多层感知机

摘要： 为了解决时序性和非线性瓦斯浓度序列预测误差较大的问题,提出融合注意力机制的门控循环单元神经网络对瓦斯预测进行研究。该算法首先对数据集进行预处理,接着引入更新门和重置门设计门控循环单元神经网络的算法结构,并加入注意力机制调整网络隐藏层参数,以误差损失最小化为目标预测瓦斯浓度。以吉林板石瓦斯灾害风险管控平台的监控数据为例,通过该算法预测得到结果与实际值之间的最小均方根误差为3.95%,最小平均绝对误差为0.71%,并将其与卷积神经网络、循环神经网络和多层感知机进行比较,实验表明该算法相较于传统方法,预测精度更高。

摘要： 关于5G潜在用户的分析与预测,基于每月用户更换5G套餐数据,分析了4G用户更换5G套餐的行为特征,识别出目前4G用户具有更换5G套餐的需求群体,进行5G潜在客户营销。在对数据预处理后,利用多层感知机对数据进行10000迭代训练,通过对权重的调整,达到最优拟合效果,完成对5G潜在客户的预测。通过构建多层感知机模型,对未升级5G的4G用户的预测精准度达到90%以上,满足一般的商业需求。

摘要： 为了提高光伏功率预测的准确性和可靠性,基于相似日小波变换和多层感知机建立智能光伏功率预测模型;将小波变换的多分辨率特点和多层感知机的非线性拟合能力结合起来,以有效地提高预报的可靠性.首先,选取相似日数据并归一化,并用小波变换对数据进行预处理;其次,训练多层感知机模型学习气象因素与光伏功率之间的映射关系;最后,基于沙漠知识澳大利亚太阳能中心实际大型数据集进行对比实验.实验结果中的技能得分表明,本预测模型相较于其他对比模型,在预测准确性和可靠性方面具有更好的性能.

摘要： 地铁车辆牵引系统健康评估与故障预测是目前城市轨道交通领域的研究重点之一。采用数据挖掘技术,对地铁车辆牵引系统健康度评估进行相关研究。主要研究方法为利用无监督学习方法,建立机器学习模型。首先提取原始特征,采用方差过滤和主成分分析法进行特征降维,选用高斯混合模型得到类概率值作为车辆亚健康状态的判定依据。进而采用多层感知机模型训练牵引电机超温故障预测,取得了较好的效果。

摘要： 雷达罩、扰流板等装备中广泛采用了纤维增强玻璃结构。在工程实践中,此类结构由于受到表面结构磨损、老化、冲击、化学腐蚀等因素的影响,其内部结构逐渐演变成缺陷状态,扩展形成诸如气泡、划痕、缺胶、裂纹、空蚀、污点等缺陷,这些缺陷对设备质量性能已构成严重威胁。从纤维增强玻璃结构缺陷的传播过程来看,其持续时间随机,且可能很短。因此,设计一套科学的纤维增强玻璃结构微缺陷智能检测系统,增强纤维增强玻璃结构的维护性,不仅有助于减少突发事件,而且对确保安全生产运行具有积极的理论意义和应用价值。首先,讨论了纤维增强玻璃结构的缺陷检测机制,分析了缺陷检测原理和缺陷区域的识别方法。其次,讨论了缺陷边缘信号的处理过程,建立了基于MLP的分类器,并设计了分类器的算法。最后,通过对典型纤维增强玻璃结构的实时监测和缺陷诊断,证明了该方法的有效性。实验结果表明,该方法提高了缺陷检测的效率,具有较高的缺陷特征识别精度,为纤维增强玻璃结构缺陷的在线检测提供了新思路。

摘要： 云检测是卫星遥感数据预处理中至关重要的工作.本文将多层感知机和辐射传输模型相结合,利用可见光和近红外波段反射率信息从卫星影像中识别出云像元.该方法利用SBDART辐射传输模型,模拟获得了各种复杂陆地地表的反射率值数据集,为多层感知机提供训练样本.随后,用训练好的多层感知机模型区分FY-3D卫星MERSI II影像中的云像元和非云像元,利用CALIPSO垂直特性掩膜产品(Vertical Feature Mask,VFM)逐像元进行验证,并与MODIS云掩膜产品(MYD35)进行横向对比.结果表明,以VFM数据集为标准的情况下,多层感知机识别云的总正确率为76.25%,其中在夏季和低纬度地区效果最好,如赤道附近地表识别的准确率可达到91.74%,而在城市、农田和裸地等复杂地表类型条件下的云检测识别正确率分别为83.37%、84.52%和73.11%,分别高于MYD35产品的83.25%、83.31%和72.66%.为了进一步验证多层感知机结合辐射传输模型云检测方法的有效性,将辐射传输模型模拟得到的训练样本分别用于k-最近邻、朴素贝叶斯以及随机森林算法,并与本文多层感知机算法进行对比.结果表明,将多层感知机和辐射传输模型相结合具有更高的正确率.

摘要： 针对传统匹配场处理方法存在水下声源远距离定位失准以及定位时间过长的问题,提出了一种基于多层感知机的水下声源被动定位方案。利用团队自研的“浮星”浮标实测的剖面数据模拟真实海洋环境,并在水中布设垂直水听器阵,仿真大量不同位置的声源在水听器处产生的接收数据。将多通道波形数据直接作为输入对多层感知机网络进行训练,从而获取高精度的定位神经网络。仿真结果表明,与匹配场处理算法相比,设计的感知机网络可以在大范围信噪比环境中实现有效的水下声源定位,其中在30dB信噪比下定位距离和深度的平均相对误差达到了1.94%和6.84%。另外,相对于失配声速剖面,使用平均声速剖面模拟的接收数据可提高网络的定位性能。

摘要： 经过训练的分类模型可以准确识别出图像中的具体对象,找出“图像中有什么”,但针对诸如“图片描述了什么”的抽象概念标签的图像分类问题研究较少,研究难度也更大。抽象概念标签不属于图像中包含的任何一个具体的对象,而是由许多不同的概念混合在一起,所以直接学习这个抽象标签相当困难。为了解决这类抽象标签的图像分类问题,借助多示例学习方法思路,设计并实现了多示例两阶段模型。该模型由两个阶段构成,第一阶段基于Yolo模型修改,实现从图像中快速、精准提取出具体对象,第二阶段构建多层感知机,利用第一阶段模型的结果最终得到图像的分类抽象概念。最后,通过一个具有示范性的实验案例,验证多示例两阶段模型可以利用多示例学习有效解决抽象标签的图像分类问题,展示了多示例两阶段模型的可行性。

摘要： 近些年很多基于深度学习的推荐模型被提出,这些模型通过对特征的处理和改变深度网络结构来解决推荐系统数据稀疏和冷启动的问题.然而现有的方法忽略了特征与特征之间的交互对深度网络的影响,限制了模型的学习能力.为了给用户推荐更感兴趣的项目和信息,本文提出了分解机深度网络(Factorization Machine Deep Network,FMN)模型.该模型将因式分解机和深度神经网络结合,首先利用因式分解机在特征之间进行交互以充分学习交叉项特征,然后利用深度网络学习高阶非线性特征.进而,分解机深度网络将特征的隐藏信息充分发掘出来并拥有高阶的非线性特征学习能力.两个真实数据集的实验表明,本文提出的模型在推荐性能上有着明显的提升.

摘要： 为了解决信息过载问题,提出了一种融合知识图谱与注意力机制的推荐模型。在该模型中,将知识图谱作为辅助信息进行嵌入,可以缓解传统推荐算法数据稀疏和冷启动问题,并且给推荐结果带来可解释性。为了提升推荐准确率以及捕捉用户兴趣的动态变化,再结合深度学习中的神经网络以及注意力机制生成用户自适应表示,加上动态因子来更好地捕捉用户动态兴趣变化,使用多层感知机对项目进行评分预测。在MovieLens-latest-small电影数据集和豆瓣数据集进行仿真验证,结果表明该模型进行TOP-K列表电影推荐相比于其他算法拥有更好的推荐性能。

摘要： 为了缓解神经网络模型梯度弥散问题,提高高分辨率遥感影像的分割精度,本文针对神经网络模型中激活函数的选择问题,通过分析和对比多种激活函数的优点和缺陷,提出了一种新型激活函数——SReLU函数.基于此激活函数,设计多层感知机,并引入主成分分析法,在公开的高分辨率遥感数据集上进行分割实验.实验表明,新的激活函数不仅能加快网络模型的收敛速度,还能有效提高高分辨率遥感影像分割的精度.

摘要： 目前在HDSL中普遍使用自适应判决反馈均衡技术来消除ISI和噪声,但其的线路衰耗较大、线路非线性失真较重或持续强噪声等线路不良情况时,无法正确工作.因此,本文尝试使用两种前向神经网络模型构建均衡器,替代传统的自适应判决反馈均衡器.在HDSL信道条件下,以传统的DFE性能作为基准,主要采取多层感知机(MLP)、径向基函数(RBF)两种前向型神经网络模型加以仿真,比较分析仿真结果.

摘要： 上海市于1999年6月开始空气污染指数预报,我们建立了一个人工神经网络模型配合工作.这是一个多层感知机(MLP),用误差反向传播(BP)法进行训练.本文介绍模型的建立、应用和改进.

摘要： 本发明提供了一种室内精准定位系统，属于智能物联网技术领域。解决了实际场景中超宽带技术通信信号易受复杂室内环境影响而导致数据发生异常波动的问题。本发明针对上述问题设计软件部分，主要分为数据预处理部分，特征提取部分，异常判断部分，室内定位部分和运动轨迹定位部分。所述数据预处理部分主要是过滤异常数据；所述特征提取部分用于获取靶点的距离信息和场景信息；所述异常判断模型判别有无信号干扰；所述室内定位部分考虑信号干扰建立数学模型进行精确定位；所述运动轨迹定位部分结合靶点运动规律，对运动轨迹进行精确定位与可视化。本发明具有定位精度高，算法复杂度低和性能稳定的特点，适用于信号干扰情况下的实时精准定位。

摘要： 本发明公开了一种基于多层感知机的特征融合目标感知跟踪方法，在图片中裁出一块区域作为模版图片，并且输入ResNet网络提取其特征，在后续的跟踪过程中，首先会根据上一帧的目标位置信息在当前帧裁出模版图片多倍的搜索区域图片，输入相同的ResNet网络提取其特征，并与模版特征做像素级相关计算，获得具有两者的相似性信息的相关特征；然后将相关特征依次通过非局部注意力模块、全局信息编码模块和角点预测模块，获得精准的边界框回归结果。

摘要： 本发明公开了一种基于多层感知机网络的桥式起重机安全控制方法及系统，包括：获取桥式起重机负载质量和绳长数据，以及小车的运行速度数据；根据所述数据以及预先训练好的安全距离预测模型，得到起重机的实时安全距离，进而得到起重机的实时安全范围；判断所述安全范围内是否存在障碍物，如果存在，则进入安全制动状态；其中，所述安全距离预测模型为由多层感知机网络构建的模型，所述安全制动状态能够抑制桥式起重机运动过程中的负载摆角，并且在与障碍物碰撞前安全稳定停车。本发明方法可以使桥式起重机紧急停止的同时抑制负载(被搬运的物体)摆动，保障了桥式起重机自动运输过程的安全。

摘要： 本发明公开了一种基于多层感知机网络代理模型的星座对地覆盖性能综合分析方法，包括：确定星座对地覆盖性能综合分析的星座参数和性能参数，并给定星座参数的取值范围；生成多个训练数据，其中，训练数据包括一组星座参数及对应的性能参数；对训练数据进行标准化处理；构建多层感知机神经网络模型，利用标准化处理后的训练数据对多层感知机神经网络模型进行训练以拟合星座参数与性能参数之间的映射关系；利用训练后的多层感知机神经网络模型，对星座对地覆盖性能进行预测分析。本发明通过利用多层感知机神经网络构建星座对地覆盖性能分析的代理模型，能够实现对星座空间覆盖性能和时间覆盖性能的综合快速分析，计算量小，计算耗时少，分析精度高。

摘要： 本发明提供了一种基于多层感知机的静力触探土层划分方法，获取静力触探数据；根据获取的静力触探数据和多层感知机模型，得到土层划分结果；基于土层划分结果，进行层内数据处理和层间数据处理，得到最终土层划分结果；本发明结合多层感知机模型，综合土性和力学性质分层，将岩土工程的关注重点和工程经验内化至系统中，形成了高精度的可直接应用于工程实践的土层划分结果。

摘要： 本发明涉及一种基于多层感知机的数控机床多工况切削参数优化方法，属于数控机床智能制造装备领域。针对数控机床的机床坐标以及刀具参数的不确定性问题，会导致数控机床在切削加工过程中出现强烈的颤振，提出了一种基于多层感知机的数控机床多工况切削参数优化方法，该方法首先需在锤击模态实验下获取基于不同主轴坐标、刀具直径、悬伸长度的刀尖频响函数曲线，并结合模态理论公式和铣削颤振稳定性数学模型分析，绘制出铣削稳定性叶瓣图；根据切削颤振稳定性预测方法构建以各向运动部件位移、刀具直径、悬伸长度、主轴转速、切削宽度、每齿进给量为输入的极限切削深度MLP预测模型；采用该回归预测模型作为切削稳定性约束建立材料去除率和刀具寿命的多目标优化模型，通过带精英策略的非支配排序的NSGAII算法来求解最优加工参数配置。并以一台加工中心展开实例研究分析，本发明能够表明所获取的优化配置能满足机床稳定性切削，并验证该方法的可靠性和有效性。

摘要： 本发明涉及一种基于多层感知机平滑的软件程序安全检测方法，包括：获取初始种子用例；将初始种子用例输入多层感知机模型中进行训练，并结合Nadam梯度优化算法，以引导种子用例的变异，得到测试用例；将测试用例输入待测目标程序中，通过模糊测试，得到相应模糊测试结果；利用当前模糊测试结果，按照设定的优化迭代次数对多层感知机模型进行迭代优化；根据优化后的多层感知机模型，结合Nadam梯度优化算法进行模糊测试变异，以得到最优测试用例；将最优测试用例输入待测目标程序中，通过模糊测试，得到最终的模糊测试结果。与现有技术相比，本发明能够解决测试用例冗余、变异策略效率低下的问题，具有代码覆盖率高、执行效率高的优点。

摘要： 本发明公开了一种融合卷积与多层感知机神经网络的结直肠息肉分割方法，包括：1)收集多种类型内窥镜下结直肠息肉图像，并通过图像随机水平翻转、随机对比度增强、0.75～1.25倍随机多尺度放大缩小和0～360度随机旋转等方法进行图像增强，组成训练样本；2)构建融合卷积与多层感知机神经网络，其中包含卷积与多层感知机编码器、平行自注意力模块、级联语义特征聚合模块和通道引导分组逆向注意力模块；3)利用训练样本训练所述神经网络，优化网络参数，确定网络参数后与神经网络共同组成模型；4)应用时，采集内窥镜下结直肠图像，并输入至模型中，经计算输出结直肠息肉分割图像。该方法提升结直肠息肉的分割效果。

摘要： 本发明公开了一种基于变学习率多层感知机的轴承故障检测方法，包括步骤Step1.利用传感器采集和提取轴承的振动信号；Step2.利用多层感知机对振动信号特征迭代；Step3.利用反向传播过程自动优化多层感知机的权重系数，其中自动优化的学习率是根据迭代次数变化的，并将经迭代后的时域信号进入支持向量机分类器，得到诊断模型；Step4.将测试数据输入到诊断模型中进行诊断，完成对轴承故障的检测；本方法通过利用基于变学习率多层感知机交叉提取轴承信号故障，使损失函数值可以迅速降低完成故障诊断，提取特征速度快，不需要对数据进行任何预处理，而且诊断精度高，具有提取特征快、精确度高和鲁棒性好的特点。

摘要： 本发明公开一种基于多层感知机掩膜解码器的文字检测系统及方法，涉及图像文本检测领域，利用多层感知机掩膜解码器来有效区分不同实例，多层感知机的掩膜解码器取消了权重共享，减小了掩膜分支中的学习混淆问题，同时，由于其全局建模和更多上下文信息的引入，得到预测结果也更为紧致，可以有效区分密集文本。