概率神经网络

摘要： 背景:下肢外骨骼机器人用于恢复患者的基本行走能力,要实现人-机的高度协同和制定机器人控制策略,就要对包括步态在内的人体下肢运动意图进行识别.目的:提出一种新式分类器,利用人体表面肌电信号进行步态识别.方法:首先,采集人体5种步态模式的下肢表面肌电信号;其次,对采集的信号进行降噪和特征提取以获得5种步态模式的数据集,并将其两两结合形成10组数据集;再次,将每组数据集的训练集按照AdaBoost算法规则输入至概率神经网络进行训练;从次,将已训练概率神经网络集成获得10个强分类器;最后,将测试集样本输入到10个强分类器并采取投票机制判断其所述类别.结果 与结论:实验使用改进AdaBoost算法对5种步态模式进行识别,取得了90.2％的平均识别率;将其与仅使用一个概率神经网络进行对比,单独使用概率神经网络时的平均识别率为68.2％,低于改进AdaBoost分类器的平均识别率;将弱分类器更换为支持向量机、BP神经网络、决策树构建强分类器进行对比,当仅使用一个弱分类器时,支持向量机的平均识别率高于概率神经网络,然而将弱分类器使用改进AdaBoost算法集成以后,以概率神经网络为弱分类器时的识别率相较于以支持向量机为弱分类器时84.3％的识别率更高.

摘要： 针对单一生理信号特征信息不足以及个体特异性与全局阈值不匹配导致的情绪识别正确率低的问题,提出了一种改进的Relief F匹配多生理信号特征选择算法。通过小波包分解多生理信号并重构与情绪相关的6个波段,以及经验模态分解提取基于小波系数和重构信号本征模函数分量的8类特征;使用Relief F算法先获得优选特征组,再构建优化特征组权重获得全局最优匹配特征组,以及与其对应的匹配通道;并采用概率神经网络结合全局最优匹配特征组训练情绪分类模型。结果表明:该方法能够较好地对愉悦、愤怒、放松、悲伤4类情绪进行分类,其平均识别正确率分别为90.89%、85.39%、82.81%、87.56%,对比单一生理信号平均提升了1.76%,验证了此方法的有效性。

摘要： 本文提出了一种阀井沼气与天然气的判别方法,通过对发生可燃气体报警的阀井环境特征的提取与量化,并将环境特征向量代入概率神经网络进行训练,依据贝叶斯分类法则,较好地实现了沼气与天然气的区分,为管理单位提供了决策依据,为地下管网安全提供了技术支持。

摘要： 针对依照经验选取平滑因子导致概率神经网络模型故障诊断正确率不高的问题,提出了一种基于麻雀搜索算法优化概率神经网络(PNN)的变压器故障诊断方法。该方法引入麻雀搜索算法来优化概率神经网络中的平滑因子,然后将优化得到的平滑因子赋给PNN,从而得到优化后的变压器故障诊断模型。仿真结果表明,与优化前的PNN网络及PSO-PNN网络相比,所提方法具有更高的故障诊断准确率,适用于变压器故障诊断。

摘要： 为克服概率神经网络在判断变压器的故障类型方面的不足,文章采用改进的烟花算法优化概率神经网络(IFWA-PNN)的平滑因子。实例分析表明,提出的变压器故障诊断模型诊断准确率达到91.7%,相比传统的支持向量机诊断模型有较大提升,以此证明故障诊断模型的有效性和实用性。

摘要： 采用阶梯升压法进行油纸绝缘沿面放电与气隙放电实验,根据放电发展过程的差异将局部放电划分成4个阶段:放电初始阶段、放电发展阶段、放电稳定阶段和临近击穿阶段,分析两种模式下放电特征参量的发展规律。提取放电相位分布(PRPD)图谱的29个统计特征参量,通过局部线性嵌入算法降维得到新的六维特征参量,采用概率神经网络(PNN)算法对两种放电模式下油纸绝缘放电发展阶段进行识别,并与广义回归神经网络(GRNN)模型以及反向传播神经网络(BPNN)模型进行比较,发现其识别结果更加准确。

摘要： 当滚动轴承出现微弱故障而当前工况又比较复杂的情况下,传统的特征参数难以实现提取故障特征的目标,为此本文想借助基于精细复合多尺度散布熵(RCMDE)与概率神经网络(PNN)这种方法来诊断轴承故障。首先,对轴承不同状态振动信号进行RCMDE分析,提取每种状态各20个尺度的RCMDE值构建故障特征向量,将其可视化;其次,将特征向量集输入到PNN分类器中进行轴承的不同状态模式识别与分类;最后进行验证和多种方法的结果比对,验证操作借助了凯斯西储大学的滚动轴承数据集,而结果比对的对象则是基于MDE-PNN的故障诊断方法。实验结果表明,基于RCMDE-PNN的方法能够对滚动轴承故障进行有效识别与诊断,分类精度优于MDE-PNN方法,准确率达到97.65%。

摘要： 针对以往土地利用监测大都采用监督分类算法,成本较高、错分漏分严重且受人为因素影响较大的问题,提出了一种粒子群优化概率神经网络的半监督分类算法。该算法通过粒子群优化算法优化分类器的参数,提高分类器的精度,运用香农熵选择高置信度的样本扩展初始训练样本集,将大量未标记的样本扩展到训练样本集中,减少了初始标签样本的数量,节约了成本,并与随机森林法、最大似然法、概率神经网络算法进行对比分析,总体精度较其他算法提高了1.25~6.57个百分点,Kappa系数达到0.8以上。对新乡市1996年、2004年、2013年、2020年的遥感影像进行土地分类,结果表明1996—2020年间新乡市的建设用地以中部地区新乡县为中心不断扩张,耕地面积也在不断增加,其他用地面积不断减少,沿黄河绿地面积不断增加;土地流转方面耕地转建设用地最为明显,本研究为新乡市进一步合理开发土地资源提供了理论依据。

摘要： 针对变压器局部放电模式识别难题,提出一种基于改进粒子群算法和概率神经网络的识别方法。首先在局部放电相位模式下的四种二维谱图中提取统计特征参数,然后通过一种改进的粒子群算法对概率神经网络的平滑因子进行优化,把所提取的特征参数作为特征向量输入概率神经网络,对三种局部放电模式进行识别,再使用传统方法进行识别,最后将结果进行对比。试验结果表明,所提方法确实在识别性能上具有优越性,证明了方法的有效性与实用性。

摘要： 采用传统方法判别油浸式变压器失效故障时存在有效率低、性能差的问题,提出了基于概率神经网络的油浸式变压器失效判别仿真方法。利用时频定义了油浸式变压器失效信号,根据失效信号的能量分布情况提取出其模态特征,结合希尔伯特变换完成变压器失效信号的识别。采用概率神经网络连接拓扑结构,将失效故障值转换为网络错误帧,根据变压器的连接特性计算变压器失效的响应特性,引入变量分析法建立变压器失效数据关联函数,通过排列运算失效数据的关联变量构建失效数据统计量,以此进行油浸式变压器的失效判别。仿真实验结果表明,该方法不仅可以提高失效判别的有效率,还可以提升判别效率,具备一定的实际应用价值。

摘要： 本文针对柴油机典型机械故障,提出了一种基于主成分分析和概率神经网络的故障诊断方法.采用振动传感器采集柴油机壳体振动信号,利用小波包分解信号并提取故障特征参数;通过主成分分析方法获得敏感特征参数,减小数据处理复杂程度和学习量;利用概率神经网络对典型故障的样本数据进行学习训练,构建满足应用要求的神经网络并完成故障的自动分类识别.研究表明该方法效果较好,可用于柴油机实际故障的识别诊断.

摘要： 针对人类对电能质量要求的提高以及电能质量较低的问题,本文提出基于S变换和概率神经网络对扰动信号进行分类识别.对此,首先运用S变换理论对电能质量扰动信号进行分析,并提取11倍基频行向量曲线、时间-幅值包络线和频率-幅值包络线等特征曲线,在特征曲线基础上提取特征量,然后运用概率神经网络对电能质量扰动信号分类识别,最后在MATLAB中进行仿真验证,结果表明,S变换具有很好的时频分析能力,较为准确对扰动信号分析;概率神经网络对扰动信号具有很好的识别能力并且需要的训练样本数少、训练时间短;S变换和概率神经网络结合在一起的方法训练速度快,分类识别效果好.为改善电力系统电能质量提供科学依据.

摘要： 为提高航空发动机轴承故障诊断精度,应用距离评估准则和概率神经网络分类技术,提出了一种基于特征选择与概率神经网络(PNN)的轴承故障智能诊断方法.首先,利用轴承故障试验数据,提取得到14个时域特征和13个频域特征,构成故障诊断多域特征集;其次,为提高分类效率,降低各特征量间的耦合特性对分类结果的影响,应用基于距离评估的特征选择方法,筛选得到分类性能更好的特征参数;在此基础上,应用概率神经网络方法进行了轴承故障诊断研究.应用轴承模拟故障实验数据进行验证,结果表明:与反向传播网络(BP)和自组织神经网络(SOM)诊断方法相比,本文PNN方法诊断精度更高;同时由于采用了特征选择,诊断效率和精度又得到进一步提高.

摘要： 为有效减少交通拥挤、预防交通事故,建立了基于概率神经网络的高速公路预警网络模型.仿真结果表明,该网络预警准确率高、泛化能力强,可以对高速公路交通安全进行实时监测,对于有效的预防和控制交通灾害的发生有一定的现实意义。

摘要： 基于概率神经网络(PNN)在模式分类方面的显著特点及油液光谱分析对航空某型燃气轮机润滑系统一段时间内运行状态的监测,初步研究了某型燃气轮机润滑系统磨损故障诊断技术.根据典型磨损金属元素的油液光谱分析结果提取出特征向量,利用PNN训练特征向量,建立某型燃气轮机润滑系统磨损故障诊断模型;并利用所建模型对磨损故障进行预测.Matlab仿真试验结果表明:所建模型用于某型燃气轮机润滑系统磨损故障诊断及预测的可行性,为深入研究燃气轮机润滑系统的磨损故障诊断奠定了基础.

摘要： 气象预测预报与人们的生活工作息息相关,因气象数据存在不确定性、持续性、动态性、高复杂性等特点,致使灾害天气的预测预报在实际生活中效果不好,尤其是局域极端恶劣天气的预测预报准确率低下,这给人们的生命财产带来巨大损失.本文在深入分析南方某局域气象数据的基础上,提出构建多网络模型(概率神经网络PNN和径向基神经网络RBF混合模型)对局域地区降雨类型进行识别及雨量预测.首先构建PNN神经网络模型识别降雨类型;其次,针对大雨级别以下和大雨级别以上分别建立两个不同的RBF神经网络模型,实现对降雨量的进一步预测;最后将RBF网络预测的雨量结果逆向校正PNN网络的预测识别结果并获得降雨类型数据的雨量等级划分.本文的多网络模型均采用K折交叉验证方法(k-foldercross-validation)校验模型的可靠性与稳定性.经实验验证,证实了本文提出的混合多网络模型在降雨类型识别及雨量预测中的有效性.本文的研究可为气象部门的天气预测预报提供决策支持与参考.

摘要： 本文采用多属性分析和波阻抗相处理结合的方法,将波阻抗反演结果作为外部属性利用概率神经网络分析技术，建立准确的地震数据与测井信息的非线性关系，以提高常规叠后反演的分辨率。通过实际地震资料和测井数据验证该方法,能够较好的提高储层预测的精度。

摘要： 针对导弹电气系统故障诊断复杂的问题,建立了基于PNN的故障诊断模型,以某型导弹电气系统为例,使用MATLAB训练仿真工具验证了模型的合理性,为导弹故障诊断提供有个有力的依据.

摘要： 针对导弹电气系统故障诊断复杂的问题,建立了基于PNN的故障诊断模型,以某型导弹电气系统为例,使用MATLAB训练仿真工具验证了模型的合理性,为导弹故障诊断提供有个有力的依据.

摘要： 针对导弹电气系统故障诊断复杂的问题,建立了基于PNN的故障诊断模型,以某型导弹电气系统为例,使用MATLAB训练仿真工具验证了模型的合理性,为导弹故障诊断提供有个有力的依据.

摘要： 本发明提供一种不需要偏置的神经网络电路装置、神经网络、神经网络处理方法和神经网络的执行程序。二值化神经网络电路(100)具有：输入输入值x1～xn(xi)(二值)的输入节点和输入权重w1～wn(wi)(二值)的输入部(101)；XNOR门电路(102)，其接收输入值x1～xn和权重w1～wn，且进行XNOR逻辑运算；求和电路(103)，其求出各XNOR逻辑值的总和；批归一化电路(41)，其通过扩大归一化范围且使中心位移的处理来修正由二值化导致的分布不平衡；和激活函数电路(35)，其使用激活函数fsgn(B)对信号B进行转换，其中所述信号B是对求出总和之后的信号Y进行批归一化得到的信号。

摘要： 本发明提供一种无需批归一化电路的神经网络电路装置、神经网络、神经网络处理方法及神经网络的执行程序。二值化神经网络电路(100)具备：输入输入值x1～xn(xi)(二值)的输入节点及输入加权w1～wn(wi)的输入部(101)、接收输入值x1～xn及加权w1～wn并采用XNOR逻辑的XNOR门电路(102)、输入多位偏置W'的多位偏置W'输入部(110)、取各XNOR逻辑值和多位偏置W'的总和的求和电路(103)及对于取总和后的信号Y仅输出符号位的激活电路(120)。

摘要： 本发明提高数据并行型分散学习的吞吐量。神经网络系统具有存储器和访问存储器的多个处理器，多个处理器中的每一个处理器在多次学习中的每一次学习中，基于训练数据的输入和神经网络内的参数执行神经网络的运算来计算神经网络的输出，计算计算出的输出与训练数据的教师数据的差分相对于参数的梯度或者基于梯度的更新量，(1)在梯度或者更新量的累积不小于阈值的第一情况下，执行多个处理器将分别计算出的多个梯度或者更新量的累积发送到多个处理器内的其它的处理器来汇集多个梯度或者更新量的累积，接收汇集后的梯度或者更新量的累积，用汇集后的梯度或者更新量的累积更新参数的第一更新处理，(2)在梯度或者更新量的累积小于阈值的第二情况下，执行多个处理器不进行基于发送的多个梯度或者更新量的累积的汇集，用多个处理器分别计算出的梯度或者更新量更新各自的参数的第二更新处理。

摘要： 本公开涉及训练神经网络的方法、训练神经网络的系统以及神经网络。一种用于训练第一神经网络，以在图像输入到第一神经网络时，检测在该图像上可见并且属于给定对象类别的对象的视点的方法，包括：提供不同视点下的多对图像的数据集，提供被配置成能够得出对象的外观信息的第二神经网络，提供被配置成能够使用外观信息和视点，得出所述类别的对象的合成图像的第三神经网络，联合训练第一神经网络、第二神经网络和第三神经网络。

摘要： 根据本发明的分布式处理用人工神经网络运算加速装置可以具有：外部主存储器，存储针对输入神经元的输入数据和突触权重；内部缓冲存储器，存储构成所述人工神经网络运算的各个循环所需的突触权重和输入数据；DMA模块，用于与所述外部主存储器及内部缓冲存储器直接发送和接收数据；神经网络运算装置，针对构成人工神经网络运算的各个循环重复地处理以下一系列顺序过程：读取存储在所述内部缓冲存储器的突触权重和输入数据、执行人工神经网络运算、将运算结果存储在所述外部主存储器；CPU，用于控制在所述外部主存储器和内部缓冲存储器存储针对输入神经元的输入数据和突触权重的操作和所述神经网络运算装置的运行；及通用通信中介块，可以与无关集成电路的类型地以物理方式连接的其他加速装置发送和接收针对所述输入神经元的输入数据和突触权重以及在所述神经网络运算装置执行的运算结果。

摘要： 一种卷积神经网络(CNN)处理装置(1)，设置有：输入缓冲器(10)，用于存储要对CNN应用的输入信号A；权重缓冲器(11)，用于存储权重U；卷积运算单元(12)，执行包括输入信号A与权重U之间的乘积‑求和运算的卷积运算；存储单元16，存储表(160)，在该表中，转换‑量化处理的输入与输出彼此相关联，其中，转换‑量化处理接受卷积运算的运算结果作为所述输入，基于预定条件来转换输入值，通过降低转换后的数据的比特精度来进行量化，并且输出结果；以及处理单元(14)，参考表(160)以获取转换‑量化处理的与卷积运算的运算结果相对应的输出。

摘要： 本发明提供一种能够通过减少存储器数量而将其配置在芯片上的神经网络电路装置、神经网络处理方法和神经网络的执行程序。三状态神经网络电路(200)具有非零卷积运算电路(21)、求和电路(22)和激活函数电路(23)，其中，所述非零卷积运算电路(21)在中间层中接收用于进行卷积的输入值Xi和权重Wi来进行卷积运算；所述求和电路(22)求取通过卷积运算得到的各运算值和偏置W0的总和；所述激活函数电路(23)用激活函数f(u)对求取总和得到的信号Y进行转换。非零卷积运算电路(21)跳过权重Wi为零的权重，来根据非零权重和与该非零权重对应的输入值Xi进行卷积运算。

摘要： 本发明提供了一种生成训练神经网络的训练数据的方法、训练神经网络的方法和利用神经网络进行自主操作的方法，以及相关设备和系统。一方面，提供了一种训练用于环境中对象的自主操作的神经网络的方法，包括：基于样本数据集生成策略值；基于所述策略值生成近似动作值函数；通过所述近似动作值函数为所述样本数据集中的所有状态以及所有可能动作生成近似策略值集；基于近似策略值计算所述神经网络的训练目标；计算训练误差作为所述训练目标和所述样本数据集中对应的状态动作对的策略值之间的差值；更新所述神经网络的至少一些参数以最小化所述训练误差。

摘要： 一种用于处理包括运算处理图在内的神经网络模型的神经网络系统，该神经网络系统包括运算处理器，其中该运算处理图包括多个运算，该运算处理器包括存储第一模块输入特征图的内部存储器。该运算处理器被配置为：基于所存储的第一模块输入特征图，通过执行多个运算中的第一运算来获得第一分支输出特征图；以及基于所存储的第一模块输入特征图，通过执行多个运算中的第二运算来获得第二分支输出特征图。该内部存储器在执行第一运算时保持对第一模块输入特征图的存储。

摘要： 本发明公开了一种概率神经元电路、概率神经网络拓扑结构及其应用，概率神经元电路包括积分电容、非固定阈值易失性器件和负载电阻；积分电容的一端外接突触电阻及连接非固定阈值易失性器件的一端，易失性器件的另一端连接负载电阻的一端。网络拓扑结构包括多个输入神经元电路、多个概率神经元电路和侧向抑制神经元电路；每个概率神经元电路用于基于其非固定激发阈值及各输入神经元电路发放的电信号进行随机激发；抑制神经元电路用于当接收到前n个概率神经元电路激发的信号时，抑制后续其它概率神经元电路的激发。本发明在神经元电路中引入非固定阈值易失性器件，极大拓展了神经元电路的应用，特别的可用于解决非确定性问题，且具有可靠的解决结果。