2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩51頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、人工神經網(wǎng)絡是由大量簡單的、反映非線性本質特征的神經元廣泛連接而成的復雜非線性系統(tǒng),它模擬人腦的學習功能。當神經網(wǎng)絡訓練完成后,在樣本范圍內輸入數(shù)據(jù),就會在極短的時間內得出精確的輸出結果。目前應用最為廣泛的神經網(wǎng)絡算法是BP算法,但是基本的BP算法在訓練時收斂速度較慢、容易收斂于局部極小值,因此有必要對基本BP算法進行改進。 組合式非周期缺陷接地結構(CNPDGS)是由光子帶隙結構發(fā)展而來,它是在微波電路的接地金屬平面上人為地蝕

2、刻出非周期性的“缺陷”結構,以改變接地電流的分布,從而改變傳輸線的頻率特性。對CNPDGS通常采用FDTD等電磁場數(shù)值分析,這些分析方法雖然計算嚴格、精度高,可以精確分析CNPDGS的傳輸特性,但其計算過程復雜、耗時,無法滿足CNPDGS日益增長的分析和設計要求。 本文改進一種人工神經網(wǎng)絡反向傳播算法(BP算法),將動量方法和可變學習速度的BP算法(VLBP算法)結合,并且在每個樣本點更新權值和偏置值,這種算法稱為動量VLBP算

3、法;并對基本動量VLBP人工神經網(wǎng)絡反向傳播算法的訓練樣本進行樣本自動優(yōu)化選取處理。算法和樣本自動優(yōu)化選取處理均由C++語言編程實現(xiàn),用C++語言實現(xiàn)該算法可以有效的提高神經網(wǎng)絡的計算速度,目前國際上知名的各種神經網(wǎng)絡算法的核心部分大多數(shù)采用C、C++語言實現(xiàn)。并將改進的神經網(wǎng)絡分別運用到對一種新型組合式非周期性缺陷接地結構(CNPDGS)低通濾波器和一種新型的具有雙阻帶特性的組合式非周期性缺陷接地結構(CNPDGS)的神經網(wǎng)絡建模之中

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論