搜索到18480 篇“ 小波-神经网络 “的相关文章
基于自适应小波 RBF神经网络 的导引头陀螺误差校正方法 2025年 小波 RBF神经网络 的导引头陀螺误差校正方法。首先运用Allan方差分析导弹飞行全过程中,导引头伺服系统MEMS陀螺主要误差源及误差量级。然后运用小波 阈值去噪法滤除高频噪声,作为训练网络 输入。最后运用自适应小波 RBF神经网络 算法进行误差校正。实验结果表明,与传统RBF网络 和Kalman滤波算法相比,所提算法均方根误差RMSE要低两个数量级,Allan方差也比传统算法减小一半,数据复杂度低,具备工程应用价值。关键词：红外导引头 小波阈值去噪 基于小波 去噪神经网络 在数字岩心的应用 2025年 小波 变换的去噪神经网络 (denoising neural network based on wavelet transformation,DWTNet)对于岩心的图像进行去噪研究。该方法的评断结果采用峰值信噪比(peak signal to noise ratio,PSNR)和去噪后的图像结果进行了对比。研究表明,利用DWTNet在测试集YX1、YX2测试所提出的算法,并与EGDNet等去噪算法进行对比,PSNR在噪声为25、50、75 dB时,高于EGDNet算法0.527、0.418、1.1 dB。所提的算法在峰值信噪比等指标均高于其他算法;并在视觉效果上其处理得到的图像也更加清晰。方法的提出对于孔隙度、平均体积比表面积、平均曲率计算等都有着非常重要的意义。关键词：岩心 CT扫描 神经网络 去噪 一种用于实际心电信号去噪的深度小波 卷积神经网络 算法 小波 卷积神经网络 算法，用于提高心电信号去噪的准确性和泛化能力。该算法通过将心电信号划分为4096点片段，利用卷积层设计特征编码器和解码器，结合离散小波 变换(DWT)进行特征提取和...模糊小波 多层神经网络 的构造与应用 小波 神经网络 由于其优秀的建模能力及强大的学习能力,已成功应用于医学、经 济学等领域。然而,模糊小波 神经网络 处理高次多项式非线性关系的能力有所不足。本文从神经网络 多层结构的角度出发,提出模糊小波 多层神经网络 的构造方式,克...关键词：模糊规则 核函数 小波变换 模式识别 基于优化小波 变换神经网络 的分布式新能源信息预测方法 被引量：1 2024年 小波 变换神经网络 的分布式新能源信息预测方法.首先,通过分析分布式新能源的工作原理,建立分布式新能源的模型;然后,优化小波 变换神经网络 ,以风力发电和光伏发电为例对负荷用电功率和辐照强度等对电网作用显著的参数进行预测;最后,算例验证模型对分布式新能源信息进行预测的准确性.关键词：负荷预测 城市电网 一种基于模糊小波 多层神经网络 的人脸识别身份认证方法 小波 多层神经网络 的人脸识别身份认证方法。本发明通过以下步骤实现人脸识别：首先捕获实时人脸图像并进行灰度化处理，然后进行直方图均衡处理以提高对比度；接着从处理后的图像中提取像素数据，使用主成分分析进...基于阶次-小波 卷积神经网络 的轴承故障诊断方法 小波 卷积神经网络 的轴承故障诊断方法，包括：构建包含阶次‑小波 变换层、联合卷积神经网络 和阶次注意力学习层的轴承故障诊断模型；阶次‑小波 变换层对轴承故障信号在阶次域上进行小波 ...基于多源小波 变换神经网络 的旋转机械轴承故障诊断 被引量：1 2024年 小波 时频变换卷积神经网络 。针对单支振动传感器采集的高频数据,设计基于小波 变换的时频卷积层,用于融合小波 系数的实部与虚部,其中实部对应振动信号的幅值信息,虚部对应相位信息。与仅考虑实部的卷积层相比,该卷积层能够提取完整的时频特征。利用时频卷积层分别对同一设备上的多支传感器采集的高频数据进行特征提取,并将提取到的多个特征进行级联。设计基于轻量深度可分离卷积的密集模块对级联特征进行更深层次的特征提取,用于实现故障分类。利用凯斯西储大学滚动轴承数据集验证模型的有效性,准确率为98.5%。将模型应用于回转窑、皮带机和篦冷风机的轴承故障诊断,平均准确率达97.19%。关键词：轴承故障诊断 多传感器 基于自适应小波 回声神经网络 的光纤陀螺测角仪温度误差补偿技术 被引量：1 2024年 小波 回声神经网络 的光纤陀螺测角仪温度误差补偿技术。为了提高温度误差建模的进度,提高传统神经网络 的逼近能力,通过自适应前向线性预测滤波器对建模用测角仪温度漂移数据进行预处理,并采用自适应小波 回声神经网络 建立温度漂移模型,能够避免传统神经网络 结构设计的盲目性和局部最优等问题,增强了网络 学习能力和泛化能力,并利用自适应律代替神经网络 梯度进行网络 训练,提升神经网络 的逼近精度和收敛速度。实验结果表明,该模型可以提高光纤陀螺测角仪的测量精度和环境适应性,为光纤陀螺测角仪的性能优化和实际应用提供了可靠的技术支撑。关键词：测角仪 粒子群优化 基于连续小波 卷积神经网络 的轴承智能故障诊断方法 2024年 小波 卷积层取代卷积神经网络 (CNN)中的初始卷积层,用于提取轴承数据的初级特征;使用增强ACON激活函数处理提取的振动信号;设计新的计算空间,提高CNN的整体自适应性.在凯斯西储大学轴承数据集上开展滚动轴承故障诊断方法对比实验.结果表明,与传统基于CNN、快速傅里叶变换-CNN、长短时记忆CNN故障诊断方法相比,所提方法的故障诊断精度分别提高了7.45、4.46和1.53个百分点,CNN的收敛速度更快.在不同工况的泛化任务中,所提方法的平均准确率为99.64%,准确性和泛化能力良好.关键词：轴承 故障诊断
相关作者
苏小林 作品数：53 被引量：447 H指数：13 供职机构：山西大学 研究主题：电力系统 正规形 电动汽车 低频振荡 电气工程及其自动化 余长庚 作品数：33 被引量：58 H指数：5 供职机构：贺州学院 研究主题：小波分析 绿色数据中心 工科背景 工科 DDT 翟玉庆 作品数：66 被引量：369 H指数：11 供职机构：东南大学计算机科学与工程学院 研究主题：AGENT 计算机专业 人工智能 数字权限管理 信任 李兵 作品数：64 被引量：87 H指数：5 供职机构：中南大学 研究主题：奇点理论 数字图像 射频 开折 等变分歧问题 吴桂峰 作品数：22 被引量：156 H指数：7 供职机构：扬州大学能源与动力工程学院 研究主题：故障诊断 测控专业 小波-神经网络 实践教学 教学改革
