周定宁
- 作品数：10 被引量：38H指数：3
- 供职机构：辽宁工程技术大学更多>>
- 发文基金：国家自然科学基金辽宁省教育厅科学基金更多>>
- 相关领域：自动化与计算机技术环境科学与工程更多>>
- 基于遗传算法的神经网络集成方法被引量：4
- 2019年
- 针对单一神经网络学习器易出现过拟合现象、网络泛化能力差等问题,提出一种基于遗传算法的神经网络集成方法.该方法通过对数据的预处理,将遗传算法作为集成学习的结合策略,在保证个体学习器分类准确率的同时,充分吸收个体学习器的多样性,利用遗传操作与物种入侵的方式对神经网络集成学习器进行迭代进化,得到具有全局最优的神经网络集成学习器.研究结果表明:使用该神经网络个体学习器集成方法训练出来的集成学习器具有良好的全局性,能够有效的避免网络出现的过拟合现象,提高网络的分类准确率,是一种稳定、泛化能力较强的神经网络集成学习器.
- 刘威周定宁周定宁黄敏白润才
- 关键词：神经网络遗传算法数据预处理
- 硫酸盐还原菌协同自燃煤矸石处理煤矿酸性废水的方法
- 本发明公开了一种硫酸盐还原菌协同自燃煤矸石处理煤矿酸性废水的方法，包括如下步骤：取缺氧或局部缺氧环境中的底泥接种到富集培养液中，于32℃、150r/min振荡培养2周后培养基变黑且瓶口有臭鸡蛋气味，得含有SRB的液体培养...
- 郭旭颖董艳荣刘威狄军贞里莹黄梓洋付巍巍张雪张立忠鞠兴军黄玉凯李雁飞赵玉国刘欣周璇周定宁张琦
- 文献传递
- 互学习神经网络训练方法研究被引量：29
- 2017年
- 由于BP神经网络具有表达能力强,模型简单等特点,经过近30年的发展,在理论和应用研究上都取得了巨大的进步,然而容易陷入局部最优和泛化能力差等问题却限制了神经网络的发展.同时,大数据的出现和深度学习算法的提出与应用,为神经网络向更类脑的方向发展提出了新的要求.针对上述问题,该文从模拟生物双向认知能力的角度出发,构造了一种新的神经网络模型——互学习神经网络模型,该模型在标准正向神经网络的基础上,引入了与其具有结构对称性的负向神经网络,利用正、负向神经网络分别模拟生物的顺向和逆向认知过程,并在此基础上提出了一种新的神经网络训练方法——互学习神经网络训练方法,该方法通过网络连接权值转置共享,正、负双向交替训练的方式对互学习神经网络模型进行训练,从而实现输入数据和输出标签之间的相互学习,使网络具有双向认知能力.实验表明,互学习神经网络训练方法可以同时训练正、负两个神经网络,并使网络收敛.同时,在此基础上提出了"互学习预训练+标准正向训练"的两阶段学习策略和相应的转换学习方法,这种转换学习方法起到了和"无监督预训练+监督微调"相同的效果,能够使网络训练效果更好,是一种快速、稳定、泛化能力强的新型神经网络学习方法.
- 刘威刘尚白润才周璇周定宁
- 关键词：神经网络BP算法人工智能
- 模拟生物双向认知能力的新型神经网络模型及训练方法
- 本发明公开了一种模拟生物双向认知能力的新型神经网络模型及训练方法，该新型神经网络模型由正向神经网络和负向神经网络构成，正向神经网络完成由输入到输出的顺向认知过程的模拟，负向神经网络完成由输出到输入的逆向认知过程的模拟，两...
- 刘威郭旭颖刘尚周璇周定宁李瑞丰郭直清黄敏张宇王江付巍巍张雪董艳荣里莹黄梓洋张立忠鞠兴军黄玉凯李雁飞刘欣徐煦赵玉国张琦
- 模拟生物双向认知能力的新型神经网络模型及训练方法
- 本发明公开了一种模拟生物双向认知能力的新型神经网络模型及训练方法，该新型神经网络模型由正向神经网络和负向神经网络构成，正向神经网络完成由输入到输出的顺向认知过程的模拟，负向神经网络完成由输出到输入的逆向认知过程的模拟，两...
- 刘威郭旭颖刘尚周璇周定宁李瑞丰郭直清黄敏张宇王江付巍巍张雪董艳荣里莹黄梓洋张立忠鞠兴军黄玉凯李雁飞刘欣徐煦赵玉国张琦
- 文献传递
- 基于仿生优化算法的神经进化方法研究
- 神经进化对于神经网络的进一步发展起着决定性的作用。传统的浅层神经进化方法多以改变网络初始权值为主，不能最大化提高神经网络的精度;深层神经进化方法的出现为自动设计神经网络结构的研究开辟了一条新的途径，但在如何定义网络结构的...
- 周定宁
- 关键词：结构空间仿生优化算法改进遗传算法
- 文献传递
- 硫酸盐还原菌协同自燃煤矸石处理煤矿酸性废水的方法
- 本发明公开了一种硫酸盐还原菌协同自燃煤矸石处理煤矿酸性废水的方法，包括如下步骤：取缺氧或局部缺氧环境中的底泥接种到富集培养液中，于32℃、150r/min振荡培养2周后培养基变黑且瓶口有臭鸡蛋气味，得含有SRB的液体培养...
- 郭旭颖董艳荣刘威狄军贞里莹黄梓洋付巍巍张雪张立忠鞠兴军黄玉凯李雁飞赵玉国刘欣周璇周定宁张琦
- 基于特征融合及SVD自适应模型更新的相关滤波跟踪方法
- 本发明提供一种基于特征融合及SVD自适应模型更新的相关滤波跟踪方法，涉及目标跟踪技术领域。基于特征融合及SVD自适应模型更新的相关滤波跟踪方法，在特征提取阶段将边缘特征及HOG特征加权融合作为目标特征，加强对边缘特征的学...
- 郭旭颖刘威周璇周定宁黄敏成秘付杰王薪予
- 动态数据约简的神经网络分类器训练方法研究被引量：5
- 2017年
- 针对神经网络分类器训练时间长、泛化能力差的问题,提出了一种基于动态数据约简的神经网络分类器训练方法(DDR)。该训练方法在训练过程中赋给每个训练样本一个权重值作为样本的重要性度量,依据每次网络迭代训练样本的分类错误率动态更新每个训练样本的权重值,之后依据样本的权重值来约简训练样本,从而增加易错分类的边界样本比重,减少冗余核样本的作用。数值实验表明,基于权重的动态数据约简神经网络训练方法不仅大幅缩短了网络的训练时间,而且还能够显著提升网络的分类泛化能力。
- 刘威刘尚白润才周璇周定宁
- 关键词：神经网络数据约简
- 基于特征融合及SVD自适应模型更新的相关滤波跟踪方法
- 本发明提供一种基于特征融合及SVD自适应模型更新的相关滤波跟踪方法，涉及目标跟踪技术领域。基于特征融合及SVD自适应模型更新的相关滤波跟踪方法，在特征提取阶段将边缘特征及HOG特征加权融合作为目标特征，加强对边缘特征的学...
- 刘威周璇郭旭颖周定宁黄敏成秘付杰王薪予
- 文献传递
