概率神经网络
概率神经网络的相关文献在1993年到2022年内共计981篇,主要集中在自动化技术、计算机技术、电工技术、机械、仪表工业
等领域,其中期刊论文857篇、会议论文42篇、专利文献372665篇;相关期刊502种,包括科学技术与工程、机械科学与技术、机械设计与制造等;
相关会议40种,包括2016年全国工业控制计算机技术年会 、第10届全国计算机支持的协同工作学术会议暨中国计算机学会协同计算专委年度工作会议、2015全国电工理论与新技术学术年会等;概率神经网络的相关文献由2579位作者贡献,包括姜绍飞、李祚泳、倪一清等。
概率神经网络—发文量
专利文献>
论文:372665篇
占比:99.76%
总计:373564篇
概率神经网络
-研究学者
- 姜绍飞
- 李祚泳
- 倪一清
- 吴浩
- 徐袭
- 李鹏
- 贺静
- 高军伟
- 李楠
- 杨旭红
- 杨杰
- 王伟
- 石敏
- 高赞明
- 司风琪
- 吴少雄
- 吴莉莉
- 周建民
- 崔若飞
- 张琳
- 张贤
- 张遂强
- 张鑫
- 徐光华
- 李军
- 李刚
- 李志农
- 李新德
- 杨青
- 熊建秋
- 王宏
- 王成儒
- 王金甲
- 肖淑苹
- 许行
- 付华
- 任密林
- 侯国莲
- 刘娜
- 刘斌
- 刘林密
- 刘浩
- 刘益岑
- 刘霞
- 吴启勋
- 周云龙
- 周超
- 孙晓刚
- 孟凡磊
- 崔东文
-
-
赵祎明;
王婕;
张高巍;
孙建军;
杨鹏
-
-
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.
-
-
张晓丹;
杜金祥;
李涛;
佘翼翀;
赵瑞;
柯熙政;
康俊玮;
王舒仪
-
-
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。
-
-
常磊;
孙光旭;
蔡永伟;
闵行政
-
-
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。
-
-
董和夫;
张晓虎;
乔超杰;
屈浩轩
-
-
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。
-
-
张邵杰;
朱武
-
-
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。
-
-
孙长海;
苏晓敏;
李天伦;
王春逢;
马塽;
杭慧芳
-
-
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。
-
-
陈帅;
黄晋英
-
-
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%。
-
-
王春阳;
汤子梦;
吴喜芳;
李长春;
张合兵
-
-
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。
-
-
苏审言;
张建德
-
-
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。
-
-
钟明灯;
陈冬冬
-
-
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。
-
-
李彦强;
尚彦龙;
张涛
- 《2018年世界内燃机大会》
| 2018年
-
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.
-
-
Feng Yao;
冯垚;
Zhang Huijuan;
张惠娟;
Xie Shiping;
谢实平;
Huang Kai;
黄凯;
Zhang Xuehui;
张雪辉
- 《2015全国电工理论与新技术学术年会》
| 2015年
-
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.
-
-
刘蕴哲;
胡金海;
任立通;
姚凯翔;
段进峰
- 《第十五届推进系统气动热力学专业学术交流会》
| 2015年
-
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.
-
-
周志宏;
李学波
- 《第八届中国系统建模与仿真技术高层论坛》
| 2013年
-
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。
-
-
-
-
-
-