1人工神經(jīng)技術(shù)

1.1拓?fù)浣Y(jié)構(gòu)調(diào)節(jié)

通過對(duì)靜態(tài)鄰域的各種結(jié)構(gòu)以及它們對(duì)技術(shù)性能影響進(jìn)行分析后得出，在拓?fù)溥m應(yīng)性方面星形拓?fù)洹onNeumann拓?fù)湟约碍h(huán)形拓?fù)渥詈谩４送猓斯ど窠?jīng)網(wǎng)絡(luò)技術(shù)性能與鄰域密切相關(guān)，處理復(fù)雜問題時(shí)小鄰域的人工神經(jīng)網(wǎng)絡(luò)技術(shù)性能較好，但是處理簡(jiǎn)單問題上大鄰域的人工神經(jīng)網(wǎng)絡(luò)技術(shù)性能會(huì)更好。Chend從改進(jìn)人工神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的角度出發(fā)，提出了一種具有雙結(jié)構(gòu)的人工神經(jīng)網(wǎng)絡(luò)技術(shù)。技術(shù)將神經(jīng)網(wǎng)絡(luò)單元分為M+1層，其中“1”指頂層，技術(shù)通過獲得頂層神經(jīng)網(wǎng)絡(luò)單元的全局最優(yōu)值影響其余各層的粒子對(duì)最優(yōu)值的探索，以此提高神經(jīng)網(wǎng)絡(luò)單元搜索結(jié)果的多樣性。該技術(shù)考慮到神經(jīng)網(wǎng)絡(luò)單元體表現(xiàn)以及粒子個(gè)體的表現(xiàn)，并將其作為觸發(fā)條件控制領(lǐng)域變化從而提高尋優(yōu)效率。提出了KRTG-人工神經(jīng)網(wǎng)絡(luò)技術(shù)，通過產(chǎn)生隨機(jī)動(dòng)態(tài)的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)并將平均值引入到粒子更新公式中，增加了種群的多樣性，改善了粒子間信息的傳播速度。

1.2結(jié)合其他技術(shù)改進(jìn)

相關(guān)研究將遺傳技術(shù)中遺傳算子的選擇、交叉、變異等過程與人工神經(jīng)網(wǎng)絡(luò)技術(shù)相結(jié)合，提出一種混合技術(shù)。改進(jìn)后的技術(shù)提高人工神經(jīng)網(wǎng)絡(luò)技術(shù)的性能，增加種群的多樣性并提高逃離局部最小的能力，可以將差分進(jìn)化技術(shù)和人工神經(jīng)網(wǎng)絡(luò)技術(shù)相結(jié)合，通過兩種技術(shù)的交叉執(zhí)行來(lái)提高改進(jìn)技術(shù)的效率。白俊強(qiáng)等將二階振蕩和自然選擇兩種方法融入到人工神經(jīng)網(wǎng)絡(luò)技術(shù)中，通過二階振蕩對(duì)技術(shù)速度公式進(jìn)行更新，通過自然選擇提高了神經(jīng)網(wǎng)絡(luò)單元中靠近最優(yōu)值粒子的比重。通過收集粒子的取值信息構(gòu)建記憶庫(kù)，讓庫(kù)中信息和粒子自身極值共同決定粒子的尋優(yōu)方向，從而提高尋優(yōu)準(zhǔn)確性。

2人工神經(jīng)網(wǎng)絡(luò)技術(shù)在計(jì)算機(jī)系統(tǒng)中的應(yīng)用

2.1系統(tǒng)管理模塊

1互聯(lián)網(wǎng)人工神經(jīng)網(wǎng)絡(luò)技術(shù)的重要起源以及發(fā)展過程

在上世紀(jì)九十年代初期，利用數(shù)學(xué)知識(shí)將感知器模型的弊病全面提出，致使社會(huì)各界對(duì)于人工神經(jīng)網(wǎng)絡(luò)的探究非常少。另一方面，針對(duì)邏輯運(yùn)算的人工神經(jīng)網(wǎng)絡(luò)研究存在一定的弊端，一直沒有被大家發(fā)現(xiàn)，因此，致使人工神經(jīng)網(wǎng)絡(luò)探究工程進(jìn)入嚴(yán)重的低谷期。

關(guān)于人工神經(jīng)網(wǎng)絡(luò)技術(shù)飛速發(fā)展時(shí)期，九十年代初期，對(duì)于人工神經(jīng)網(wǎng)絡(luò)技術(shù)的弊端予以充分解決，尤其是Hopefield的人工神經(jīng)網(wǎng)絡(luò)技術(shù)模型的提出，致使對(duì)于互聯(lián)網(wǎng)的穩(wěn)定性以及收斂性的探究有了充分的理論依據(jù)。而且將人工神經(jīng)網(wǎng)絡(luò)模型全面應(yīng)用到具體的實(shí)踐中，并且得到全面推廣，同時(shí)，將科學(xué)技術(shù)和人工神經(jīng)網(wǎng)絡(luò)進(jìn)行有機(jī)結(jié)合，使人工神經(jīng)網(wǎng)絡(luò)技術(shù)更加具有可研究性。

2關(guān)于人工神經(jīng)技術(shù)的構(gòu)造以及典型模型

互聯(lián)網(wǎng)人工神經(jīng)技術(shù)的構(gòu)造的組成包括以神經(jīng)元件為主，同時(shí)，這項(xiàng)包含多種神經(jīng)元結(jié)構(gòu)的互聯(lián)網(wǎng)信息處理技術(shù)是可以并行存在的。每一個(gè)具體的人工神經(jīng)元件可以單一輸出，還可以和其他的神經(jīng)元件相結(jié)合，并且具有非常多的連接輸出方法，每一種連接措施都會(huì)有相應(yīng)的權(quán)系數(shù)。具體的人工神經(jīng)網(wǎng)絡(luò)技術(shù)的特點(diǎn)有：（1）針對(duì)每一個(gè)節(jié)點(diǎn)i，都會(huì)有相應(yīng)的狀態(tài)變量Xi存在；（2）節(jié)點(diǎn)j到節(jié)點(diǎn)i之間，是相應(yīng)的權(quán)系數(shù)Wij存在；（3）在每一個(gè)節(jié)點(diǎn)i的后面，具體存在相應(yīng)的閾值θi；（4）在每一個(gè)節(jié)點(diǎn)i的后面，存在變換函數(shù)fi（Xi，Wijθi），但是，通常情況來(lái)說(shuō)，這個(gè)函數(shù)取fi(∑，WijXi-θi)的情況。

3將人工神經(jīng)網(wǎng)絡(luò)技術(shù)進(jìn)行全面使用

互聯(lián)網(wǎng)的人工神經(jīng)網(wǎng)絡(luò)技術(shù)具有獨(dú)特的結(jié)構(gòu)和處理措施，具體包括在：自動(dòng)控制處理和網(wǎng)絡(luò)技術(shù)模式識(shí)別、模型圖像處理和相應(yīng)的傳感器信號(hào)處理技術(shù)。信號(hào)處理技術(shù)和機(jī)器人控制處理技術(shù)、地理領(lǐng)域和焊接、在電力系統(tǒng)應(yīng)用和相關(guān)數(shù)據(jù)挖掘、軍事和交通行業(yè)、農(nóng)業(yè)和氣象行業(yè)等多個(gè)領(lǐng)域紛紛體現(xiàn)出其卓越的貢獻(xiàn)。

1人工神經(jīng)網(wǎng)絡(luò)的生物學(xué)基礎(chǔ)

人工神經(jīng)網(wǎng)絡(luò)直接受神經(jīng)生理學(xué)和生物解剖學(xué)研究的啟發(fā)。一個(gè)簡(jiǎn)單的神經(jīng)細(xì)胞通常稱之為神經(jīng)元，細(xì)胞的胞體是一球形，由胞體延伸出來(lái)的主要管狀信號(hào)傳輸神經(jīng)纖維稱為軸突，胞體上其他又細(xì)又短的纖維稱為樹突，整個(gè)神經(jīng)細(xì)胞—胞體、軸突和樹突—都包含在細(xì)胞膜內(nèi)。胞體和樹突接受來(lái)自其他神經(jīng)元的信息，在軸突的終端附近，通常分成許多分支，稱為突觸區(qū)域。突觸將一個(gè)神經(jīng)元的信息傳給其他神經(jīng)細(xì)胞。信息從突觸前細(xì)胞神經(jīng)元傳到突觸后神經(jīng)元。信息通過突觸的傳遞稱為化學(xué)傳遞，因其利用化學(xué)物質(zhì)的擴(kuò)散來(lái)完成信息的傳遞。神經(jīng)元有許多不同的種類，具有相似或相關(guān)功能的神經(jīng)元通常相互連接。緊密連接的神經(jīng)元通常在神經(jīng)系統(tǒng)中聚集在一起(它們具有明顯的解剖學(xué)特征)，其主要原因是短突觸更有效：它容易生成，所費(fèi)材料少，占據(jù)更小的空間，且傳遞信息快。這一結(jié)構(gòu)的形成原理可用于城市規(guī)劃、網(wǎng)絡(luò)建沒和研究各種自然現(xiàn)象的自組織行為。自組織特征映射算法便是基于這一結(jié)構(gòu)的形成原理而設(shè)計(jì)的。大腦大致包含了數(shù)百個(gè)這樣的細(xì)胞聚合塊，它們的形狀多為球形和盤狀。短的連接出現(xiàn)在同一結(jié)構(gòu)中，結(jié)構(gòu)和結(jié)構(gòu)之間由大量長(zhǎng)神經(jīng)纖維形成的束來(lái)連接，球或盤的順序連接稱為通道。大腦便通過這些以復(fù)雜方式連接起來(lái)的神經(jīng)元形成的網(wǎng)絡(luò)，處理各式各樣的從外部世界輸入的信息。由于現(xiàn)代計(jì)算技術(shù)的發(fā)展，人們對(duì)于外部世界的表示通常用一個(gè)數(shù)字向量來(lái)表示，這一表示使得人類在自然科學(xué)的諸多領(lǐng)域獲得了巨大的成功。大腦是利用神經(jīng)網(wǎng)絡(luò)表示外部世界刺激，神經(jīng)網(wǎng)絡(luò)亦可用一組向量表示外部事件的刺激，但其計(jì)算方式卻與現(xiàn)行的數(shù)字計(jì)算機(jī)的運(yùn)算方式大相徑庭。

2人工神經(jīng)網(wǎng)絡(luò)的基本功能

（1）聯(lián)想記憶。人工神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)使其具有分布存儲(chǔ)信息和并行計(jì)算的功能，所以它能對(duì)輸入其中的信息和輸入的模式有聯(lián)想記憶的能力。

（2）非線性映射。在大多數(shù)的現(xiàn)實(shí)的設(shè)計(jì)中，大多數(shù)的系統(tǒng)的輸入和輸出之前不能建立線性的關(guān)系，導(dǎo)致不能在這種類型的系統(tǒng)上建立相關(guān)的熟悉模型。而設(shè)計(jì)合理的人工神經(jīng)網(wǎng)絡(luò)可以十分精準(zhǔn)的逼近非線性映射，利用它的這一優(yōu)良的能力，可以建立多維非線性函數(shù)的通用數(shù)學(xué)模型，可以應(yīng)用于幾乎所有的領(lǐng)域。

（3）分類與識(shí)別。人工神經(jīng)網(wǎng)絡(luò)對(duì)輸入其中的樣本具有分類與識(shí)別，能力十分強(qiáng)大和精準(zhǔn)，區(qū)別于傳統(tǒng)分類方法只能局限于同類相聚、異類分離的識(shí)別與分類問題，神經(jīng)網(wǎng)絡(luò)對(duì)非線性曲面的逼近一類問題也有很強(qiáng)的解決能力。

（4）知識(shí)處理。人工神經(jīng)網(wǎng)絡(luò)獲取知識(shí)的路徑與我們?nèi)祟愊嗤彩峭ㄟ^對(duì)輸入和輸出的信息分析進(jìn)而發(fā)現(xiàn)規(guī)律從而獲得相關(guān)知識(shí)，并進(jìn)一步在神經(jīng)網(wǎng)絡(luò)中儲(chǔ)存。神經(jīng)網(wǎng)絡(luò)的另外一大優(yōu)勢(shì)，就是可以缺少先驗(yàn)知識(shí)的條件下，自動(dòng)通過從輸入的數(shù)據(jù)中抽取特征，發(fā)現(xiàn)規(guī)律，并構(gòu)建成適合于表達(dá)的規(guī)律。

摘要:

人工神經(jīng)網(wǎng)絡(luò)屬于一種對(duì)人腦結(jié)構(gòu)及功能進(jìn)行反映的數(shù)學(xué)抽象模型，對(duì)人的思維以及存儲(chǔ)知識(shí)等功能進(jìn)行模擬，從而完成某項(xiàng)工作。對(duì)于巖土工程來(lái)說(shuō)，主要包括巖體和土體兩項(xiàng)內(nèi)容，且這兩項(xiàng)內(nèi)容均具備很高的復(fù)雜性。在巖土工程研究過程中，有必要借助人工神經(jīng)網(wǎng)絡(luò)，從而使巖土工程的研究得到有效進(jìn)步發(fā)展。本文在分析人工神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上，進(jìn)一步對(duì)人工神經(jīng)網(wǎng)絡(luò)在巖土工程中的應(yīng)用進(jìn)行分析，以期為巖土工程研究的進(jìn)展提供一些具有價(jià)值的參考建議。

關(guān)鍵詞:

人工神經(jīng)網(wǎng)絡(luò)；巖土工程；應(yīng)用

巖土工程的研究對(duì)象分為兩大類:其一為巖體;其二為土體。巖土工程涉及的介質(zhì)存在兩大特性，即模糊性和隨機(jī)性，這兩大特性又統(tǒng)稱為不確定性。近年來(lái)，不少學(xué)者在巖土工程研究過程中，提出了人工神經(jīng)網(wǎng)絡(luò)這一概念，即利用人工神經(jīng)網(wǎng)絡(luò)，將其應(yīng)用到巖土工程研究領(lǐng)域當(dāng)中，從而為深入了解巖土工程的某些介質(zhì)特征奠定有效基礎(chǔ)［1］。從巖土工程研究的優(yōu)化及完善角度考慮，本文對(duì)“人工神經(jīng)網(wǎng)絡(luò)在巖土工程中的應(yīng)用”進(jìn)行分析意義重大。

1人工神經(jīng)網(wǎng)絡(luò)分析

1．1人工神經(jīng)網(wǎng)絡(luò)概念

摘要：隨著車用發(fā)動(dòng)機(jī)的不斷發(fā)展與完善，發(fā)動(dòng)機(jī)產(chǎn)生故障的種類也越來(lái)越多，故障現(xiàn)象與故障原因之間的非線性關(guān)系越來(lái)越復(fù)雜，發(fā)動(dòng)機(jī)故障診斷越來(lái)越難。基于此，筆者分別對(duì)BP神經(jīng)網(wǎng)絡(luò)、RBF神經(jīng)網(wǎng)絡(luò)、PNN神經(jīng)網(wǎng)絡(luò)及SOM神經(jīng)網(wǎng)絡(luò)在汽車發(fā)動(dòng)機(jī)故障診斷領(lǐng)域的應(yīng)用及成效展開了分析。每種神經(jīng)網(wǎng)絡(luò)所應(yīng)有的診斷場(chǎng)景有所不同，需要結(jié)合具體情況和各種神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)特點(diǎn)去選擇。實(shí)踐證明，RBF神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)精度要高于BP神經(jīng)網(wǎng)絡(luò)，同時(shí)訓(xùn)練時(shí)間更短，可以極大地提升對(duì)故障診斷的效率。

關(guān)鍵詞：神經(jīng)網(wǎng)絡(luò)；故障診斷；汽車發(fā)動(dòng)機(jī)

0前言

汽車發(fā)動(dòng)機(jī)特別是電控發(fā)動(dòng)機(jī)在近年來(lái)獲得了快速發(fā)展。隨著新技術(shù)新工藝不斷地應(yīng)用于發(fā)動(dòng)機(jī)，發(fā)動(dòng)機(jī)已然成為一個(gè)復(fù)雜的非線性系統(tǒng)，其設(shè)計(jì)變量和操作變量之間關(guān)系較為復(fù)雜，很難針對(duì)一個(gè)變量進(jìn)行優(yōu)化來(lái)提升發(fā)動(dòng)機(jī)的性能，同時(shí)給發(fā)動(dòng)機(jī)的故障檢測(cè)與維修帶了極大困難[1]。近年來(lái)，人工神經(jīng)網(wǎng)絡(luò)已被大量引入到汽車發(fā)動(dòng)機(jī)故障診斷領(lǐng)域[2]，特別是“1+X”證書制度對(duì)汽車動(dòng)力系統(tǒng)檢修有了更高的要求，這就需要進(jìn)一步探索汽車發(fā)動(dòng)機(jī)故障檢修更多的方法和途徑，以更好地助推汽車發(fā)動(dòng)機(jī)的快速發(fā)展[3]。當(dāng)前發(fā)動(dòng)機(jī)故障診斷的神經(jīng)網(wǎng)絡(luò)類型還比較單一，運(yùn)用于發(fā)動(dòng)機(jī)故障診斷的相關(guān)研究還處于初級(jí)階段，存在較大的發(fā)展空間。基于此，筆者對(duì)當(dāng)前應(yīng)用于汽車發(fā)動(dòng)機(jī)故障診斷的人工神經(jīng)網(wǎng)絡(luò)進(jìn)行了系統(tǒng)分析，并提出了發(fā)動(dòng)機(jī)故障診斷未來(lái)的發(fā)展方向。

1人工神經(jīng)網(wǎng)絡(luò)在汽車發(fā)動(dòng)機(jī)故障診斷中的應(yīng)用

1.1BP神經(jīng)網(wǎng)絡(luò)

BP神經(jīng)網(wǎng)絡(luò)是一種具有多層結(jié)構(gòu)的前饋神經(jīng)網(wǎng)絡(luò)，其特點(diǎn)是信號(hào)向前傳播，誤差信號(hào)逆向傳播，故該神經(jīng)網(wǎng)絡(luò)又稱為反向傳播網(wǎng)絡(luò)，其非線性的映射能力強(qiáng)，推導(dǎo)步驟較為嚴(yán)謹(jǐn)，無(wú)論是在網(wǎng)絡(luò)理論還是在性能方面都已經(jīng)得到了廣泛的認(rèn)可。因此，BP神經(jīng)網(wǎng)絡(luò)是目前使用最普遍的神經(jīng)網(wǎng)絡(luò)之一。其不足之處是存在收斂速度慢、容易陷入局部極小值以及泛化能力弱的缺點(diǎn)[4]。林海濤等[5]利用BP神經(jīng)網(wǎng)絡(luò)建立了發(fā)動(dòng)機(jī)故障診斷模型，并且利用LM算法對(duì)網(wǎng)絡(luò)學(xué)習(xí)訓(xùn)練，發(fā)現(xiàn)當(dāng)隱含層節(jié)點(diǎn)數(shù)為11時(shí)網(wǎng)絡(luò)的誤差是最小的。因此，將隱含層節(jié)點(diǎn)數(shù)確定為11，該神經(jīng)網(wǎng)絡(luò)對(duì)發(fā)動(dòng)機(jī)的故障診斷正確率能達(dá)到94%。曾榮等[6]通過采集發(fā)動(dòng)機(jī)噪聲信號(hào)并利用小波分解技術(shù)對(duì)采集的發(fā)動(dòng)機(jī)聲壓信號(hào)進(jìn)行分解并對(duì)不同的小波分解方法進(jìn)行比較，得出了相應(yīng)的故障聲音特征參數(shù)，然后基于這些聲音特征參數(shù)建立了BP神經(jīng)網(wǎng)絡(luò)的故障診斷模型，試驗(yàn)證明該網(wǎng)絡(luò)模型對(duì)發(fā)動(dòng)機(jī)故障診斷準(zhǔn)確性較高，診斷速度快，對(duì)于發(fā)動(dòng)機(jī)異響類故障診斷有重要意義。

［提要］介紹人工神經(jīng)網(wǎng)絡(luò)、粒子群優(yōu)化算法、人工神經(jīng)網(wǎng)絡(luò)-粒子群優(yōu)化算法及相關(guān)研究。綜述人工神經(jīng)網(wǎng)絡(luò)-粒子群優(yōu)化算法在化工工程、機(jī)械工程、信息工程、建筑工程、水利工程、電氣工程、通信工程、工業(yè)機(jī)器人、飛機(jī)制造業(yè)、工業(yè)過程優(yōu)化等工業(yè)工程領(lǐng)域的研究。評(píng)述人工神經(jīng)網(wǎng)絡(luò)與粒子群優(yōu)化交叉算法在工業(yè)工程領(lǐng)域中的研究前景及經(jīng)濟(jì)價(jià)值。

關(guān)鍵詞：人工神經(jīng)網(wǎng)絡(luò)；粒子群優(yōu)化；工業(yè)工程；經(jīng)濟(jì)價(jià)值；綜述

近年來(lái)，人工智能、大數(shù)據(jù)、物聯(lián)網(wǎng)和云計(jì)算的發(fā)展迅速，人工神經(jīng)網(wǎng)絡(luò)-粒子群優(yōu)化算法可以在眾多領(lǐng)域中應(yīng)用，達(dá)到減少人力、物力，節(jié)約資源的效果。同時(shí)，人工神經(jīng)網(wǎng)絡(luò)-粒子群優(yōu)化算法在眾多工業(yè)與工程領(lǐng)域中也有了一定的應(yīng)用，在工業(yè)與工程產(chǎn)業(yè)中產(chǎn)生了一定的經(jīng)濟(jì)價(jià)值。

一、人工神經(jīng)網(wǎng)絡(luò)

人工神經(jīng)網(wǎng)絡(luò)（ANN）是可用于處理實(shí)際問題的網(wǎng)絡(luò)結(jié)構(gòu)。雖然人腦和人工神經(jīng)網(wǎng)絡(luò)這兩個(gè)應(yīng)用程序都具有極其強(qiáng)大的信息處理能力，但仍然具有許多差異。Deepmin最初是由DemisHassabis，MustafaSu－leyma和ShaneLegg創(chuàng)立的，在AlphaGo（阿爾法圍棋）擊敗了圍棋世界冠軍李世石后，逐漸得到人們的認(rèn)可，也表明人工神經(jīng)網(wǎng)絡(luò)具有巨大的潛力。與人腦處理信息的方式不同，人工神經(jīng)網(wǎng)絡(luò)開發(fā)的機(jī)器人采用線性思維方式對(duì)獲取的信息進(jìn)行處理，與計(jì)算機(jī)進(jìn)行通信，在串行算術(shù)任務(wù)中快速準(zhǔn)確的順序數(shù)值運(yùn)算處理比人類更多。但人腦的“并行處理系統(tǒng)”相對(duì)人工神經(jīng)網(wǎng)絡(luò)具有絕對(duì)領(lǐng)先的能力。近年來(lái)，隨著人工智能領(lǐng)域的發(fā)展，人工神經(jīng)網(wǎng)絡(luò)也進(jìn)入研究者的視野，實(shí)現(xiàn)了不同程度的融合發(fā)展。雖然目前人工神經(jīng)網(wǎng)絡(luò)被廣泛使用，但仍然面臨著許多問題，在解決實(shí)際工業(yè)與工程領(lǐng)域問題時(shí)，需要結(jié)合其他算法進(jìn)行優(yōu)化。

二、粒子群優(yōu)化算法

Kennedy和Eberhart共同提出粒子群優(yōu)化（PSO）。VandenBerghF從理論角度對(duì)PSO算法的穩(wěn)定性和收斂性進(jìn)行分析和證明。2002年，Cello與Lechuga正式發(fā)表多目標(biāo)粒子群優(yōu)化算法的成果，用粒子群算法求解多目標(biāo)優(yōu)化問題，稱為粒子群（MOPSO）算法。PSO算法中，將鳥群的個(gè)體位置或食物當(dāng)作優(yōu)化問題的解，利用群體中個(gè)體與最優(yōu)個(gè)體以及群體之間的信息交互，引導(dǎo)整個(gè)群體中個(gè)體在保留自身多樣性信息的同時(shí)，朝向群體最優(yōu)個(gè)體收斂，通過不斷地更新逐漸找到最優(yōu)解。鳥群中個(gè)體被抽象為“粒子”，忽略其質(zhì)量、體積，拓?fù)浣Y(jié)構(gòu)決定了每次迭代時(shí)“粒子”受到自身和群體狀態(tài)信息的綜合影響，即粒子的更新機(jī)制是通過種群歷史最優(yōu)粒子和個(gè)體歷史最優(yōu)粒子的有機(jī)結(jié)合得到的。

摘要:

基于神經(jīng)網(wǎng)路方法實(shí)現(xiàn)高考英語(yǔ)口語(yǔ)成績(jī)的采集,實(shí)現(xiàn)口語(yǔ)成績(jī)等級(jí)手寫體的識(shí)別,提高在英語(yǔ)口語(yǔ)成績(jī)處理的效率,實(shí)現(xiàn)口語(yǔ)成績(jī)的自動(dòng)采集。目前該方案應(yīng)用于蘇州市高考英語(yǔ)口語(yǔ)成績(jī)采集。

關(guān)鍵詞:

成績(jī)采集；模式識(shí)別；神經(jīng)網(wǎng)絡(luò)；特征提取

對(duì)于未實(shí)行高考口語(yǔ)人機(jī)對(duì)話的省市,高考口語(yǔ)還是采用打分模式。然后人工采集,為解決這一問題,通過識(shí)別手寫評(píng)分和OCR識(shí)別結(jié)果比對(duì)確保成績(jī)采集的準(zhǔn)確。而神經(jīng)網(wǎng)絡(luò)很適合用于解決字符識(shí)別問題。

1BP神經(jīng)網(wǎng)絡(luò)

人工神經(jīng)網(wǎng)絡(luò)是在人類對(duì)其大腦神經(jīng)網(wǎng)絡(luò)認(rèn)識(shí)理解的基礎(chǔ)上人工構(gòu)造的能實(shí)現(xiàn)某種功能的神經(jīng)網(wǎng)絡(luò),是一種典型的前饋神經(jīng)網(wǎng)絡(luò),包含輸入層、隱層及輸出層。BP網(wǎng)絡(luò)是典型的多層網(wǎng)絡(luò),分輸入層、隱含層和輸出層,算法由數(shù)據(jù)流的前向計(jì)算和誤差信號(hào)的反向傳播兩個(gè)過程構(gòu)成。通過這兩個(gè)過程的交替進(jìn)行,在權(quán)向量空間執(zhí)行誤差函數(shù)梯度下降策略,動(dòng)態(tài)迭代搜索一組權(quán)向量,使網(wǎng)絡(luò)誤差函數(shù)達(dá)到最小值,從而完成信息提取和記憶過程[1]。

1原理與方法

1.1人工神經(jīng)網(wǎng)絡(luò)基本原理

人工神經(jīng)網(wǎng)絡(luò)是一個(gè)并行的分布式數(shù)據(jù)處理與決策系統(tǒng)，將人工神經(jīng)網(wǎng)絡(luò)理論應(yīng)用到故障診斷當(dāng)中，不僅能夠提高診斷的數(shù)據(jù)處理速度和診斷精度，而且還能夠按照人們的設(shè)定對(duì)特定工作環(huán)境進(jìn)行學(xué)習(xí)，具有良好的環(huán)境適應(yīng)能力。人工神經(jīng)網(wǎng)絡(luò)的模型時(shí)模擬人類的大腦結(jié)構(gòu)和工作原理進(jìn)行信息處理的，其基本單元是神經(jīng)元其中，wi表示每個(gè)輸入xi所占的權(quán)重，當(dāng)wi為正數(shù)時(shí)表示該輸入xi對(duì)神經(jīng)元產(chǎn)生激勵(lì)，為負(fù)數(shù)時(shí)代表該輸入對(duì)神經(jīng)元產(chǎn)生抑制。其中f(x)是一個(gè)非線性函數(shù)，可以是閾值函數(shù)或者Sigmoid函數(shù)中的一種，標(biāo)準(zhǔn)的BP神經(jīng)網(wǎng)絡(luò)由輸入層、隱含層和輸出層三層神經(jīng)元結(jié)構(gòu)構(gòu)成，其結(jié)構(gòu)如圖3所示。BP神經(jīng)網(wǎng)絡(luò)通過輸出層神經(jīng)元的逐層向前傳播，以將輸出誤差“分?jǐn)?rdquo;隱含層和輸入層的每個(gè)神經(jīng)元，進(jìn)而得到各個(gè)層單元的參考誤差和相應(yīng)的權(quán)值，最終使誤差加權(quán)值能夠滿足系統(tǒng)的誤差要求。

1.2決策樹

決策樹是從一些雜亂無(wú)章的數(shù)據(jù)中通過層層歸納總結(jié)，得到最終決策結(jié)果的過程，它的結(jié)構(gòu)是自上而下的，在每一個(gè)節(jié)點(diǎn)處都要進(jìn)行屬性判斷，每一個(gè)分支表示數(shù)據(jù)流的通路，每個(gè)分支的終點(diǎn)表示決策的一類屬性。決策樹的基本結(jié)構(gòu)如圖4所示。

2故障診斷系統(tǒng)設(shè)計(jì)

故障診斷系統(tǒng)將人工神經(jīng)網(wǎng)絡(luò)技術(shù)應(yīng)用到專家系統(tǒng)，使系統(tǒng)具有了良好的學(xué)習(xí)功能，能夠很好的適應(yīng)礦井下復(fù)雜的工作環(huán)境，實(shí)現(xiàn)對(duì)采礦機(jī)械系統(tǒng)故障準(zhǔn)確診斷的目的。