公共文化服务平台

搜索到2824篇“ SOM神经网络“的相关文章

基于SOM神经网络的教学认知诊断模型研究: 2024年; 认知诊断模型在评估知识点依赖关系松散型学科知识状态时,因其生成的可达矩阵较为稀疏,易导致认知诊断的效率和准确度降低。而自组织映射(Self-Organizing Maps,SOM)神经网络可在不考虑知识点依赖关系的情况下,通过自动发现样本中的内在规律和本质属性,实现对学生知识状态的分类与评估。基于此,文章构建了基于SOM神经网络的教学认知诊断模型,在“大学英语视听说”课程中开展了此诊断模型的教学应用,并从诊断结果、学习成效、满意度三个方面进行了应用效果分析,结果表明:诊断模型用于知识点依赖关系松散型学科时,能够通过自组织聚类消除学生答题过程中的误差,精准、高效地分类评估学生的知识状态;诊断模型有助于教师实施有针对性的补救教学,在提高学生的学习效率和避免成绩的两极化方面效果显著;学生对诊断模型的整体满意度也较高。文章的研究丰富了教学认知诊断理论,可为个性化学习、精准补救教学提供诊断方法和实践经验。; 梁存良张玥黄宏涛叶海智李小娟; 关键词：SOM神经网络知识状态补救教学个性化学习

考虑替代性的SOM神经网络卷烟配方模块分类方法研究: 2024年; 为了提高模块替代决策效率和整个卷烟制造系统柔性与生产效率,提出了一种基于替代度的SOM神经网络模型对卷烟配方模块进行分类,并与历史替代统计结果进行比对。结果表明,替代度能较好地衡量模块间的替代程度,替代度越大,每个类别中的各项质量指标一致性越强,模块质量越相似,越推荐进行相互替代;在以不同替代度标准取值对卷烟配方模块进行分类时,替代度标准值越大,分类越细,选择替代度标准值为3.06作为卷烟配方模块强替代性的标准进行分类时是最合适的,此时每个类别中卷烟配方模块质量具有较高的相似性。基于替代度的SOM神经网络分类结果显示,发生类内替代的比例明显优于一般SOM神经网络算法、两阶段聚类算法和K-means聚类算法,当替代度标准值为3.06时,类内相互替代率可达95.39%,而类间替代率不足5.00%,相同类别模块替代率良好。; 王林左平聪管雨涵朱咏琦周红审吴庆华; 关键词：卷烟 SOM神经网络

融合SOM神经网络与K-means聚类算法的用户信用画像研究: 2024年; 为提高现阶段基于K-Means聚类算法的用户信用画像模型的准确性和实时性,提出一种融合自组织映射(SOM,Self-Organizing Map)神经网络与K-Means聚类算法的改进方法。通过SOM对用户数据进行降维和特征提取,直接获得最优聚类数目后再用K-Means算法进行聚类分析。通过真实在线借贷平台数据对所提方法进行验证,结果表明,该方法可提升用户信用画像分析的质量,更好地满足金融数据分析中对实时管理和风险控制的要求,为金融机构提供精准的决策支持。; 罗博炜罗万红谭家驹; 关键词：SOM神经网络 K-MEANS聚类算法时间复杂度

一种基于SOM神经网络的密度峰值聚类分色算法: 本发明提供一种基于SOM神经网络的密度峰值聚类分色算法，涉及清晰化处理和分色技术领域，创新点在于结合Real‑ESRGAN盲超分辨率重建网络对图像进行预处理，增强了图像细节，提高了分色准确性。算法以SOM神经网络作为初始...; 汝欣彭来湖陈然

基于SOM神经网络的电梯运行安全评价: 电梯是机电一体化的运输工偷,属于特种设备。它偷有组成部件众多、结构复杂、技术含量高、运行维护技术要歂严格、使用频繁等特点,极有可能会发生安偨事故,一旦发生事故,造成的人员伤亡和财产损失不可想象。需要一种高效的方法对电梯运...; 柳萌

一种基于增长型环形SOM神经网络的片上光网络映射方法: 本发明公开了一种基于增长型环形SOM神经网络的片上光网络映射方法，包括：获取核图中的IP核连通关系矩阵和网络拓扑中的节点通信损耗矩阵；利用节点通信损耗矩阵中的行向量对增长型环形SOM神经网络进行训练，获得经训练的增长型环...; 李慧牛玉翔顾华玺

基于SOM神经网络的摩擦状态识别研究被引量：1: 2023年; 为提取摩擦振动的特征和实现摩擦副摩擦状态的识别,在往复摩擦磨损试验机进行摩擦副混合摩擦和干摩擦状态的摩擦磨损试验。应用谱减法对试验采集的摩擦振动信号进行降噪,计算降噪后的摩擦振动15个特征参数。应用自组织映射(Self-organizing map, SOM)神经网络对摩擦副不同摩擦状态的摩擦振动特征参数进行分析,得到摩擦振动的SOM神经网络神经元分类。研究结果表明,谱减法能消除摩擦磨损试验机的背景噪声,SOM神经网络算法能够有效分析摩擦振动信号的特征,实现摩擦副摩擦状态的识别。; 李精明邹森周大平; 关键词：SOM神经网络谱减法特征提取

基于SOM神经网络的蓄电池SOH快速检测研究被引量：2: 2023年; 介绍了一种通过机器学习快速分离同组不健康电池及预测未知蓄电池健康度SOH的方法。IEC60896-22-2004和GB/T19638.2-2005标准规定了铅酸蓄电池的容量标准及检测方法。标准的容量测试方法需要使用C_(10)的电流恒流放电10个小时,试验方法在实际中难以应用于数量庞大的在用蓄电池组。研究一种基于机器学习的替代方法,对蓄电池组均衡电压后进行快速5分钟大电流充电和5分钟大电流放电,提取充放电的特征,通过SOM神经网络将每个蓄电池特征映射到二维平面,然后通过聚类分析分离不同容量性能的电池。更进一步,通过多次机器学习和按照标准方法获取真实容量,建立监督学习的训练集,利用SOM神经网络聚类中心距离或者时序相似性搜索算法用于快速评估未知电池样本的容量,准确率达96%。; 蒋海锋万畅林树胜; 关键词：SOM神经网络蓄电池容量

基于SOM神经网络的蓄电池健康状态检测方法: 2023年; 常规的蓄电池健康状态检测覆盖检查的效率较低,进而导致蓄电池的循环寿命均大幅度下降,为此提出对基于SOM神经网络的蓄电池健康状态检测方法的设计与验证分析。根据当前蓄电池的运行状态及检测需求、标准,先设定蓄电池基础状态检测指标,采用多层级的方式,提升覆盖检查的效率,设计多层级状态检测矩阵。以此为基础,构建SOM神经网络蓄电池健康状态检测模型,采用动态预测校正实现状态检测处理。最终的测试结果表明,该SOM神经网络蓄电池健康状态检测小组最终得出的蓄电池的循环寿命均可以达到3年以上,说明蓄电池的健康状态较好,检测结果较为精准,具有实际的应用价值。; 姚春桂徐路; 关键词：神经网络

基于SOM神经网络的宜城市森林健康评价: 2023年; 森林健康是生态文明建设中不可或缺的一环。本文基于2022年宜城市森林调查数据,通过主成分分析法排除冗余因子,确定健康评价指标,并运用SOM神经网络模型进行聚类分析,对宜城市森林健康状况进行评价。结果表明:(1)总的来看,宜城市森林优质健康等级最少,占比12.86%,健康等级占比17.14%,亚健康等级占比21.43%,不健康等级最多,占比31.43%,极不健康等级占比17.14%;(2)宜城市森林以幼龄林与中龄林为主,龄组结构较为不合理,中龄林健康状况整体略优于幼龄林;(3)以郁闭度划分,低郁闭度森林健康状况优于高郁闭度森林;(4)以起源划分,人工林健康状况优于天然林。; 林治成杨贵才夏锐康建坤曾冠中张伟; 关键词：森林健康评价主成分分析法 SOM神经网络聚类分析

加载更多 ∨

相关作者

用户反馈

相关作者

用户登录

用户反馈