文档下载 文档下载导航
设为首页 | 加入收藏
搜索 请输入内容:  
 导航当前位置: 文档下载 > 所有分类 > 幼儿教育 > 幼儿读物 > 基于自适应概率神经网络的损伤模式识别研究
侵权投诉

基于自适应概率神经网络的损伤模式识别研究

第7期

吴子燕等:基于自适应概率神经网络的损伤模式识别研究

9

象,若应变和加速度传感器数目分别为m和rt,则利用

小波包节点能量法构造的特征向量为:

X=[置¨置吐,…,瓦。,x。。,x以,…,.k。],其中x。和x。分别为应变和加速度响应的小波包节点

能量特征向量。

2

自适应概率神经网络模式识别

2.1概率神经网络(PNN)

利用传统的概率神经网络PNN进行损伤模式识

别,即将具有Parzen窗口估计量的贝叶斯决策放进人工神经网络框架中,对具有0。,吼,…以…,日,的多类问

题与P维矢量X=[戈。,石:,…,‰r的测量集,基于贝叶

斯决策来判断d(X)∈0。的状态为:

[^。坛(X)>hkz六(X),k≠g]

(7)

式中:d(x)为检验矢量x的决策;h。和h。分别是秽。和0。类的先验概率;Z。是本为Oq而被错分为其他类的损失;“是本为巩而被错分为其他类的损失;

在损伤模式识别中,可以假定h和Z对所有损伤类型都是相同的,因此,式(5)的关键就是评价基于训练

模式的概率密度函数的能力,Parzen窗口(即kernel函

数)被用来估计核密度估计量的概率密度函数”J:

∑nq唧【-坠墨掣1

L(x)2南儿.(Z丌J盯

(8)

式中巩(x)是g类在x点的概率密度函数值;rt。

是训练矢量中q类的数量;p是训练矢量的维数;瓦i是

q类中第i个训练矢量,or参数代表高斯核的标准

偏差。

在决策层中,本文采用以可信度概率p。来表示模式分类结果,Oq越大则表示模式不仅属于q类,而且与其他类差异越大,说明可信度越高。

0。=‘(x)/∑z(x)

(9)

输入层

模式层

求和层

决策层

图1

概率神经网络结构示意图

2.2

自适应概率神经网络

传统的概率神经网络中的盯参数表示训练样本各

维度的标准差,其物理意义是高斯核函数在不同维的测

量空间中所具有的宽度,即距离Kernel函数中心矢量的

可接受域范围,反应了各个输入变量对分类结果所具有

的影响程度和作用,并满足limo"=0和limno"=∞。由于训练样本不可能达到无穷大,or也不可能为0,所以确

定合适的or参数是决定PNN性能的关键。

传统的PNN最大的缺陷就是所有的参数具有相同

的一个盯参数值,不能真实反应各个输入变量对正确

分类结果的实际作用。在自适应PNN中,不同的测量空间维数选用不同的or参数,即:L(x)=

眈

』Ⅵ

r/,q(2耵)以n叽

~∑㈨

,∑Ⅲ呱一

茅

』=1

(10)

自适应优化选择or参数的主要方法有传统方法(如梯度下降法、共轭梯度法和期望值最大法等迭代方

法)和非传统方法(如粒子群优化算法、差异演化和遗

传算法等)。传统的优化方法不仅计算效率低,要求优

化标准函数连续可导,同时有些标准优化函数求导比较复杂,且容易导致局部最优解。基于这些原因,采用

非传统的盯参数优化方法较多。

2.3

自适应概率神经网络模式识别

利用遗传算法(GA)进行盯参数优化的关键是确

定有效的搜索范围,Specht等人用基于样本标准差的交叉验证(cross—validation)的方法旧1来估算or参数,同时雷正伟"1研究发现样本间的最小平均距离与Gr参数有很大的关系并以之来确定IT参数的搜索范围,M.Zhong等人帕1用数值仿真表明最佳的or参数实际上比

样本各维标准差要小得多。在结合Gr参数还与样本间的最小平均距离有关系的基础上,提出了Gap—Based方

法∞1进行矿参数估计。本文就是采用这种方法先对多维盯参数集进行初步估计,即:

ori=min(4d,0.5)STD(Xi)

(11)

其中,d为不同类训练样本归一化后二维距离最小

值的平均,STD(Xj)为训练样本归一化之前的各维特征变量的标准差。其次,利用遗传算法对初步估算的

吼参数集在0.50"i≤矿7is1.50-i进行随机搜索最优解,并定义优化目标函数为GA的适应度函数,即:

1一

E÷÷主圣!:!!!!!1221竺∑

,。,、

扛1

j=l亡∑log(p(X/i)勿(X/j))

其中,n为模式中样本i错分为模式.『的数,m为模式中样本i的正确分类样本数,P(X/i)为概率神经网络

‘(x)和五(x)分别为吼和0。的概率密度函数。

上一页第2页

你可能喜欢

热门文档

相关文档

  • 【论文】自适应概率神经网络结构损伤检测

    自适应概率神经网络结构损伤检测_专业资料。由于用人工神经网络进行结构损伤检测会...研究发现,运用PNN进行结构损伤识别精度要优于传统的BP网络,而且自适应PNN要比基本...

  • 基于概率神经网络的控制图模式识别

    本文提出使用概率神经网络来识别六类典型控制图模式 ,以改进神经网络识别器的设计效率。研究和仿真试验结果表明,概率神经网络不仅拓扑结构设计简单,而且识别率高。 ...

  • 人工神经网络模式识别

    人工神经网络模式识别_电子/电路_工程科技_专业资料。...3、自学习、自组织和自适应性 学习和适应要求在...基于概率神经网络的控制... 3页 免费 自适应逆控制...

  • 基于神经网络模型的自适应控制系统设计及仿真

    基于神经网络模型的自适应控制系统设计及仿真_工学_高等...模式识别、专家系统等方面的一切问题,使感知机的工作...生物神经系统部分不严重损伤并不影响整体功能,BP ...

  • 自适应共振理论原理与应用研究

    研究方向 图像处理与模式识别 自适应共振理论原理与应用研究 人工神经网络,自适应...通常情况下,输入网络的模式序列之间具有因果关系,而且各种模式的概率分布 也不...

  • 神经网络自适应控制

    神经网络自适应控制_机械/仪表_工程科技_专业资料。神经网络自适应控制_ ]~第5卷第 期 模式识别与人工智能 P&AIR L9g 2年1 2 维普资讯 http://www.cqvip....

  • 基于EMD和概率神经网络的说话人识别

    基于EMD的胶合板损伤声发射... 1人阅读 6页 2....通过自适应性的经验模态分解(EMD)方法,对不同说话...利用具有简单高效的模式识别功能的概率神经网络(PNN)...

  • 基于小波概率神经网络的控制图模式识别

    提出了基于小波概率神经网络的控制图模式识别的基本框架...由于其自适应能力差,一旦一个新的模 式出现,就...基于能量特征的小波概率神经网络损伤识别方法[J]兰州...

  • 第3章 神经网络故障诊断与预测(2)

    二、基于神经网络诊断系统结构作为一种自适应模式识别技术,不需要预先给出有关模 式的经验知识和判别函数,通过自身的学习机制自动形成所 要求的决策区域。 网络特性...

站点地图 | 文档上传 | 侵权投诉 | 手机版
本站所有资源均来自互联网,本站只负责收集和整理,均不承担任何法律责任,如有侵权等其它行为请联系我们.
文档下载 Copyright 2013 doc.guandang.net All Rights Reserved.  -  email