OpenSNN推文:神经网络相关论文最新推荐(八月份)(四)
RBF与BP神经网络对逆流鼓泡板片蒸发式冷凝器传热性能预测对比
- 论文链接:oalib
- 简介:
鼓泡板片蒸发式冷凝器是一种较为新型的蒸发式冷凝器,按喷淋水与空气流向不同分为逆流、横流、混流等形式,其热质传递过程较为复杂。依据逆流鼓泡板片性能测试实验,以板间距、喷淋水流量、截面风速、空气进口干湿球温度、板片壁面平均温度为输入变量,以复合传热系数为输出变量,通过RBF和BP两种神经网络模型,对鼓泡板片外空气侧的复合传热系数进行预测。比较这两种神经网络模型预测值和真实值的主要评价指标(决定系数R2、平均相对误差MRE、均方根误差RMSE),结果表明RBF神经网络预测性能优于BP神经网络,更适合用于鼓泡板片蒸发式冷凝器的传热性能预测,将有助于对鼓泡板片蒸发式冷凝器的研究和产品开发。
全卷积多并联残差神经网络
- 论文链接:oalib
- 简介:
随着人工智能的火热发展,深度学习已经在很多领域占有了一席之地.作为深度学习中一个典型网络——残差神经网络模型自提出之日起就成为了众多研究者的关注点.然而,残差神经网络还有很大的改进空间.为了更好地解决反向传播中梯度减小的问题,本文提出了一种改进的残差神经网络,称为全卷积多并联残差神经网络.在该网络中,每一层的特征信息不仅传输到下一层还输出到最后的平均池化层.为了测试该网络的性能,分别在三个数据集(MNIST,CIFAR-10和CIFAR-100)上对比图像分类的结果.实验结果表明,改进后的全卷积多并联残差神经网络与残差网络相比具有更高的分类准确率和更好的泛化能力。
Prediction of Coal Spontaneous Combustion in Goaf Based on RBF Neural Network
- 论文链接:oalib
- 简介:
According to the training samples of the indicator gases data got from the procedural heating-up experiment, the model based on RBF neural network for predicting the coal spontaneous combustion was established, and the temperature of coal in 7162 goaf of Longdong coal mine was predicted effectively by MATLAB software. The prediction model takes CO concentration, C2H4 concentration and C2H4/C2H6 value as input unit, whose topological structure is 3-12-1. The prediction results show that prediction effect of the neural network model is very good and the error is very small. CO concentration can be taken as the main indicator gas for coal spontaneous combustion prediction, and the accuracy of coal spontaneous combustion prediction can be improved by adding C2H4 concentration as an auxiliary indicator gas when the coal temperature is between 160?C~250?C, adding C2H4/C2H6 value as an auxiliary indicator gas when the coal temperature is above 250?C. The prediction method can provide scientific guidance for the prevention and control of coal spontaneous combustion.
神经网络模型在水华预警领域的应用及展望
- 论文链接:oalib
- 简介:
从神经网络模型的特点入手,详细介绍了神经网络模型在水华预警中的研究进展。通过梳理神经网络模型在藻类生物量预测和水华风险评估两方面的应用情况,分析其在应用中存在的问题及优化方法,并展望未来研究方向,以期推动和深化水华预警模型研究。
基于卷积神经网络的股指期货套利策略研究
- 论文链接:oalib
- 简介:
在人工智能技术迅猛发展的背景下,神经网络与金融领域的结合越来越密切,利用神经网络等机器学习方法构建投资策略,已是当前投资界和学术界的一个热点问题。提出了一种基于卷积神经网络的股指期货套利策略。通过建立卷积神经网络模型对股指期货价差进行预测,采用动态阈值方法确定套利区间。并对中证500股指期货和上证50股指期货进行了实证分析。对比研究基于SVM模型和XGboost模型的交易策略。实证结果显示,在最大回撤率处于同一水平下基于卷积神经网络的股指期货套利策略收益率比基于SVM模型和XGboost模型的套利策略收益率表现更好。证实了将卷积神经网络应用在股指期货套利策略当中具有一定的可行性与有效性。