用于短文本分类的BLSTM_MLPCNN模型 被引量：10

1

作者 郑诚 洪彤彤 薛满意 《计算机科学》 CSCD 北大核心 2019年第6期206-211,共6页

文本表示和文本特征提取是自然语言处理的基础工作,直接影响文本分类的性能。文中提出了以字符级向量联合词向量作为输入的BLSTM_MLPCNN神经网络模型。该模型首先将卷积神经网络(CNN)作用于字符以获取字符级向量,并将字符级向量联合词... 文本表示和文本特征提取是自然语言处理的基础工作,直接影响文本分类的性能。文中提出了以字符级向量联合词向量作为输入的BLSTM_MLPCNN神经网络模型。该模型首先将卷积神经网络(CNN)作用于字符以获取字符级向量,并将字符级向量联合词向量作为预训练词嵌入向量,也即双向长短时记忆网(BLSTM)模型的输入;然后联合BLSTM模型的前向输出、词嵌入向量、后向输出构成文档特征图;最后利用多层感知器卷积神经网络(MLPCNN)进行特征提取。在相关数据集上的实验结果表明:相比于CNN,RNN以及CNN与RNN的组合模型,BLSTM_MLPCNN模型具有更优的分类性能。 展开更多

关键词 字符级向量 词向量 卷积神经网络(CNN) 双向长短时记忆神经网络(BLSTM) 多层感知器(mlp) 多层感知器卷积网络(mlpCNN)

下载PDF 职称材料

基于深度学习的单排孔气膜冷却性能预测 被引量：11

2

作者 李左飙 温风波 +2 位作者 唐晓雷 苏良俊 王松涛 《航空学报》 EI CAS CSCD 北大核心 2021年第4期307-318,共12页

气膜冷却是增强涡轮叶片的高温耐受力,间接提高涡轮进口温度的有效手段之一。目前气膜冷却孔布局的主流设计方法是先通过计算流体力学(CFD)筛选和优化初始方案,再进行模型实验。这种方法设计周期长,时间成本高。传统上用于快速评估冷却... 气膜冷却是增强涡轮叶片的高温耐受力,间接提高涡轮进口温度的有效手段之一。目前气膜冷却孔布局的主流设计方法是先通过计算流体力学(CFD)筛选和优化初始方案,再进行模型实验。这种方法设计周期长,时间成本高。传统上用于快速评估冷却效率的经验公式法存在函数形式复杂,拟合精度有限,参数适用范围较窄等问题。因此基于深度学习原理,设计了一种基于多层感知器模型(MLP)的深度神经网络,建立了绝热气膜冷却效率的预测模型。使用CFD数据训练网络,结果表明:深度学习模型在训练集和验证集上具有大于0.95的拟合度,在测试集上具有大于0.99的拟合度,可以较好地识别数据集中的抽象特征,具有较高的精度和较好的泛化能力。此外,在满足精度要求的前提下,一个完成训练的深度学习模型能够有效减少预测耗时,提高预测效率,在快速评估冷却布局性能方面具有较好的应用前景。 展开更多

关键词 气膜冷却 绝热气膜冷却效率 计算流体力学(CFD) 神经网络 深度学习 多层感知器(mlp) 预测

原文传递

基于多层感知器神经网络的路径损耗预测研究 被引量：9

3

作者 吴丽娜 何丹萍 +3 位作者 艾渤 王剑 官科 钟章队 《电波科学学报》 CSCD 北大核心 2021年第3期396-404,共9页

为了更好地服务于5G及未来无线通信系统的网络规划与优化,开展了基于多层感知器(multi-layer perceptron,MLP)神经网络的路径损耗预测研究.利用有限的地物类型,提出一种表征传播环境的简易方法,避免了繁琐的三维场景建模.结合测量数据... 为了更好地服务于5G及未来无线通信系统的网络规划与优化,开展了基于多层感知器(multi-layer perceptron,MLP)神经网络的路径损耗预测研究.利用有限的地物类型,提出一种表征传播环境的简易方法,避免了繁琐的三维场景建模.结合测量数据和由环境表征方法提取的环境特征,基于MLP神经网络建立了路径损耗模型.数据实验的对比分析表明MLP神经网络能够实现路径损耗的准确预测,且环境特征的引入有助于提升模型性能.为解决干扰地物影响路径损耗模型的准确性以及模型对环境变化的敏感性问题,根据视距(line-of-sight,LoS)和非视距(non-line-of-sight,NLoS)标签改进环境表征方法,进一步提升了模型的稳定性和泛化能力.所做工作有助于了解无线电波传播特性,为无线网络优化和通信系统设计提供了理论依据. 展开更多

关键词 路径损耗模型 多层感知器(mlp) 误差反向传播 地物类型 视距 非视距(LoS NLoS)

下载PDF 职称材料

基于机器视觉技术的小粒中药材种子净度快速检测 被引量：4

4

作者 程莹 许亚男 +5 位作者 侯浩楠 宁翠玲 杨成民 董学会 曹海 孙群 《中国农业大学学报》 CAS CSCD 北大核心 2022年第5期114-122,共9页

为探究机器视觉技术用于小粒中药材种子净度快速检测的可行性,以黄芩、桔梗、黄芪、紫苏和柴胡5种常见小粒中药材种子为材料,使用扫描仪获取净种子、其他植物种子和所含杂质的图像,采用种子自动化分析系统(PhenoSeed)批量提取种子、其... 为探究机器视觉技术用于小粒中药材种子净度快速检测的可行性,以黄芩、桔梗、黄芪、紫苏和柴胡5种常见小粒中药材种子为材料,使用扫描仪获取净种子、其他植物种子和所含杂质的图像,采用种子自动化分析系统(PhenoSeed)批量提取种子、其他植物种子及所含杂质的颜色、尺寸及纹理信息,通过相关性分析和主成分分析进行特征变量的筛选,采用多层感知器(MLP)和二元逻辑回归(BLR)建立上述5种中药材种子净度快速检测模型。结果表明,净种子、其他植物种子及所含杂质在物理指标方面存在显著差异,针对不同种子,采用不同指标建立的MLP净度模型的训练集和测试集准确率均在96.0%以上,该模型在不同中药材种子上的稳定性均优于BLR模型;以特征指标建立的模型稳定性优于全部指标的建模效果,运用特征变量建立的MLP模型对不同净度梯度(75.0%~100.0%)的混合样本进行预测,回归曲线的决定系数均达到0.99以上。采用机器视觉技术获取种子、其他植物种子及所含杂质颜色、尺寸和纹理等信息,以特征指标建立MLP模型可用于小粒中药材种子的净度快速检测。 展开更多

关键词 小粒中药材种子 净度 机器视觉 多层感知器(mlp) 二元逻辑回归(BLR)

原文传递

基于BBO-MLP和纹理特征的图像分类算法 被引量：5

5

作者 王娟 吴宪祥 +1 位作者 曹艳玲 郭宝龙 《光电子．激光》 EI CAS CSCD 北大核心 2016年第11期1214-1219,共6页

为了提高图像分类的准确率,解决多层感知器(MLP)收敛速度缓慢等问题,提出了一种基于生物地理学优化-MLP(BBO-MLP)和纹理特征的图像分类算法。首先,从图像库中选取3类不同的图片,对图像分类算法运行环境进行建模;其次,选取角二阶矩(UNI)... 为了提高图像分类的准确率,解决多层感知器(MLP)收敛速度缓慢等问题,提出了一种基于生物地理学优化-MLP(BBO-MLP)和纹理特征的图像分类算法。首先,从图像库中选取3类不同的图片,对图像分类算法运行环境进行建模;其次,选取角二阶矩(UNI)、熵(CON)、惯性矩(ENT)和相关性(CDR)4个纹理参数构建一个四维特征矩,根据用户提供的类别号和图像的纹理特征向量生成训练样本文件;然后,将提取的数据作为MLP的输入数据,为MLP定义一个评估栖息地的误差适应度函数并对适应度函数进行全局优化,利用BBO算法训练MLP,得到分类模型;最后,利用训练好的MLP对图像进行分类,并引入二次反馈机制进一步提高算法性能。实验结果表明,与PSO、GA、ACO、ES和PBIL等优化算法相比,本文的BBO-MLP算法具有较高的分类正确率。 展开更多

关键词 纹理特征 特征矩 生物地理学优化(BBO) 多层感知器(mlp) 反馈

原文传递

基于神经网络CA/OS-CFAR检测方法 被引量：5

6

作者 王皓 衣同胜 《兵工自动化》 2018年第2期15-18,共4页

在杂波边缘和多目标的复杂环境下,建立性能稳定的自适应检测技术是提高恒虚警率处理能力的关键。针对单元平均恒虚警检测(cell averaging-constant false alarm rate)和有序统计量恒虚警检测(ordered statistic-constant false alarm ra... 在杂波边缘和多目标的复杂环境下,建立性能稳定的自适应检测技术是提高恒虚警率处理能力的关键。针对单元平均恒虚警检测(cell averaging-constant false alarm rate)和有序统计量恒虚警检测(ordered statistic-constant false alarm rate)的优缺点,提出一种基于神经网络的检测方法(cell averaging/ordered statistic-constant false alarm rate)。利用神经网络进行最优检测方法判断,根据选定的检测方法计算出检测阈值。通过训练计算初始阈值,采用神经网络分类并识别输入的类型。将该阈值与CA-CFAR和OS-CFAR计算结果相比较,并选用均匀杂波、多目标和杂波边缘环境的仿真案例进行测试。实验结果表明:该方法可在均值和非均匀的杂波背景中,能有效地进行最优检测方法判断。 展开更多

关键词 转换 神经网络 多层感知器(mlp) 恒虚警率(CFAR) 单元平均数(CA) 有序统计(OS)

下载PDF 职称材料

基于MLP神经网络模型的客户评分应用研究 被引量：4

7

作者 王冰 韩俊宇 《计算机与现代化》 2017年第3期27-31,共5页

判断客户对产品购买的可能性,是企业营销人员重点关注的问题。针对保险产品客户与其他金融客户交叉销售,采用人工智能方法高精度量化客户的潜在购买力。根据对个人保险客户营销的总结,提出保险客户购买评分模型。通过使用中国邮政代理... 判断客户对产品购买的可能性,是企业营销人员重点关注的问题。针对保险产品客户与其他金融客户交叉销售,采用人工智能方法高精度量化客户的潜在购买力。根据对个人保险客户营销的总结,提出保险客户购买评分模型。通过使用中国邮政代理金融的简易保险客户数据,对模型的有效性进行实证研究。研究结果表明,该模型提供了较高效的预测准确率和具体的评价标准,具有良好的预测功能,可以帮助企业及时发现最有效的营销客户,最大程度上提高营销成功率。 展开更多

关键词 评分模型 多层感知器(mlp) 神经网络 数据挖掘

下载PDF 职称材料

面向脑核磁共振识别运动任务的门控循环单元方法

8

作者 袁振 侯玉亮 杜宇慧 《中国图象图形学报》 CSCD 北大核心 2023年第2期589-600,共12页

目的在脑科学领域,已有研究借助脑功能核磁共振影像数据(functional magnetic resonance imaging,fMRI)探索和区分人类大脑在不同运动任务下的状态,然而传统方法没有充分利用fMRI数据的时序特性。对此,本文提出基于fMRI数据计算的全脑... 目的在脑科学领域,已有研究借助脑功能核磁共振影像数据(functional magnetic resonance imaging,fMRI)探索和区分人类大脑在不同运动任务下的状态,然而传统方法没有充分利用fMRI数据的时序特性。对此,本文提出基于fMRI数据计算的全脑脑区时间信号(time course,TC)的门控循环单元(gated recurrent unit,GRU)方法(TC-GRU)进行运动任务分类。方法基于HCP(human connectome project)数据集中的100个健康被试者在5种运动任务中分两轮采集的1000条fMRI数据,对每种运动任务计算每个被试者在各脑区(共360个脑区)的时间信号;使用10折交叉验证方案基于训练集和验证集训练TC-GRU模型,并用构建好的模型对测试集进行测试,考察其对5种运动任务的分类能力,其中TC-GRU在各时刻的输入特征为全脑脑区在对应时刻的TC信号幅值,通过这样的方式提取全脑脑区在整个时间段的时序特征。同时,为了展示使用TC-GRU模型可挖掘fMRI数据中更丰富的信息,设计了多个对比实验进行比较,利用长短期记忆网络(long short-term memory,LSTM)、图卷积网络(graph convolutional network,GCN)和多层感知器(multi-layer perceptron,MLP)基于全脑脑区时间信号进行运动任务分类,以及利用MLP基于由fMRI数据估计的脑功能连接进行运动任务分类。此外,考察了先验的特征选择对分类效果的效应。结果基于全脑脑区时间信号的TC-GRU模型在运动任务中的分类准确率最高,为94.51%±2.4%,其次是基于全脑脑区时间信号的LSTM模型,准确率为93.73%±2.67%。基于全脑脑区时间信号利用MLP进行分类,有先验和无先验的特征选择准确率分别为92.75%±2.59%和92.04%±7.15%,比基于全脑脑区时间信号的GCN(准确率为87.14%±3.73%)和基于脑功能连接利用MLP进行分类(有先验和无先验的特征选择准确率分别为72.47%±4.47%和61.49%±9.97%)表现更好。结论TC-GRU模型可挖掘脑fMRI数据中丰富的时序信息,� 展开更多

关键词 脑功能核磁共振成像 全脑脑区时间信号 功能连接 门控循环单元(GRU) 多层感知器(mlp) 运动任务分类

原文传递

基于多层感知器神经网络的测井曲线重构方法研究

9

作者 芦升彦 《技术与市场》 2023年第12期86-88,92,共4页

测井曲线在识别岩性、判别油气层、分析地层地质构造,以及计算孔隙度、渗透率和饱和度方面具有无可替代的作用。然而,在实际的测井数据应用时往往会遇到测井曲线因为仪器测量或者井眼坍塌等原因,造成某些井段部分测井曲线失真或间断性... 测井曲线在识别岩性、判别油气层、分析地层地质构造,以及计算孔隙度、渗透率和饱和度方面具有无可替代的作用。然而,在实际的测井数据应用时往往会遇到测井曲线因为仪器测量或者井眼坍塌等原因,造成某些井段部分测井曲线失真或间断性缺失的情况,重测不仅价格昂贵且操作困难。为此,提出基于多层感知器神经网络系统的测井曲线重构技术,基于训练数据建立曲线预测模型,该模型由1个输入层、1个输出层和1个或多个隐藏层组成。在模型中引入激活函数加入非线性因素,并且在模型训练学习时引入损失函数和MBGD(小批量梯度下降法)的最优化方法不断迭代寻求最优参数组合。最终通过预测曲线与原始测量曲线误差对比以进行质量控制,从而得到测井曲线重构的最佳结果。结果显示:通过该技术重构得到的曲线精度高、计算速度快、普适性强,便于在油田推广使用。 展开更多

关键词 多层感知器(mlp) 测井曲线重构 最优化方法

下载PDF 职称材料

基于MLP深度学习算法的DGA准确识别技术研究 被引量：2

10

作者 王辉 周忠锦 +1 位作者 王世晋 史卓颖 《信息安全研究》 2019年第6期495-499,共5页

传统的DGA攻击检测方法已经无法满足对不断变种的DGA域名的识别,检出准确率较低.因此主要研究一种基于MLP深度学习算法的DGA准确识别技术,通过已有的DGA样本数据集,提取多维度的特征向量信息,通过归一化、降维处理后,将特征向量输入MLP... 传统的DGA攻击检测方法已经无法满足对不断变种的DGA域名的识别,检出准确率较低.因此主要研究一种基于MLP深度学习算法的DGA准确识别技术,通过已有的DGA样本数据集,提取多维度的特征向量信息,通过归一化、降维处理后,将特征向量输入MLP多层感知器进行训练,MLP多层感知器主要由输入层、隐藏层和输出层组成,训练后生成模型文件即可载入用于判断待检测的域名是否为DGA域名,可以有效提升DGA检测识别的准确度. 展开更多

关键词 域名生成算法(DGA) 多层感知器(mlp) C&C服务器 隐藏层 奇异值分解算法

下载PDF 职称材料

基于HOG-CNN的高相似度叶片图像识别方法 被引量：2

11

作者 雷继呈 杨晓滨 +2 位作者 罗道兴 上官毅祥 曾森灵 《计算机时代》 2019年第9期53-56,共4页

依赖特征工程的传统图像识别技术对高度相似叶片图像识别困难,对此提出一种融合方向梯度直方图(HOG)与卷积神经网络(CNN)的图像识别方法。首先由HOG算子提取叶片图像的局部纹理特征,然后将特征向量导入卷积神经网络进行训练、测试和输... 依赖特征工程的传统图像识别技术对高度相似叶片图像识别困难,对此提出一种融合方向梯度直方图(HOG)与卷积神经网络(CNN)的图像识别方法。首先由HOG算子提取叶片图像的局部纹理特征,然后将特征向量导入卷积神经网络进行训练、测试和输出分类结果。通过组合对比试验结果表明,该方法能够有效提高数据的鲁棒性,提高叶片图像的平均正确识别率,比多层感知器(MLP)和支持向量机(SVM)分类器的准确率提高了12%左右,平均准确率达到85%。 展开更多

关键词 方向梯度直方图(HOG) 卷积神经网络(CNN) 多层感知器(mlp) 支持向量机(SVM) 图像识别

下载PDF 职称材料

基于高斯金字塔和MLP的带钢边部缺陷识别 被引量：2

12

作者 王爱芳 杜培明 王高 《软件导刊》 2016年第2期105-108,共4页

在冷轧生产线上,带钢边部的缺陷会直接影响冷轧薄板的轧制。为了提高边部缺陷的检测质量,提出一种将多尺度特征矢量和多层感知器(MLP)相结合的缺陷识别方法。该方法通过高斯金字塔将带钢边部图像分解到多尺度空间,提取金字塔底三层图像... 在冷轧生产线上,带钢边部的缺陷会直接影响冷轧薄板的轧制。为了提高边部缺陷的检测质量,提出一种将多尺度特征矢量和多层感知器(MLP)相结合的缺陷识别方法。该方法通过高斯金字塔将带钢边部图像分解到多尺度空间,提取金字塔底三层图像的二维边缘幅度直方图特征和灰度特征构成多尺度特征矢量,最后使用MLP进行分类识别。结合工业现场采集到的带钢边部缺陷图像,采用该方法进行分类实验,验证了该算法的有效性。 展开更多

关键词 带钢边部 高斯金字塔 多层感知器(mlp) 缺陷识别

下载PDF 职称材料

基于多层感知器神经网络的小切口角膜基质透镜取出手术辅助诊断研究

13

作者 汤福南 张可 +4 位作者 竺明月 杨春花 张晖 汪缨 袁冬青 《中国医学装备》 2022年第9期1-5,共5页

目的:通过分析厂家提供的计算小切口角膜基质透镜取出(SMILE)手术角膜切削厚度值参考的标准数据及患者历史临床数据,构建多层感知器(MLP)神经网络模型,用于全飞秒SMILE手术角膜切削厚度的精准预测。方法:对医院SMILE手术共计1127例临床... 目的:通过分析厂家提供的计算小切口角膜基质透镜取出(SMILE)手术角膜切削厚度值参考的标准数据及患者历史临床数据,构建多层感知器(MLP)神经网络模型,用于全飞秒SMILE手术角膜切削厚度的精准预测。方法:对医院SMILE手术共计1127例临床患者数据进行仿真验证,构建MLP神经网络模型,由球镜度数、柱镜度数、角膜曲率和微透镜直径4个影响因素组成输入向量,角膜切削厚度作为输出向量,将神经网络模型进行训练并保存,用于角膜切削厚度的预测。结果:仿真试验表明,多元线性回归方法计算的平均绝对误差(MAE)为5.791,均方误差(MSE)为60.966;MLP神经网络方法计算的平均绝对误差(MAE)为0.491,均方误差(MSE)为0.554,因此使用MLP神经网络效果更优。结论:构建的MLP神经网络模型实现了角膜切削厚度与其影响因素之间的非线性关系描述,MLP神经网络训练完成后可用于眼科诊疗过程中角膜切削厚度的快速计算,实现全飞秒SMILE手术预诊断功能,提高诊疗效率。 展开更多

关键词 多层感知器(mlp) 小切口角膜基质透镜取出(SMILE) 角膜切削厚度 回归预测

下载PDF 职称材料

多模噪声中粒子滤波算法研究

14

作者 杨强 山拜.达拉拜 廖燕芳 《计算机工程与应用》 CSCD 2012年第21期123-125,136,共4页

粒子滤波是一种解决非高斯滤波问题的有效方法,受到许多领域的研究人员的重视。在扩展卡尔曼滤波(EKF)的基础上,提出一种基于多层感知器(MLP)的扩展卡尔曼滤波算法。利用扩展卡尔曼粒子滤波器和MLP对当前时刻状态重要性采样,引入MLP对... 粒子滤波是一种解决非高斯滤波问题的有效方法,受到许多领域的研究人员的重视。在扩展卡尔曼滤波(EKF)的基础上,提出一种基于多层感知器(MLP)的扩展卡尔曼滤波算法。利用扩展卡尔曼粒子滤波器和MLP对当前时刻状态重要性采样,引入MLP对样本进行重采样。该算法能有效利用测量值的最新信息,对状态估计的误差更小。在实验中,对于多模噪声非线性系统,该算法与另外算法进行比较。结果证明,所提算法性能优异于其他算法。 展开更多

关键词 粒子滤波 重采样 多模噪声 多层感知器(mlp)

下载PDF 职称材料

近红外光谱技术快速鉴别原料肉掺假的可行性研究 被引量：34

15

作者 杨志敏 丁武 《肉类研究》 2011年第2期25-28,共4页

探讨利用近红外光谱技术结合Fisher两类判别法以及多层感知器(multilayer perceptron,MLP)神经网络快速无损鉴别原料肉是否掺假,并建立多种掺假肉的分类识别模型的可行性。首先近红外结合主成分与Fisher两类判别,建立原料肉与掺假肉的... 探讨利用近红外光谱技术结合Fisher两类判别法以及多层感知器(multilayer perceptron,MLP)神经网络快速无损鉴别原料肉是否掺假,并建立多种掺假肉的分类识别模型的可行性。首先近红外结合主成分与Fisher两类判别,建立原料肉与掺假肉的判别函数,以原料肉与注水肉两类样本的平均重心即两类样本的加权平均数-0.657作为区分原料肉与掺假肉的界限。2 0个验证集样本有两个被误判,总的正确判别率达到9 0%。然后,利用近红外结合主成分与MLP神经网络建立原料肉和3种掺假肉的3层神经网络识别模型,该模型对预测集52个样本的正确识别率达到94.2%。说明利用近红外结合化学计量学方法对原料肉是否掺假及掺假种类进行鉴别是可行的。 展开更多

关键词 近红外 原料肉 掺假肉 Fisher两类判别法 多层感知器(mlp)神经网络

下载PDF 职称材料

SSA-MLP模型在岩质边坡稳定性预测中的应用

16

作者 侯克鹏 包广拓 孙华芬 《安全与环境学报》 CAS CSCD 北大核心 2024年第5期1795-1803,共9页

岩质边坡的力学参数量化及稳定性分析对岩质边坡灾害的防治具有重要意义。Hoek-Brown(H B)准则是一种用于确定岩体力学参数的经典方法,能反映出边坡岩体变形和位移的非线性破坏特征。在此基础上,首先,提出一种麻雀搜索算法(Sparrow Sear... 岩质边坡的力学参数量化及稳定性分析对岩质边坡灾害的防治具有重要意义。Hoek-Brown(H B)准则是一种用于确定岩体力学参数的经典方法,能反映出边坡岩体变形和位移的非线性破坏特征。在此基础上,首先,提出一种麻雀搜索算法(Sparrow Search Algorithm,SSA)改进多层感知器(Multi-Layer Perceptron,MLP)的神经网络模型,并用于边坡稳定性预测、指标敏感性分析及参数反演。其次,将收集的1085组岩质边坡的几何参数和H B准则参数等作为输入变量,极限平衡理论Bishop法求解的安全系数作为输出变量,对SSA MLP模型进行训练学习和性能评估。最后,将该模型运用于25个边坡实例,验证模型的有效性。结果显示,该模型收敛速度快、精度高,为边坡稳定性分析和参数量化提供了一种新思路。 展开更多

关键词 安全工程 边坡稳定性 HOEK-BROWN准则 多层感知器(mlp)神经网络 麻雀搜索算法 参数反演

下载PDF 职称材料

基于软土常规物理参数的压缩模量预测研究 被引量：4

17

作者 张鹤 《铁道建筑技术》 2019年第1期1-5,49,共6页

为建立软土常规物理参数与压缩模量之间的模糊数学关系并对土体压缩模量进行预测,以27个钻孔中90件高质量淤泥及淤泥质土试样的土常规物理参数及压缩模量数据作为研究的数据源,基于MLP和RBF神经网络分别以tanh、sigmoid和标准径向基函... 为建立软土常规物理参数与压缩模量之间的模糊数学关系并对土体压缩模量进行预测,以27个钻孔中90件高质量淤泥及淤泥质土试样的土常规物理参数及压缩模量数据作为研究的数据源,基于MLP和RBF神经网络分别以tanh、sigmoid和标准径向基函数、一般径向基函数为激发函数建立不同的“软土物理参数-压缩模量”神经网络预测模型。结果显示,通过优选可以得到对于Es1-2预测值和Es2-4预测值的MRE分别在5%左右和11%以下、RMSE分别在6%左右和14%以下预测模型。结论表明,在一定误差的允许范围内,基于神经网络可以依靠软土的常规物理参数对压缩模量进行预测。 展开更多

关键词 压缩模量 神经网络 多层感知器mlp 径向基函数RBF

下载PDF 职称材料