结合深海集矿机的实际作业环境，建立集矿机的实时避障神经网络模型。该模型采用多传感器融合技术，将声纳传感器采集到的环境信息进行处理后作为BP神经网络的输入；设定车体的注视向量、转向角和速度为网络输出；根据集矿机实际行进情况，并综合人的行走经验，设置能够实现实时避障的网络导师训练信号。引入遗传算法对已建立BP避障模型进行改进，以克服局部极小值问题。仿真研究表明：遗传算法优化后的BP神经网络，能够有效训练达到预期目标，并能在很大程度上克服BP网络的局部极小值问题。在Matlab中给出障碍物环境中的避障仿真结果，
2022-02-15 23:24:03
346KB
1
针对如何从海量的气象数据中挖掘出有用的知识，并提高气象预报的准确度，提出了在Hadoop平台上构建基于遗传神经网络算法的天气预报方法.该方法采用遗传算法与神经网络算法相结合，避免了传统算法容易陷入局部最优的问题，并以天津市13个台站1951–2006年的地面气候资料日值数据为基础，建立了遗传神经网络预测模型，最后以降雨量等级为决策属性进行了实验.结果表明，该方法对所有降水等级的预测准确率都要优于传统的神经网络算法，对于降水等级R0的预测精度最高，达到了87%，不仅可以有效的处理海量气象数据，同时具有较高的预测精准度和良好的扩展性，为天气预报提拱了一种全新的思路和方法.
2021-11-12 21:32:00
1.18MB
1