāng)中的人為主觀因素誤差和評(píng)價(jià)指標(biāo)權(quán)值設(shè)置問題。
工業(yè)控制網(wǎng)絡(luò)入侵檢測的BP神經(jīng)網(wǎng)絡(luò)優(yōu)化方法
格式:pdf
大?。?span id="2wnrri89hn" class="single-tag-height" data-v-09d85783>834KB
頁數(shù):6P
4.7
針對(duì)工業(yè)控制系統(tǒng)入侵檢測模型對(duì)各類攻擊的檢測率和檢測效率不高的問題,提出一種adaboost算法優(yōu)化bp神經(jīng)網(wǎng)絡(luò)的入侵檢測模型.首先利用主成分分析法對(duì)原始數(shù)據(jù)集進(jìn)行預(yù)處理,消除其相關(guān)性;其次利用adaboost算法對(duì)訓(xùn)練樣本的權(quán)重進(jìn)行不斷調(diào)整,從而獲得bp神經(jīng)網(wǎng)絡(luò)最優(yōu)權(quán)重和閾值;最后再通過adaboost算法將bp弱分類器組合成bp強(qiáng)分類器,從而實(shí)現(xiàn)工業(yè)控制系統(tǒng)的異常檢測.實(shí)驗(yàn)結(jié)果表明該方法在對(duì)各攻擊類型的檢測率和測試時(shí)間明顯優(yōu)于其他算法模型.
基于改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的礦井CO檢測方法的研究??
格式:pdf
大?。?span id="2wnrri89hn" class="single-tag-height" data-v-09d85783>203KB
頁數(shù):3P
4.4
采用催化傳感器和電化學(xué)式氣體傳感器配合使用的傳感器陣列.為了解決2種傳感器對(duì)礦井co和ch4氣體的交叉敏感問題,提出了一種基于改進(jìn)bp神經(jīng)網(wǎng)絡(luò)的礦井co檢測方法.通過matlab仿真可以看出,基于神經(jīng)網(wǎng)絡(luò)的傳感器陣列方法可以明顯提高co檢測精度.實(shí)際輸出值和期望輸出的絕對(duì)誤差平均值為3.43ppm,相對(duì)誤差平均值為1.43%.
人工神經(jīng)網(wǎng)絡(luò)在空調(diào)系統(tǒng)中的應(yīng)用
格式:pdf
大?。?span id="2wnrri89hn" class="single-tag-height" data-v-09d85783>253KB
頁數(shù):2P
4.6
簡要介紹了人工神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)及特點(diǎn),并且詳細(xì)論述了神經(jīng)網(wǎng)絡(luò)在中央空調(diào)水系統(tǒng)、風(fēng)系統(tǒng)、制冷系統(tǒng)、負(fù)荷預(yù)測、系統(tǒng)的仿真設(shè)計(jì)和建筑運(yùn)行能耗評(píng)價(jià)等方面的應(yīng)用概況,指出了神經(jīng)網(wǎng)絡(luò)在空調(diào)領(lǐng)域今后的發(fā)展方向.
基于改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的礦井CO檢測方法的研究
格式:pdf
大?。?span id="2wnrri89hn" class="single-tag-height" data-v-09d85783>203KB
頁數(shù):3P
4.3
采用催化傳感器和電化學(xué)式氣體傳感器配合使用的傳感器陣列。為了解決2種傳感器對(duì)礦井co和ch4氣體的交叉敏感問題,提出了一種基于改進(jìn)bp神經(jīng)網(wǎng)絡(luò)的礦井co檢測方法。通過matlab仿真可以看出,基于神經(jīng)網(wǎng)絡(luò)的傳感器陣列方法可以明顯提高co檢測精度。實(shí)際輸出值和期望輸出的絕對(duì)誤差平均值為3.43ppm,相對(duì)誤差平均值為1.43%。
工程造價(jià)人工神經(jīng)網(wǎng)絡(luò)估算系統(tǒng)
格式:pdf
大?。?span id="2wnrri89hn" class="single-tag-height" data-v-09d85783>145KB
頁數(shù):4P
3
工程造價(jià)人工神經(jīng)網(wǎng)絡(luò)估算系統(tǒng)——工程造價(jià)人工神經(jīng)網(wǎng)絡(luò)估算系統(tǒng)
工程造價(jià)人工神經(jīng)網(wǎng)絡(luò)估算系統(tǒng)
格式:pdf
大小:115KB
頁數(shù):4P
4.4
本文敘述了神經(jīng)網(wǎng)絡(luò)的基本原理,介紹了工程造價(jià)人工神經(jīng)網(wǎng)絡(luò)估算模型和人工智能估算系統(tǒng)軟件,并結(jié)合實(shí)例作了分析。
遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的信號(hào)檢測
格式:pdf
大?。?span id="2wnrri89hn" class="single-tag-height" data-v-09d85783>173KB
頁數(shù):未知
4.4
針對(duì)傳統(tǒng)方法單獨(dú)采用bp神經(jīng)網(wǎng)絡(luò)算法易陷入局部極值的問題,提出了遺傳算法優(yōu)化bp神經(jīng)網(wǎng)絡(luò),并將其應(yīng)用于mimo-ofdm系統(tǒng)信號(hào)檢測中。該方法將遺傳算法與神經(jīng)網(wǎng)絡(luò)相結(jié)合,用遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)初始值,使bp網(wǎng)絡(luò)快速收斂到最優(yōu)解,避免了由初始值的隨機(jī)選取而帶來的檢測誤碼。仿真結(jié)果表明所提出的方法在誤碼率方面有比較好的性能。
淺析神經(jīng)網(wǎng)絡(luò)在汽車制動(dòng)性能檢測系統(tǒng)中的應(yīng)用
格式:pdf
大?。?span id="2wnrri89hn" class="single-tag-height" data-v-09d85783>123KB
頁數(shù):未知
4.4
隨著汽車生產(chǎn)技術(shù)的迅速發(fā)展,汽車的結(jié)構(gòu)和裝置和傳統(tǒng)的汽車相比有了很大的不同。汽車的維護(hù)工作也隨著汽車的結(jié)構(gòu)和裝置的變化發(fā)生著變化,現(xiàn)在很多汽車維修中心也正在從盲目拆卸向著先檢測后維修的作業(yè)方式發(fā)生轉(zhuǎn)變。機(jī)動(dòng)車制動(dòng)性能的好壞直接關(guān)系到行車安全,因此它是安全檢測中的重點(diǎn)檢測項(xiàng)目之一。
基于神經(jīng)網(wǎng)絡(luò)的公路網(wǎng)規(guī)模預(yù)測
格式:pdf
大?。?span id="2wnrri89hn" class="single-tag-height" data-v-09d85783>586KB
頁數(shù):4P
4.5
路網(wǎng)規(guī)模研究是公路網(wǎng)規(guī)劃的重要內(nèi)容??紤]影響公路網(wǎng)合理規(guī)模的多種因素,提出了一種基于bp神經(jīng)網(wǎng)絡(luò)的公路網(wǎng)規(guī)模預(yù)測方法,并建立了模擬路網(wǎng)規(guī)模與其影響因素間的非線形關(guān)系預(yù)測模型。步驟依次為:改進(jìn)傳統(tǒng)的bp算法、合理確定影響因素、建立預(yù)測模型、模型的訓(xùn)練與檢驗(yàn)、數(shù)據(jù)預(yù)測。預(yù)測結(jié)果表明,該方法客觀、合理,預(yù)測精度高,實(shí)用性強(qiáng),具有較強(qiáng)的理論與實(shí)際應(yīng)用價(jià)值。
基于人工神經(jīng)網(wǎng)絡(luò)建模的PTC功率智能檢測技術(shù)
格式:pdf
大?。?span id="2wnrri89hn" class="single-tag-height" data-v-09d85783>600KB
頁數(shù):4P
4.7
ptc是家用空調(diào)器中主要器件之一,具有耗電量大、非線性的特征。目前ptc常用的功率檢測方法是通過\"專用電量計(jì)量芯片結(jié)合電壓、電流采樣電路\"來實(shí)現(xiàn),存在成本高和可靠性低問題。提出一種基于人工神經(jīng)網(wǎng)絡(luò)的ptc功率純軟件計(jì)算方法,無需增加任何硬件成本。通過實(shí)驗(yàn)驗(yàn)證,精度達(dá)±3%,滿足產(chǎn)品化需求,成熟可靠。
基于粒子群算法優(yōu)化的神經(jīng)網(wǎng)絡(luò)在入侵檢測中的應(yīng)用
格式:pdf
大?。?span id="2wnrri89hn" class="single-tag-height" data-v-09d85783>180KB
頁數(shù):2P
4.4
利用粒子群算法對(duì)入侵檢測神經(jīng)網(wǎng)絡(luò)模型進(jìn)行優(yōu)化。仿真結(jié)果表明,與bp神經(jīng)網(wǎng)絡(luò)和ga神經(jīng)網(wǎng)絡(luò)相比較,具有較強(qiáng)的逼近和容錯(cuò)能力、較快的收斂速度和較好的檢測效果。
文輯推薦
知識(shí)推薦
百科推薦
職位:巖土設(shè)計(jì)助理
擅長專業(yè):土建 安裝 裝飾 市政 園林