自組織神經(jīng)網(wǎng)絡(luò)在信息處理中的應(yīng)用研究.pdf_第1頁(yè)
已閱讀1頁(yè),還剩110頁(yè)未讀 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、人工神經(jīng)網(wǎng)絡(luò)是人工智能的一項(xiàng)重要研究?jī)?nèi)容,也是信息處理領(lǐng)域的重要研究手段,它以高度并行性、分布存儲(chǔ)性、容錯(cuò)性、非線性、結(jié)構(gòu)多變性等諸多特性成為智能信息處理領(lǐng)域的一大重要技術(shù)。自組織神經(jīng)網(wǎng)絡(luò)(SOM)是一種無(wú)監(jiān)督的具有自我學(xué)習(xí)能力的人工神經(jīng)網(wǎng)絡(luò),它具有許多獨(dú)特而又有效的特性,如保序映射、數(shù)據(jù)壓縮、特征抽取等,這些功能特點(diǎn)使得SOM能夠被應(yīng)用于諸多領(lǐng)域的分類和識(shí)別等問(wèn)題上。本文根據(jù)SOM的這些特點(diǎn),對(duì)SOM神經(jīng)網(wǎng)絡(luò)加以構(gòu)造和挖掘,分別將其應(yīng)

2、用于信號(hào)、醫(yī)學(xué)、武器等領(lǐng)域的信息處理問(wèn)題之中,具體研究?jī)?nèi)容如下:
  (1)利用SOM特征映射神經(jīng)網(wǎng)絡(luò)保拓?fù)湫虻奶匦詫?duì)陣列信號(hào)波達(dá)方向進(jìn)行估計(jì)。對(duì)于陣列信號(hào)處理中的單源信號(hào)波達(dá)方向(DOA)估計(jì)問(wèn)題,建立起基于距離差(DDOA)向量探測(cè)DOA的兩種二維陣列模型——均勻線陣和任意陣列模型。將DDOA向量與波達(dá)方向角(AOA)之間的關(guān)系看做由DDOA空間到AOA空間的映射,對(duì)此映射,通過(guò)推導(dǎo)分析得出采樣信號(hào)的這兩個(gè)變量之間存在著相似的

3、拓?fù)浞植?。因此,欲通過(guò)DDOA對(duì)AOA進(jìn)行估計(jì)并不必須得到二者之間的具體映射,只需建立雙層SOM特征映射神經(jīng)網(wǎng)絡(luò),模擬DDOA到AOA的映射關(guān)系,因?yàn)橄嗨频腄DOA必映射到相似的AOA。更進(jìn)一步的,結(jié)合Lipschitz條件,對(duì)此系統(tǒng)的可靠性進(jìn)行了詳盡的分析、驗(yàn)證。通過(guò)均勻分布的仿真源信號(hào)對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練,然后利用訓(xùn)練好的網(wǎng)絡(luò)分別對(duì)仿真無(wú)噪信號(hào)、仿真含高斯噪聲信號(hào)、以及湖中聲源實(shí)測(cè)信號(hào)進(jìn)行AOA估計(jì)效果測(cè)試,并與徑向基(RBF)神經(jīng)網(wǎng)絡(luò)、

4、多信號(hào)分類(MUSIC)算法進(jìn)行對(duì)比,測(cè)試的結(jié)果顯示該網(wǎng)絡(luò)預(yù)測(cè)效果穩(wěn)定,精確度高,可以考慮應(yīng)用于實(shí)踐。
  (2)利用SOM神經(jīng)網(wǎng)絡(luò)的自組織分類特性對(duì)結(jié)腸癌位置的可能信息基因進(jìn)行探索研究。通過(guò)基因表達(dá)對(duì)癌癥進(jìn)行預(yù)測(cè)是否可行是一個(gè)具有爭(zhēng)議的研究課題,本章利用SOM神經(jīng)網(wǎng)絡(luò)的分類特性建立起基于隨機(jī)選取基因表達(dá)組合的結(jié)腸癌位置循環(huán)分類系統(tǒng),通過(guò)對(duì)不同數(shù)量基因組、不同組合基因組進(jìn)行實(shí)驗(yàn),依據(jù)低誤分類率的原則來(lái)尋求可能的信息基因組。通過(guò)對(duì)可

5、能信息基因組進(jìn)行非線性主成分分析、交集運(yùn)算、及交叉驗(yàn)證等研究手段,得出隨機(jī)基因組與結(jié)腸癌位置相關(guān)性的分布規(guī)律,并有結(jié)腸癌位置的潛在信息基因不唯一的結(jié)論,從而進(jìn)一步的認(rèn)為利用基因?qū)Y(jié)腸癌位置進(jìn)行分類在臨床診斷中是不可行的。
  (3)利用優(yōu)化鄰域半徑的自回歸自組織(AR-SOM)神經(jīng)網(wǎng)絡(luò)的分區(qū)域擬合功能對(duì)火炮膛壓曲線進(jìn)行擬合并對(duì)膛壓進(jìn)行預(yù)測(cè)?;鹋谔艍鹤兓?guī)律在火炮研究中具有重要的作用,本文分別利用BP神經(jīng)網(wǎng)絡(luò)和改進(jìn)的AR-SOM神經(jīng)

6、網(wǎng)絡(luò)對(duì)某型號(hào)火炮實(shí)測(cè)膛壓數(shù)據(jù)進(jìn)行擬合和預(yù)測(cè)。實(shí)驗(yàn)結(jié)果表明改進(jìn)的AR-SOM能夠更好把握火炮膛壓各階段的變化規(guī)律,預(yù)測(cè)效果良好。
  論文主要?jiǎng)?chuàng)新:
  (1)提出了利用雙層SOM神經(jīng)網(wǎng)絡(luò)的DOA估計(jì)方法,并從理論上對(duì)方法的可靠性進(jìn)行了驗(yàn)證。該方法是基于DDOA與AOA具有相似拓?fù)浞植嫉睦碚摶A(chǔ)提出的,適合均勻線陣及任意陣列。網(wǎng)絡(luò)可事先訓(xùn)練,應(yīng)用中對(duì)AOA估計(jì)迅速,精確度良好,受噪聲影響小,魯棒性好。
  (2)建立了S

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論