共查询到19条相似文献，搜索用时 453 毫秒
1.
2.
神经网络辅助的GPS/INS组合导航自适应滤波算法 总被引：11，自引：2，他引：9
首先利用预报残差构造的最优自适应因子设计GPS/INS组合导航自适应滤波器。并针对BP神经网络存在的训练速度慢、容易陷入局部极小等问题,给出网络的改进算法。利用神经网络对自适应滤波器状态方程的预报值进行在线修正,给出神经网络辅助的GPS/INS组合导航自适应滤波算法。最后,利用实测数据进行验证。结果表明,改进的神经网络算法明显提高网络收敛速度;两种自适应滤波算法相对标准组合导航算法都能够可靠地反映载体运动轨迹;神经网络辅助的GPS/INS组合导航自适应滤波算法相对GPS/INS组合导航自适应滤波算法在精度和可靠性方面又有明显提高。 相似文献
3.
将遗传算法与BP网络结合,并两次运用遗传算法,得到BP网络的初始网络参数及初始权值矩阵(阈值),再应用BP网络对各参数进行细调,将训练好的网络应用于特征级遥感影像融合,最后应用MATLAB软件对该算法进行仿真实验,得到较好的结果,并进一步对融合结果进行评价。 相似文献
4.
一种改进激活函数的人工神经网络及其应用 总被引：2，自引：0，他引：2
提出了人工神经元的一种新颖的多参数可调激活函数，推导出相应的BP学习算法。在人工神经网络用于除草剂化合物活性预测的研究中，和传统BP算法的对比试验显示，本文的改进BP网络具有更快的收敛速度和更高的精度。 相似文献
5.
提出了一种提升露天矿边坡位移量预测精度和收敛速度的基于自适应混合跳跃粒子群算法(AHJPSO)改进的BP(Back Propagation)神经网络模型。传统的BP神经网络模型在位移量预测过程中存在收敛速度慢、预测精度低、易陷入局部极小值的问题,而自适应混合跳跃粒子群算法具有快速寻优能力以及能够在迭代计算的过程中有效避免陷入局部极小值的能力,所以采用自适应混合跳跃粒子群算法优化后的BP神经网络模型,能够使BP神经网络模型对露天矿边坡位移量的预测精度更高、算法收敛速度更快,并有效跳出局部极小值。 相似文献
6.
针对传统的BP神经网络算法计算精度低、收敛速度慢的缺点,本文将求解无约束极值问题的非线性最优化方法—BFGS法引入到BP神经网络模型,构建适用于带有不确定性和非线性的结构变形监测数据的处理和预测的BFGS-BP网络模型。并以某隧道施工过程中的拱顶下沉观测数据为例,进行BFGS-BP与传统BP算法的训练和预测对比试验。试验结果表明,与传统的BP算法相比,BFGS-BP模型具有更高的计算精度、更快的收敛速度。 相似文献
7.
8.
9.
遗传算法优化的BP神经网络城市不透水层百分比估算 总被引：2，自引：1，他引：1
本研究利用基于遗传算法优化的BP神经网络算法估算城市不透水层百分比。首先,将像元中各端元组分与BP神经网络的节点相对应进行BP网络建模,遗传算子建模;其次,对样本进行网络训练,先通过GA算法得到全局近最优网络权重集,然后用梯度下降算法训练网络,直到找到能充分反映特征空间中的数据分布模式的局部最优网络权重集;然后,训练好的网络被应用于整个影像用来估算城市不透水层覆盖百分比。在此基础上,对北京市地表不透水层百分比进行估算。试验结果表明,本研究所用的方法能有效利用中高分辨率遥感影像数据估算城市不透水层百分比。 相似文献
10.
针对传统BP神经网络收敛速度慢、易陷入局部最优和遗传算法优化BP神经网络(GA-BP)算法过早收敛的问题,提出了遗传模拟退火算法优化BP神经网络(GSA-BP)算法. 在遗传算法(GA)的种群更新中加入模拟退火算法(SA),保留种群的多样性. 用GSA-BP算法对某地区进行高程异常拟合,并与BP算法和GA-BP算法结果进行比较. 结果显示:GSA-BP算法精度可分别提高约51%、25%,速度提高约77%、39%,且能基本满足四等水准测量精度要求. 该方法在GPS高程拟合中具有可行性. 相似文献
11.
12.
在卡尔曼滤波的基础上,利用高斯变换降低各整周模糊度之间的相关性,然后利用遗传算法进行搜索,提出了自适应遗传算法,改进了搜索效果,仿真结果表明,自适应遗传算法有更快的搜索速度和更强的鲁棒性. 相似文献
13.
大气折射的映射函数与神经网络拟合比较分析 总被引：1，自引：0，他引：1
首先介绍映射函数和神经网络模拟方法在大气折射研究领域中的应用情况,总结映射函数的基本形式,分析BPNN的基本原理,进而研究了基本映射函数的BPNN变换。最终利用普尔科沃大气折射表这一数据平台与MATLAB7中的神经网络工具箱,建立与映射函数对应的BPNN模型,对普尔科沃大气折射表进行BPNN模拟。与相关文献的映射函数模拟进行比较分析:BPNN的模拟精度是4阶分式映射函数的2倍,不仅证明大气折射的映射函数模拟存在较大的拟合残差,而且表明BPNN对大气折射的非线性拟合优于映射函数,同时也为BPNN的隐层神经元具备挖掘高阶隐含信息提供了一个研究实例。 相似文献
14.
基于GASA混合策略的BP网络在基准地价测算中的应用 总被引：1，自引：0，他引：1
结合遗传算法的并行搜索结构和模拟退火的概率突跳特性 ,提出了一种用于BP网络权值学习的GASA混合策略。以江西省赣县县城商业用地为例 ,应用基于GASA混合策略的BP网络对其基准地价进行了测算 ,并与回归模型方法作了比较。结果表明 ,混合策略能有效地避免BP算法陷入局部极小和网络单目标学习易产生的过拟合现象。将神经网络用于基准地价的测算 ,精度优于常规的回归模型方法。 相似文献
15.
为确保水下自主航行器(autonomous underwater vehicle, AUV)地磁导航的可靠性及其航迹规划的合理性,提出了一种基于主成分分析(principal component analysis, PCA)和改进反向传播(back-propagation, BP)神经网络结合的候选地磁匹配区自组织优化分类方法。将候选地磁匹配区的分类问题统一在模式识别的框架下,首先,采用PCA对若干地磁图特征参数进行线性变换,获取独立的主成分特征参量;然后,利用遗传算法(genetic algorithm, GA)优化BP神经网络的初始权阈值来提高候选地磁匹配区适配性分类的准确性;最后,借助GA-BP神经网络来构建地磁图特征参数和匹配性能的映射关系,完成地磁适配区的自动识别。仿真实验结果表明,该自组织优化分类方法在地磁导航适配区选取方面具有较高的分类精度和可靠性,为AUV的高精度长航时自主导航提供重要保障。 相似文献
16.
针对室内环境下的5G定位需求,提出了利用神经网络算法对粗略定位结果进行优化的方法,减小了多径、非视距传播造成的定位误差,改善了结果域的定位精度. 优化算法利用测距定位中的到达时间(TOA)定位法和到达时间差(TDOA)定位法获得粗略定位结果,分别结合BP神经网络、Elman神经网络及通过遗传算法(GA)优化后的GA-BP神经网络、GA-Elman神经网络共利用4种神经网络进行训练,得到修正后的精确定位结果,并对4种神经网络算法进行了分析与评估. Elman算法相较于BP算法具有迭代收敛快、迭代次数少、误差改正好的特点,更适合5G定位结果域的优化;融入 GA 后结果精度均有所提高,其中GA-Elman算法能够训练得到最好的定位结果. 相似文献
17.
基于元胞自动机的遗传神经网络在土地利用变化模拟分析中的应用 总被引：2，自引：0，他引：2
元胞自动机模型在土地扩展的转换规则设计上具有随机性,受周围环境影响较大。文中建立基于BP神经网络和遗传神经网络算法优化的元胞自动机土地扩张模型,对广州市2009—2011年进行城市扩张模拟分析。实验结果显示:BP神经网络能够较好地模拟分布较集中的耕地和林地等区域,精度可达到70%以上,而对于面积较零碎的建筑用地区域,模拟效果较差;而遗传神经网络优化算法能够总体提高模拟精度约5%,部分精度能提高至20%。同时,该算法还能充分考虑影响土地变化的各种扰动因素,优化选择驱动因子和缩短迭代次数,对于城市土地扩张研究具有可行性。 相似文献
18.