中国博士后科学基金(201003405)
- 作品数：6 被引量：35H指数：4
- 相关作者：李盼池王海英宋考平杨二龙于晓红更多>>
- 相关机构：东北石油大学中国石油天然气集团公司山东科技大学更多>>
- 发文基金：中国博士后科学基金国家自然科学基金黑龙江省教育厅科学技术研究项目更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于分段线性插值的过程神经网络训练被引量：5
- 2011年
- 过程神经元网络的输入为时变连续函数,不能直接输入离散样本。针对该问题,提出一种基于分段线性插值函数的过程神经网络训练方法。将样本函数、过程神经元权函数的离散化数据插值为分段表示的线性函数,计算样本函数与权值函数乘积在给定采样区间上的积分,将此积分值提交给网络的隐层过程神经元,并计算网络输出。实验结果证明了该方法的有效性。
- 肖红曹茂俊李盼池王海英
- 关键词：过程神经元过程神经网络神经网络训练
- 基于量子门线路的量子神经网络模型及算法被引量：13
- 2012年
- 提出一种量子神经网络模型及算法.该模型为一组量子门线路.输入信息用量子位表示,经量子旋转门进行相位旋转后作为控制位,控制隐层量子位的翻转;隐层量子位经量子旋转门进行相位旋转后作为控制位,控制输出层量子位的翻转.以输出层量子位中激发态的概率幅作为网络输出,基于梯度下降法构造了该模型的学习算法.仿真结果表明,该模型及算法在收敛能力和鲁棒性方面均优于普通BP网络.
- 李盼池宋考平杨二龙
- 关键词：量子计算量子旋转门量子神经网络
- 基于样条插值函数的离散过程神经网络训练被引量：6
- 2011年
- 为解决过程神经元网络不能直接输入离散样本的问题,提出基于样条插值函数的离散过程神经网络训练算法。首先,将离散过程样本按采样点分段,在采样区间内分别构造样本和权值的分段样条函数;然后,计算样本函数和权函数的乘积在采样区间上的积分,并将此积分值提交给网络的隐层过程神经元;最后,在输出层计算网络输出。分别采用一次、二次、三次样条函数,设计了三种不同的算法。实验结果表明:一次样条计算效率高,逼近能力差;三次样条计算效率低,但逼近能力好;二次样条在计算效率和逼近能力两方面都比较理想。因此,二次样条函数是离散过程神经网络的较好选择。
- 李盼池王海英
- 关键词：过程神经网络样条函数网络训练
- 一种基于粒子群优化的极限学习过程神经网络被引量：1
- 2016年
- 本文针对过程神经元网络(Process Neural Network,PNN)模型学习参数较多,正交基展开后的梯度下降算法初值敏感、计算复杂、不易收敛等问题,结合极限学习机(Extreme Learning Machine,ELM)的快速学习特性,提出了一种新型的极限学习过程神经元网络.学习过程中摒弃梯度下降算法的迭代调整策略,采用Moore-Penrose广义逆计算输出权值矩阵.同时为弥补极限学习机由于随机赋值造成的不足,利用粒子群算法(Particle Swarm Optimization,PSO)良好的全局搜索能力进行模型参数优化,获得紧凑的网络结构,提高了模型泛化能力.仿真实验以Henon混沌时间序列和太阳黑子预测为例,验证了网络的有效性.
- 刘志刚许少华李盼池
- 关键词：过程神经元网络极限学习机粒子群MOORE-PENROSE广义逆网络训练
- 基于T-S模型和PQGA的油田指标预测方法被引量：1
- 2012年
- 针对油田开发指标预测问题,提出一种T-S模型建模方法。该方法采用量子遗传算法优化T-S参数。首先根据预测指标及影响因素建立模糊规则库,然后根据模糊规则库建立T-S预测模型,采用改进的量子遗传算法优化T-S参数。以油田开发指标中含水率预测为例,结果表明该方法是有效可行的。
- 李盼池王海英杨雨
- 关键词：T-S模型量子遗传算法优化算法
- 云过程神经网络模型及算法研究被引量：9
- 2015年
- 该文针对输入输出具有不确定性特征并与时间或过程有关的复杂非线性系统建模和求解问题,利用过程神经网络对时变信号的动态处理能力,结合云模型对定性定量概念的转化能力,构建了一种具有不确定性信息处理能力的云过程神经网络模型,并采用猫群优化算法同时对网络结构和参数进行并行优化设计,提高了网络逼近及泛化能力,实现了神经网络在时间域和不确定信息处理领域上的有效扩展。仿真实验结果验证了模型和算法的可行性和有效性。
- 王兵李盼池杨冬黎于晓红
- 关键词：云模型时间序列预测
