-
公开(公告)号：CN103926832A
公开(公告)日：2014-07-16
申请号：CN201410158182.5
申请日：2014-04-18
Applicant: 哈尔滨工程大学
IPC: G05B13/00
Abstract: 本发明一种神经网络跟踪控制的自适应学习率调节方法，包括以下几个步骤：建立控制系统；将神经网络的所有权值按层进行单位化；引入训练样本集得到误差信号e(n)和训练代价函数ε(n)；得到线性化后的活化函数s(x)；确定各神经元的诱导局部域及神经元输出；求解各个局部梯度函数δj(n)及线性化表示δjL(n)；选择的自适应调整学习率；训练神经元突触权值；循环次数加1，直至满足停止准则，输出跟踪控制信号。本发明提出一种能够使步长迭代均值不受噪声影响，具有平滑迭代曲线，并可充分利用误差信号的一种基于活化函数及多误差信号的学习率自适应调节方法，从而可实时更新学习率，且减小计算复杂度。
-
公开(公告)号：CN103761567A
公开(公告)日：2014-04-30
申请号：CN201410023610.3
申请日：2014-01-20
Applicant: 哈尔滨工程大学
IPC: G06N3/02
Abstract: 本发明涉及小波神经网络优化技术领域，特别涉及一种采用状态估计研究思想，基于贝叶斯估计的小波神经网络权值初始化方法。本发明包括：建立小波神经网络模型；权值单位化；输入与小波神经元权值优化；输出层神经元权值优化。本发明将小波神经网络权值参数与网络结构、小波类型、输入数据和输出目标值联系起来，同时将状态估计的思想和理论引入到权值参数的初始设置中，强化了小波网络学习训练能力，使小波网络在初始化阶段就具有一定的针对性，从而提高了权值在后续网络学习训练的适应能力。与传统权值初始化方法相比，能够有效地提高学习效率，减小网络输出振荡幅度，加快算法收敛速度，同时能够避免出现不合适权值导致的网络输出发散的情况。
-
公开(公告)号：CN103198455B
公开(公告)日：2015-08-12
申请号：CN201310081823.7
申请日：2013-03-14
Applicant: 哈尔滨工程大学
IPC: G06T5/00
Abstract: 本发明的目的在于提供一种利用全变差最小化和灰度共生矩阵的图像去噪方法，包括以下步骤：对原始含噪图像进行高斯滤波，使用检测窗遍历得到的图像，求出每个检测窗内子图像块的四个灰度共生矩阵，由得到的灰度共生矩阵求对比度图像，利用得到的对比度图像，并结合全变差最小化模型及各项扩散模型去除原始含噪图像中的噪声干扰。本发明提高了对边缘等纹理信息位置的检测精度，且使用对比度图像来自适应的在全变差最小化去噪方法和各项同性扩散去噪方法之间过渡，兼顾了二者在去噪和保护边缘的方面优点，并能有效地减少阶梯效应的影响。
-
公开(公告)号：CN103177427A
公开(公告)日：2013-06-26
申请号：CN201310081824.1
申请日：2013-03-14
Applicant: 哈尔滨工程大学
Abstract: 本发明的目的在于提供一种X波段雷达图像同频干扰去除方法，包括：使用Sobel边缘检测算子检测同频干扰噪声，得到同频干扰噪声位置标记图像；对得到的同频干扰噪声位置标记图像进行二值化处理，得到新的同频干扰噪声位置标记图像；使用中值滤波法并结合步骤二中得到的同频干扰噪声位置标记图像去除X波段航海雷达图像中的同频干扰噪声。本发明使用Sobel边缘检测算子来检测X波段航海雷达图像中的同频干扰噪声，充分利用同频干扰噪声呈射线状的性质以及Sobel边缘检测算子检测直线状边缘的优势，提高了对同频干扰噪声位置的检测与定位精度。
-
公开(公告)号：CN103971163B
公开(公告)日：2017-02-15
申请号：CN201410195894.4
申请日：2014-05-09
Applicant: 哈尔滨工程大学
IPC: G06N3/08
Abstract: 本发明涉及小波神经网络优化技术领域，特别涉及一种基于归一化最小均方自适应滤波的自适应学习率小波神经网络控制方法。本发明包括:建立控制系统模型；将小波网络的所有权值按层进行单位化；小波神经元权值优化；求解误差信号和训练代价；采用阶梯函数对活化函数的导函数分段处理；制定拟合导函数的模糊规则；确定隶属函数；确定每个模糊规则在导函数值中所占的比重；输出模糊系统、线性化显示活化函数；确定各神经元的诱导局部域及神经元输出；求解各个局部梯度函数；输出层自适应调整学习率；确定输出层学习率的范围；隐层的学习率调节；训练神经元突触权值；输出跟踪控制信号；完成闭环反馈控制。本发明能够加快收敛速度，减小计算复杂度。
-
Patent Agency Ranking
公开(公告)号：CN103292784A
公开(公告)日：2013-09-11
申请号：CN201310177219.4
申请日：2013-05-14
Applicant: 哈尔滨工程大学
Abstract: 本发明属于地形可视性分析和射线声学领域，具体涉及一种基于声线轨迹的水下地表可视性分析方法。本发明包括如下步骤：（1）建立声线方程：（2）分析水下地表通视性：（3）分析水下地表可视域。本发明的水下地表可视性分析方法将可视性分析扩展到水下地形分析领域，拓展了地形可视性分析应用范围。同时将视线的复杂轨迹的解析问题简化成为较为简便的角度问题，提高了方法的适用性和可行性。还在保持着传统计算复杂度的基础上提高了目标点可视性的准确度。
-
公开(公告)号：CN103292784B
公开(公告)日：2015-02-25
申请号：CN201310177219.4
申请日：2013-05-14
Applicant: 哈尔滨工程大学
Abstract: 本发明属于地形可视性分析和射线声学领域，具体涉及一种基于声线轨迹的水下地表可视性分析方法。本发明包括如下步骤：（1）建立声线方程：（2）分析水下地表通视性：（3）分析水下地表可视域。本发明的水下地表可视性分析方法将可视性分析扩展到水下地形分析领域，拓展了地形可视性分析应用范围。同时将视线的复杂轨迹的解析问题简化成为较为简便的角度问题，提高了方法的适用性和可行性。还在保持着传统计算复杂度的基础上提高了目标点可视性的准确度。
-
公开(公告)号：CN103971163A
公开(公告)日：2014-08-06
申请号：CN201410195894.4
申请日：2014-05-09
Applicant: 哈尔滨工程大学
IPC: G06N3/08
Abstract: 本发明涉及小波神经网络优化技术领域，特别涉及一种基于归一化最小均方自适应滤波的自适应学习率小波神经网络控制方法。本发明包括:建立控制系统模型；将小波网络的所有权值按层进行单位化；小波神经元权值优化；求解误差信号和训练代价；采用阶梯函数对活化函数的导函数分段处理；制定拟合导函数的模糊规则；确定隶属函数；确定每个模糊规则在导函数值中所占的比重；输出模糊系统、线性化显示活化函数；确定各神经元的诱导局部域及神经元输出；求解各个局部梯度函数；输出层自适应调整学习率；确定输出层学习率的范围；隐层的学习率调节；训练神经元突触权值；输出跟踪控制信号；完成闭环反馈控制。本发明能够加快收敛速度，减小计算复杂度。
-
公开(公告)号：CN103198455A
公开(公告)日：2013-07-10
申请号：CN201310081823.7
申请日：2013-03-14
Applicant: 哈尔滨工程大学
IPC: G06T5/00
Abstract: 本发明的目的在于提供一种利用全变差最小化和灰度共生矩阵的图像去噪方法，包括以下步骤：对原始含噪图像进行高斯滤波，使用检测窗遍历得到的图像，求出每个检测窗内子图像块的四个灰度共生矩阵，由得到的灰度共生矩阵求对比度图像，利用得到的对比度图像，并结合全变差最小化模型及各项扩散模型去除原始含噪图像中的噪声干扰。本发明提高了对边缘等纹理信息位置的检测精度，且使用对比度图像来自适应的在全变差最小化去噪方法和各项同性扩散去噪方法之间过渡，兼顾了二者在去噪和保护边缘的方面优点，并能有效地减少阶梯效应的影响。
-
公开(公告)号：CN102252677A
公开(公告)日：2011-11-23
申请号：CN201110095840.7
申请日：2011-04-18
Applicant: 哈尔滨工程大学
IPC: G01C21/20
Abstract: 本发明公布一种基于时间序列分析的变比例自适应联邦滤波方法，应用于水下多传感器组合导航系统。首先根据各导航传感器系统的误差方程建立系统状态方程和量测方程，并对得到的方程离散化，建立各导航传感器系统对应的离散状态空间模型，然后根据导航传感器系统的历史数据，通过自回归模型获取该导航传感器系统的信息权值，根据信息权值和信息守恒定律获取信息分配比例，最后得到全局最优估计，并用全局最优估计重置滤波值和估计误差方差阵。本发明提高了系统导航精度、系统稳定性和容错性，能够满足水下航行器高精度、高可靠性的要求。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.023 seconds)
