發(fā)布時間：2020-04-25 22:54

【摘要】：人腦是由數(shù)百種不同類型的神經(jīng)細(xì)胞組成的復(fù)雜生物系統(tǒng),具有非凡的信息處理和決策能力,可以有效的處理圖像、聲音、語義等復(fù)雜信息。在人腦信息處理過程中,各組織相互配合、相互協(xié)調(diào)構(gòu)成了若干個具有不同功能的神經(jīng)網(wǎng)絡(luò)模塊,各神經(jīng)網(wǎng)絡(luò)模塊相互獨立,卻又相互協(xié)作,使位于大腦皮質(zhì)不同區(qū)域的神經(jīng)系統(tǒng)獲得特定的功能,從而執(zhí)行該區(qū)域內(nèi)的獨立任務(wù)。多模塊神經(jīng)網(wǎng)絡(luò)是以人腦結(jié)構(gòu)和功能為基礎(chǔ),從人工神經(jīng)網(wǎng)絡(luò)智能信息處理的角度出發(fā),采用“分而治之”的思想,將復(fù)雜的實際問題分解為若干個相互獨立但又相互聯(lián)系的子問題,對于每一個子問題建立相應(yīng)的神經(jīng)網(wǎng)絡(luò)模型,從而有針對性的分塊處理實際問題。雖然多模塊神經(jīng)網(wǎng)絡(luò)可以很好的模擬人類大腦皮層信息處理模式,但在多模塊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計和算法學(xué)習(xí)過程中,仍存在著諸多尚未解決的研究難點,如自適應(yīng)神經(jīng)網(wǎng)絡(luò)的構(gòu)建,性能穩(wěn)定且可靠的子網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計,子網(wǎng)絡(luò)輸出的最優(yōu)動態(tài)集成等。本文借鑒人腦功能分區(qū)和信息處理模式,基于神經(jīng)生理學(xué)和神經(jīng)心理學(xué)的研究成果,開展了對多模塊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)自組織、子網(wǎng)絡(luò)動態(tài)重組、最優(yōu)任務(wù)集成等問題的深入研究,分析了多模塊神經(jīng)網(wǎng)絡(luò)子網(wǎng)絡(luò)結(jié)構(gòu)特點,設(shè)計了基于尖峰機(jī)制的子網(wǎng)絡(luò)自組織設(shè)計方法,探索了基于自適應(yīng)粒子群的多模塊神經(jīng)網(wǎng)絡(luò)優(yōu)化集成算法,建立了污水處理過程關(guān)鍵水質(zhì)參數(shù)軟測量系統(tǒng)并搭建了城市污水處理水質(zhì)監(jiān)測軟件平臺,完成了對水質(zhì)參數(shù)的有效建模和預(yù)測。綜上所述,本論文的主要研究工作和創(chuàng)新點如下:1.提出了一種基于神經(jīng)元信息傳遞機(jī)制的子網(wǎng)絡(luò)結(jié)構(gòu)自組織方法根據(jù)大腦皮層信息傳遞模式和生物神經(jīng)元模型,設(shè)計了一種基于神經(jīng)元尖峰信息傳遞的遞歸自組織RBF神經(jīng)網(wǎng)絡(luò),該方法可以通過隱含層的輸出值計算尖峰強(qiáng)度,實現(xiàn)遞歸RBF神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)自組織;同時,采用改進(jìn)LM算法更新網(wǎng)絡(luò)參數(shù),保證了學(xué)習(xí)算法的快速性和精確性。最后通過時間序列和非線性系統(tǒng)實驗分析,驗證了所提方法在預(yù)測精度和網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計方面的有效性,提高了遞歸RBF神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)性能。2.設(shè)計了一種基于自適應(yīng)粒子群算法的多模塊神經(jīng)網(wǎng)絡(luò)集成方法針對多模塊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計過程中子網(wǎng)絡(luò)無法最優(yōu)集成的問題,提出了一種基于自適應(yīng)粒子群算法的子網(wǎng)絡(luò)動態(tài)集成方法,該方法采用自適應(yīng)粒子群算法尋找子網(wǎng)絡(luò)的最優(yōu)網(wǎng)絡(luò)貢獻(xiàn)度,并依據(jù)貢獻(xiàn)度計算子網(wǎng)絡(luò)的輸出權(quán)值,完成網(wǎng)絡(luò)結(jié)構(gòu)的自組織和參數(shù)的自調(diào)整,最終實現(xiàn)多模塊神經(jīng)網(wǎng)絡(luò)的集成輸出。通過仿真實驗驗證了網(wǎng)絡(luò)的集成權(quán)值可以通過自適應(yīng)粒子群算法尋找到最優(yōu)值,且訓(xùn)練精度、自適應(yīng)能力優(yōu)于其他算法。3.建立了一種基于多模塊神經(jīng)網(wǎng)絡(luò)的污水處理關(guān)鍵水質(zhì)參數(shù)軟測量模型由于污水處理過程存在強(qiáng)烈的非線性、大時變以及強(qiáng)耦合等特征,傳統(tǒng)方法難以實時在線測量污水處理關(guān)鍵水質(zhì)參數(shù),本文設(shè)計了一種基于多模塊自組織神經(jīng)網(wǎng)絡(luò)的污水處理關(guān)鍵水質(zhì)軟測量模型,通過剔除異常數(shù)據(jù)選取輔助變量,建立污水處理過程多模塊神經(jīng)網(wǎng)絡(luò)模型,可以有效地實現(xiàn)了氨氮濃度的在線預(yù)測,提高了網(wǎng)絡(luò)自適應(yīng)能力和預(yù)測精度。4.開發(fā)了一種污水處理出水水質(zhì)智能檢測系統(tǒng)在實際污水處理廠區(qū)的基礎(chǔ)上,分析了污水處理過程一級處理過程、二級處理的生化反應(yīng)過程和二層池物理沉降模型,建立了基于組態(tài)系統(tǒng)和智能算法的污水處理實驗仿真平臺,開發(fā)了基于數(shù)據(jù)挖掘的神經(jīng)網(wǎng)絡(luò)實時在線預(yù)測系統(tǒng),將采集到的數(shù)據(jù)上傳至神經(jīng)網(wǎng)絡(luò)智能算法平臺,通過模擬仿真建立關(guān)鍵水質(zhì)參數(shù)的軟測量模型,從而可以有效的預(yù)測污水處理過程關(guān)鍵參數(shù)的輸出值,防治污染物超標(biāo)情況的發(fā)生。
【圖文】：

圖 1-1 人腦功能分區(qū)Fig.1-1 Functional partition of human brain模塊神經(jīng)網(wǎng)絡(luò)研究現(xiàn)狀塊神經(jīng)網(wǎng)絡(luò)是由多個子網(wǎng)絡(luò)模塊組合而成的，各子網(wǎng)絡(luò)模塊間系，通過分解方法將復(fù)雜任務(wù)分解為多個不同的子任務(wù)，子網(wǎng)任務(wù)的基礎(chǔ)上，共同協(xié)作完成信息處理。多模塊神經(jīng)網(wǎng)絡(luò)方法絡(luò)在面臨復(fù)雜、大規(guī)模問題時，時間復(fù)雜度和空間復(fù)雜度高、題，具有思路自然、方法先進(jìn)、可操作性強(qiáng)等特點，因此引發(fā)工作者的濃厚研究興趣。世紀(jì) 90 年代以來，多模塊神經(jīng)網(wǎng)絡(luò)的理論研究受到極大的重視深入探索，理論成果相繼涌現(xiàn)，促進(jìn)了相關(guān)學(xué)科的發(fā)展。1994 an 兩人[22-23]針對系統(tǒng)集成問題提出分層混合專家神經(jīng)網(wǎng)hical Mixture of Experts, HME)，該系統(tǒng)主要有多個專家網(wǎng)絡(luò)和在訓(xùn)練的過程中，每個專家網(wǎng)絡(luò)針對整個任務(wù)中的一個子任務(wù)進(jìn)

結(jié)構(gòu)的的一些弊端。當(dāng)網(wǎng)絡(luò)結(jié)構(gòu)過小時，不足以滿足預(yù)測精度果；而當(dāng)網(wǎng)絡(luò)規(guī)模過大時，神經(jīng)網(wǎng)絡(luò)計算量會增大，同時泛化了提高神經(jīng)網(wǎng)絡(luò)的自適應(yīng)能力，提高網(wǎng)絡(luò)的預(yù)測精度，，文中采息尖峰強(qiáng)度的自組織神經(jīng)網(wǎng)絡(luò)模型。組織 RBF 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計經(jīng)元尖峰模型分析腦在信息處理方面具有高容錯性、聯(lián)想記憶、自主協(xié)調(diào)等能力，在解決復(fù)雜問題時，通常采用自組織機(jī)制完善網(wǎng)絡(luò)結(jié)構(gòu)，增加信本章依據(jù)脈沖傳遞及生物尖峰神經(jīng)元信息強(qiáng)度機(jī)制，提出了一種峰機(jī)制的網(wǎng)絡(luò)結(jié)構(gòu)調(diào)整算法。物神經(jīng)元所產(chǎn)生的電信號可以反映出膜電位的變化狀態(tài)。如圖 3元的局部電位高于固定閾值時，會激活動作電位，刺激對應(yīng)的功而在之后膜電位降低，暫時神經(jīng)元處于休眠狀態(tài)。
【學(xué)位授予單位】：北京工業(yè)大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2018
【分類號】：X832;TP183

【參考文獻(xiàn)】

相關(guān)期刊論文 前7條

1 張昭昭;;污水處理過程出水水質(zhì)多模型在線軟測量方法[J];控制工程;2014年01期

2 叢秋梅;趙立杰;柴天佑;;一類污水處理過程水質(zhì)多模型在線軟測量方法[J];東北大學(xué)學(xué)報(自然科學(xué)版);2010年09期

3 梁夏;王金輝;賀永;;人腦連接組研究:腦結(jié)構(gòu)網(wǎng)絡(luò)和腦功能網(wǎng)絡(luò)[J];科學(xué)通報;2010年16期

4 叢秋梅;柴天佑;余文;;污水處理過程的遞階神經(jīng)網(wǎng)絡(luò)建模[J];控制理論與應(yīng)用;2009年01期

5 廖曉峰;李傳東;;神經(jīng)網(wǎng)絡(luò)研究的發(fā)展趨勢[J];國際學(xué)術(shù)動態(tài);2006年05期

6 凌衛(wèi)新,鄭啟倫,陳瓊;基于梯度的并行協(xié)作模塊化神經(jīng)網(wǎng)絡(luò)體系結(jié)構(gòu)[J];計算機(jī)學(xué)報;2004年09期

7 杜樹新;污水生化處理過程建模與控制[J];控制理論與應(yīng)用;2002年05期

本文編號：2640781