买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!
申请/专利权人:哈尔滨工业大学
摘要:本发明公开一种基于灰色小波神经网络的火场态势信息感知方法。步骤1:对信息源采集的现场态势信息进行规范化处理得到信息数据集矩阵W;步骤2:通过灰色系统理论计算出灰色系统模型信息感知值矩阵X;步骤3:利用信息感知值矩阵X的向量训练小波神经网络求出态势感知小波神经网络,组成所求的灰色小波神经火场态势信息感知网络;步骤4:向灰色小波神经火场态势信息感知网络输入火场态势信息向量矩阵,经过灰色小波神经进行火灾现场态势感知,得到最终输出态势感知向量Y。针对灰色模型对非线性问题没有较好解决以及普通神经网络收敛特性不稳定的问题,该方法用以解决采用某一单一方法作为态势信息融合感知标准会放大单一方法的弊端。
主权项:1.一种基于灰色小波神经网络的火场态势信息感知方法,其特征在于,所述火场态势信息感知方法包括以下步骤:步骤1:对信息源采集的现场态势信息进行规范化处理得到信息数据集矩阵W;步骤2:将步骤1的信息数据集矩阵W通过灰色系统理论计算出灰色系统模型信息感知值矩阵X;步骤3:利用步骤2中灰色系统模型信息感知值矩阵X的向量训练小波神经网络求出态势感知小波神经网络,根据所述灰色系统模型和态势感知小波神经网络组成所求的灰色小波神经火场态势信息感知网络;步骤4:向步骤3的灰色小波神经火场态势信息感知网络输入火场态势信息向量矩阵,经过灰色小波神经进行火灾现场态势感知,得到最终输出态势感知向量Y;所述步骤3包括以下步骤:步骤3.1:对神经网络流程图进行初始化;步骤3.2:对步骤3.1的神经网络流程图进行隐含层输出计算,计算隐含层输出H;步骤3.3:根据隐含层输出H进行输出层计算,计算得到感知输出步骤3.4:进行误差计算、权值更新和阈值更新;步骤3.5:确定迭代是否结束;如果判断结束,则输出这个训练的网络得到的态势感知值,并将这个网络的参数保存下来以应对接下来的数据态势感知,反之继续训练;所述步骤3.1具体为:进行网络的初始化,根据系统输入层的输入向量X=x1,x2,…xn和输出层的输出向量Y=y1,y2,…ym进行神经网络输入层节点:隐含层节点和输出层节点的个数;初始化输入层:隐含层和输出层神经元之间的连接权值Wij和Wjk,初始化隐含层阈值a1和输出层阈值a2,给定学习速率和神经元激励函数;所述步骤3.2具体为,根据输入向量X,输入层和隐含层之间的连接权值Wij以及隐含层阈值,计算隐含层输出H; 其中,l为隐含层节点个数,f为隐含层的激励函数;小波层采用非正交的Morlet小波函数: 所述步骤3.3具体为,根据隐含层输出向量H,隐含层和输出层之间的连接权值Wjk以及设定的阈值,计算得到感知输出: 所述步骤3.4具体为,计算感知输出与期望输出的误差: 进行权值更新,更新各个连接层权值Wij和Wjk: 进行阈值更新,更新各节点阈值a1、a2:
全文数据:
权利要求:
百度查询: 哈尔滨工业大学 一种基于灰色小波神经网络的火场态势信息感知方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。