基于一種混合神經(jīng)網(wǎng)絡(luò)的船舶設(shè)計(jì)-在線瀏覽
2025-08-04 22:34本頁面
【正文】 1 引言 人工神經(jīng)網(wǎng)絡(luò)是一種具有模擬人類大腦形象思維、聯(lián)想記憶和信息分布存貯的非線性方法，是目前模式識別和機(jī) 器學(xué)習(xí)領(lǐng)域的一個研究熱點(diǎn)。主頁： 基于一種混合神經(jīng)網(wǎng)絡(luò)的船舶設(shè)計(jì) 摘要 該文深入分析了兩種經(jīng)典前饋神經(jīng)網(wǎng)絡(luò) — 多層感知器和徑向基函數(shù)網(wǎng)絡(luò)的基本原理，指出它們分別模擬了生物神經(jīng)網(wǎng)絡(luò)不同方面的功能，在此基礎(chǔ)上將它們結(jié)合起來構(gòu)造了一種混合結(jié)構(gòu)的神經(jīng)網(wǎng)絡(luò)，發(fā)揮了二者各自的優(yōu)點(diǎn)并成功的用于船舶性能的預(yù)估。仿真試驗(yàn)表明，這種神經(jīng)網(wǎng)絡(luò)的收斂速度和估計(jì)的準(zhǔn)確度都好于多層感知器。其特點(diǎn)是：大規(guī)模并行結(jié)構(gòu)、信息的分布式存儲和并行處理及良好的自適應(yīng)性、自組織性和容錯性，具有較強(qiáng)的學(xué)習(xí)、記憶、聯(lián)想、識別功能等。當(dāng)前，神經(jīng)網(wǎng)絡(luò)的研究已取得多方面的進(jìn)展和成果 [1,2]，研究者們從不同的角度提出了 BP 網(wǎng)絡(luò)， RBF 網(wǎng)絡(luò)、支撐向量機(jī)、自組織映射、 Hopfield網(wǎng)絡(luò)等大量神經(jīng)網(wǎng)絡(luò)模型。其中 ，有監(jiān)督者的模型結(jié)構(gòu)及算法比較簡單，主要應(yīng)用于模式識別及分類領(lǐng)域，典型的算法如 BP 網(wǎng)絡(luò)算法、 RBF網(wǎng)絡(luò)算法。本文在分析了這兩種算法基本思想的基礎(chǔ)上，將二者結(jié)合起來，利用各自的優(yōu)點(diǎn)構(gòu)造了一種混合神經(jīng)網(wǎng)絡(luò)，并探討了這種網(wǎng)絡(luò)在船舶設(shè)計(jì)上的應(yīng)用。 圖 1 具有一個隱層的感知器結(jié)構(gòu) 多層感知器有如下三個突出特點(diǎn)： ⑴網(wǎng)絡(luò)中的每個神經(jīng)元模型包含一個非線性激活函數(shù)，最常用的是主頁： logistic函數(shù) (1) 輸出。 ⑶ 網(wǎng)絡(luò)展現(xiàn)出高度的連接性。通過訓(xùn)練，多層感知器具有學(xué)習(xí)數(shù)據(jù)內(nèi)部復(fù)雜、非線性的生成機(jī)制的能力，但其收斂速度比較慢，推廣能力較差，易陷入局部極小點(diǎn)，而且網(wǎng)絡(luò)的能力隨突觸數(shù)量的增多增長緩慢（維數(shù)災(zāi)）。按照這種觀點(diǎn)，學(xué)習(xí)等價于在多維空間中尋找一個訓(xùn)練數(shù)據(jù)的擬合曲面，使得訓(xùn)練誤差達(dá)到某種統(tǒng)計(jì)主頁： 意義上的最佳。輸入層由感知單元組成，第二層是網(wǎng)絡(luò)中僅有的
研究報(bào)告相關(guān)推薦
鄂ICP備17016276號-1