分享到:

Madaline网络分离重叠光谱峰在灰色体系分析中的应用

1 弓 盲 灰色体系之一是待分析对象的组成范围已知,但具体组分未知的混合物t“。梁逸曾等分别用逐步回归法(‘J和投影运算确定其所含组分’],获得满意结果。深人研究表明:需要上述方法确定混合物所含组成的主要原因是相应化合物的光谱相互重叠。如果混合物所含组分的光谱不重叠即不同组分的光谱在不同的波长区间内测混合物光谱会直接给出其所含的组分。然而在实际情况中,光谱完全不重叠的组分很少存在,因此就需要一些数学方法从混合物光谱中提取所含组分的光谱信息。如果通过某种数学变换技术将重叠的光谱转换成不重叠光谱,则变换后的混合物光谱可以直接给出相应的组成。由于Madaline网络t‘]能将重叠光谱转成相互不重叠的光谱,据此本文将它用于分析组成范围已知的灰色体系,以确定其实际组成。若干个灰色体系的分析结果表明:它能得到比较有效的分析结果。2 基本原理 某混合物的组成范围是某l个组分,它在某段波长区间内的纯组分吸收系数光谱为凤,E。,…,E。,今假设其...  (本文共6页) 阅读全文>>

《中国科学:信息科学》2011年02期
中国科学:信息科学

基于离散随机技术的Madaline敏感性近似计算研究

1引言理论上,前向神经网络是在一定的结构框架下,根据给定训练样本数据,通过自身的学习机制来调整权值,从而在网络的输入和输出之间建立一种映射关系.然而,这个理论上的映射在面对现实世界中不可避免的干扰会表现出怎样的容错能力?对非训练样本数据又会表现出怎样的泛化能力?神经网络敏感性的研究就是要试图找出这些问题的答案,同时也为探索解决神经网络的一些其他基本问题提供理论和技术上的支持.从文献检索可知,神经网络敏感性研究在国际上得到了越来越多的重视,已有不少围绕该课题的研究成果见诸报道[1?21].研究人员从不同的角度、针对不同的网络模型、采用不同的方法来进行敏感性研究[1?14],并应用敏感性研究的结果解决神经网络研究领域里的一些热点问题[15?21],例如,网络容错性能度量[16,17]、网络泛化性能评估[17,20]、网络属性筛选[15,18]、网络结构裁剪[18,19,21]等.Madaline是一种离散的前向神经网络,由神经元Ad...  (本文共16页) 阅读全文>>

《高电压技术》2006年10期
高电压技术

基于改进Madaline网络的谐波发射水平估计

0引言随着电力系统的迅速发展,公用电网的谐波问题日益受到重视。要想控制公用电网中的谐波污染,前提是必须在公共连接点(PCC)合理估计系统及用户的谐波发射水平[1]。针对该问题,国内外学者专家进行了长期深入研究,取得了一定的研究成果[2-9]。现有的谐波发射水平估计方法主要包括:①波动法它是基于被测电压波动量对电流波动量比值的符号特征的估计方法,对测量的准确度要求较高,同时还需要测量值有足够大的波动;②双线性回归法[10]它无法计算系统谐波复阻抗中的电阻分量,同时对数据统计特性的一致性要求较高;③参考阻抗法[11]它是在理想谐波条件下得出的方法,实现比较困难。现行的线性回归分析普遍采用最小二乘法求解回归系数以得到系统谐波阻抗。但通过误差平方和极小求解的回归模型受异常值影响较大。本文通过对Madaline网络算法的改进,提出了一种稳健性能的Madaline网络的谐波发射水平估计方法。1基本原理系统等值电路见图1[12,13],Is、...  (本文共3页) 阅读全文>>

河海大学
河海大学

基于敏感性理论的Madaline网络学习算法研究

基于“敏感性理论”的MADALINE网络学习算法,是一种针对MADALINE网络(一种离散型的二值前向网络)的有监督的学习算法。目前,对于二值前向网络,还没有一种很好的训练学习算法。本文以“最小扰动”原则作为算法设计思想,从“MADALINE敏感性”的角度来寻找体现、贯彻这种思想的方法和途径,并成功地设计出了一种“基于敏感性理论的MADALINE学习算法”。另外,文中也以一定的篇幅分析了新算法的失败模式——“局部震荡”现象,并进一步阐述了跳出“局部震荡”的思想及其算法实现。最后,通过与MRⅡ的一组对比模拟试验,以及“MONK’S PROBLEM”的模拟试验,验证并展示了新算法的良好的学习性能和泛化性能,并分析和揭示了新算法所体现出来的其它一些良好性能表现,如算法学习性能对隐层结点数目表现出高灵敏度以及算法的泛化性能相对于网络结构呈现出良好的稳定性。可以说,新算法在二值前向网络上比较成功地实现了感知机学习规则的推广。突破了这一业界...  (本文共80页) 本文目录 | 阅读全文>>

河海大学
河海大学

Madaline敏感性研究

神经网络的输出对参数扰动的敏感性是神经网络设计和实现中的一个重要问题。参数的扰动对网络的输出会有怎样的影响?如何度量神经网络对参数扰动的敏感程度?本文着重计算和分析了一种前馈神经网络——Madaline对于输入和权扰动的敏感性。基于Madaline的结构特点,本文采用自底向上的方法计算Madaline的敏感性。首先,我们研究神经元——Adaline的敏感性。在此基础上,逐层计算Adaline的敏感性,最后输出层的Adaline的敏感性就是整个Madaline的敏感性。敏感性在本文中定义为网络输出由于其参数的扰动而发生改变的数学期望。对于一个训练后的网络而言,它的网络结构和权都已给定,论文从两个不同的角度来计算它对于输入和权扰动的敏感性。第一个角度是要求敏感性计算的结果比较精确。为此,本文提出了能准确表示Madaline输入空间的超立方模型,然后给出了基于超立方模型的计算敏感性的算法。尽管算法有一定的复杂度,但是实验表明该算法得到...  (本文共70页) 本文目录 | 阅读全文>>

《光学学报》2007年03期
光学学报

基于Madaline网络的气溶胶消光系数反演算法

1引言激光雷达作为一种主动遥感探测工具已经有30多年的历史〔’〕,已广泛应用于激光大气传输、全球气候预测、气溶胶辐射效应及大气环境等研究领域[zj。气溶胶激光雷达为大气气溶胶探测研究提供了有力的工具,成为探测大气气溶胶光学一物理参量时空分布的一个有效、可靠的手段,20世纪60年代以来始终是激光大气遥感的一个前沿研究课题〔“一创。米氏(Mie)散射气溶胶激光雷达是根据米氏散射理论,通过雷达方程反演气溶胶消光系数,进而得到气溶胶的其他特性。然而在反演消光系数时,由于雷达方程中有太多的变量,为了计算的方便,许多变量都用经验值或假设来代替,这使得消光系数的反演存在着诸多不确定的因素,因而其结果的可靠性受到置疑。采用具有自学习功能的神经网络模型来反演气3期韩道文等:基于Madaline网络的气溶胶消光系数反演算法溶胶消光系数,是一种全新的方法。神经网络的主要特征之一是具有自学习能力,通过对样本模式的学习可以将信息之间的内在机制分布式地存储...  (本文共7页) 阅读全文>>