修车大队一品楼qm论坛51一品茶楼论坛,栖凤楼品茶全国楼凤app软件 ,栖凤阁全国论坛入口,广州百花丛bhc论坛杭州百花坊妃子阁

oe1(光电查) - 科学论文

19 条数据
?? 中文（中国） ▾

  • [2018年IEEE国际成像系统与技术会议(IST) - 波兰克拉科夫 (2018.10.16-2018.10.18)] 2018年IEEE国际成像系统与技术会议(IST) - 基于DWT和GLCM纹理分析，利用人工神经网络(ANN)和自适应神经模糊推理系统(ANFIS)进行MRI脑肿瘤检测的应用

    摘要： 在这项工作中，我们结合不同方法学开发基于轴位平面（T2 MRI）的脑肿瘤计算机辅助诊断（CAD）算法。所有方法均通过原始数据提取纹理特征（无需后处理），采用灰度共生矩阵（GLCM）、离散小波变换（DWT）等技术，并基于人工神经网络（ANN）或自适应神经模糊推理系统（ANFIS）进行分类。所有提出的方法均在包含65%非健康MRI的子数据集上完成开发、验证与确认。总数据库包含202例非健康患者MRI和18例健康患者MRI，均由经验丰富的神经外科医生进行视觉分割。通过组合不同特征子集，最佳结果采用4个GLCM特征输入至具有两个隐藏层的4输入ANN，获得灵敏度100%、特异度77.8%、准确率94.3%。实验证明：当健康/非健康组织MRI比例约为35%/65%时，用于训练此类CAD的输入数据可视为无偏倚。

    关键词： MRI肿瘤计算机辅助诊断、离散小波变换、自适应神经模糊推理系统、灰度共生矩阵、人工神经网络

    更新于2025-09-23 15:23:52

  • 基于信干噪比提升的自优化波束形成零陷控制

    摘要： 本文提出了一种自优化波束形成零陷控制（SOBNC）方案。在Wi-Fi、长期演进（LTE）及高级长期演进（LTE-A）等现代技术中，需要维持信干噪比（SINR）阈值来控制调制编码方案（MCS）。MCS的选择取决于能保持关键性能指标（KPI）——如块误码率（BLER）、比特误码率（BER）和吞吐量——处于特定水平的SINR阈值。SOBNC通过控制天线方向图进行SINR估计，从而提升无线通信系统的SINR性能。但零陷控制存在代价：若引入更宽的零陷（即使用更多零陷），天线方向图的3dB波束宽度和旁瓣峰值电平（SLL）将发生显著变化。本文基于自适应神经模糊推理系统（ANFIS），提出一种能根据环境变化自动调节天线方向图零陷数量的方法，以维持输出SINR水平高于或等于所需阈值。最终仿真结果表明，相比基于最小均方误差（MMSE）的自适应零陷控制算法和传统固定零陷方案，所提SOBNC具有更优性能。

    关键词： 自优化波束形成零陷控制，自适应神经模糊推理系统（ANFIS），信干噪比提升，数字波束形成（DBF）

    更新于2025-09-23 15:22:29

  • 光伏热太阳能集热器电效率评估

    摘要： 本研究采用人工神经网络（ANNs）、最小二乘支持向量机（LSSVM）和神经模糊等机器学习方法，构建了光伏-热太阳能集热器（PV/T）热性能的预测模型。所提模型以进水温度、流量、热量、太阳辐射及日照热量作为输入变量。数据集通过新型太阳能集热系统的实验测量获取。研究开展了多项分析以验证模型的可靠性并评估其性能表现。结果表明，LSSVM模型优于ANFIS和ANNs模型。当实验室测量成本高、耗时长，或需要复杂解析才能获取相关数值时，LSSVM模型被证实具有适用性。

    关键词： 混合机器学习模型、可再生能源、光伏-光热（PV/T）、最小二乘支持向量机（LSSVM）、自适应神经模糊推理系统（ANFIS）、神经网络（NNs）

    更新于2025-09-23 15:21:01

  • [IEEE 2019年国际可持续信息工程与技术会议（SIET）- 印度尼西亚龙目岛（2019.9.28-2019.9.30）] 2019年国际可持续信息工程与技术会议（SIET）- 基于光伏系统预测模型的ANFIS设计

    摘要： 光伏系统在发电时输出具有不确定性，因其受不同天气条件影响较大。该建模系统采用自适应神经模糊推理系统（ANFIS）技术获取功率预测、电压、电流及温度数据。通过Matlab/Simulink平台建立了基于光伏基本太阳辐照效应和温度变化的数学模型，并展示了该模型的构建过程。该模型分为由ANFIS驱动的两个子系统：ANFIS 1和ANFIS 2。ANFIS设计旨在更新参数以确定输出与目标值之间的误差。ANFIS 1开路输出电压测试的MAPE（平均绝对百分比误差）值为0.0104，该MAPE评分表明其预测数据优异（MAPE值低于10%）。ANFIS 2测试中，交流输出电压的MAPE为0.026%，输出电流为1.3035%，频率为0.0046%。根据MAPE评分，所生成的数据预测非常精确（MAPE值均低于10%）。简言之，本研究表明ANFIS技术能产生负载预测结果，可提高预测的准确性和快速性，且误差极小。

    关键词： 平均绝对百分比误差、预测、光伏、自适应神经模糊推理系统、设计

    更新于2025-09-23 15:21:01

  • 基于智能控制器的光伏系统最大功率点跟踪与超升压变换器的比较分析

    摘要： 近年来，电力需求持续增长，但由于化石燃料短缺和环境问题，发电量难以满足需求。唯一解决方案是利用可再生能源发电来满足用户需求。本文分析了光伏发电系统在不同天气条件下的性能表现，旨在比较模糊控制、自适应神经模糊推理系统（ANFIS）以及混合模糊与萤火虫算法（HFFA）等智能控制器对100瓦光伏系统采用超级升压变换器（SLBC）实现最大功率点跟踪（MPPT）的效果。所提出的智能控制器在MATLAB环境下针对不同天气条件进行设计与仿真，通过分析模拟结果评估了辐照度变化条件下模型的性能表现。最终研究表明，基于混合模糊与萤火虫算法的MPPT控制器是光伏系统的最优控制方案。

    关键词： 光伏，自适应神经模糊推理系统，模糊逻辑，最大功率点跟踪，MATLAB，混合花朵授粉算法，超升压变换器

    更新于2025-09-23 15:21:01

  • 基于特定电池参数的光伏系统电压模糊神经网络确定方法及非隔离高增益直流升压变换器电压波动控制仿真

    摘要： 本研究利用Ansys-Electronics 2019 R2软件，根据影响光伏系统发电效率的大气参数和温度系数参数，对太阳能电池板进行建模并开展参数化仿真研究?；诓问抡?，获取了482组电能输出电压值数据。随后选取部分数据用于自适应神经模糊推理系统(ANFIS)算法训练，并通过预测值对系统进行测试。由此报告了在太阳能发电过程中，针对输入端电压变化，采用无绝缘DC-DC转换器电路设计方案，在输出端生成400V恒定直流母线电压时所设计的占空比控制器性能表现。

    关键词： 非隔离高增益变换器、光伏（PV）系统、参数仿真、自适应神经模糊推理系统（ANFIS）

    更新于2025-09-23 15:19:57

  • 基于自适应神经模糊推理系统与粒子群优化-人工神经网络模型的光伏系统发电量预测比较

    摘要： 在泰国呵叻府决定安装光伏系统前，由于发电量不均衡且数据不稳定，对光伏系统的发电量进行预测至关重要。本研究采用自适应神经模糊推理系统（ANFIS）模拟光伏系统的发电量预测，并与粒子群优化结合人工神经网络方法（PSO-ANN）进行精度对比。模拟结果表明，ANFIS方法的预测精度高于PSO-ANN方法。通过均方误差（MSE）、均方根误差（RMSE）、平均绝对误差（MAP）和平均绝对百分比误差（MAPE）验证了ANFIS和PSO-ANN模型的性能。ANFIS模型的准确率为99.8532%，PSO-ANN方法为98.9157%。对模型发电量预测结果评估显示，相较于现有方法，所提出的ANFIS预测方法在计算发电量和投资决策方面更具优势。因此，分析光伏系统的发电量输出对于实现最大效益和投资成本分析至关重要。

    关键词： 太阳辐照度、自适应神经模糊推理系统、光伏功率输出预测、粒子群优化-人工神经网络

    更新于2025-09-19 17:13:59

  • [2019年欧洲激光与光电子学会议暨欧洲量子电子学会议（CLEO/Europe-EQEC）- 德国慕尼黑（2019.6.23-2019.6.27）] 2019年欧洲激光与光电子学会议暨欧洲量子电子学会议（CLEO/Europe-EQEC）- 实现亚9飞秒、3毫焦耳、载波包络相位稳定的多通钛宝石放大器

    摘要： 基于田口法的遗传算法（TBGA）被应用于自适应神经模糊推理系统（ANFIS），用于优化液晶显示器背光?？椋˙LM）的微观结构参数。该方法减少了实验次数并积累了反映?？樾阅苤柿康氖荨BGA通过最小化均方根误差性能指标来选择合适的隶属函数，并优化前提参数与结论参数。结果表明，在设计BLM模型时，采用TBGA的ANFIS明显优于基于粒子群优化的ANFIS、基于遗传算法的ANFIS以及传统ANFIS。TBGA的另一作用是优化背光模块的微观结构参数。结果证实，基于TBGA的ANFIS方法在预测精度、成本降低和亮度均匀性方面表现优异。与文献中报道的传统试错设计方法甚至基于田口法的设计方法相比，获得了更优越的结果。作为本质上的模糊模型，本方法普遍适用于工业产品设计，从而为解决各行业问题提供了有效途径。

    关键词： 背光模块、微结构参数、田口遗传算法、自适应神经模糊推理系统

    更新于2025-09-19 17:13:59

  • 截断金字塔形InAs/GaAs量子点中退火诱导In与Ga相互扩散的分析方法研究

    摘要： 脑机接口(BCI)通过识别大脑活动模式将思维转化为行动，其核心依赖于分类器的性能。本文提出一种基于高效自适应神经模糊分类器(NFC)的运动想象(MI)任务脑电信号识别与监测方法。通过将Jaya优化算法与自适应神经模糊推理系统相结合来提升分类准确率，并采用语言修饰算子(LH)进行模糊规则的合理提取与剪枝，同时运用缩放共轭梯度(SCG)及其加速版本(SSCG)技术训练网络。本研究应用基于Jaya的k-means算法将特征集划分为两个互斥簇以触发模糊规则。将采用SSCG作为训练算法并集成LH功能的Jaya-NFC分类器(JayaNFCSSCGLH)与四种不同NFC进行对比实验，结果表明：相比传统SCG训练方法，SSCG使单次迭代计算时间缩短57.78%；基于LH的特征选择机制不仅能减少计算耗时，还能通过剔除无关特征提升准确率。在计算效率、收敛速度和分类精度等综合指标上表现优异，使其成为实时应用的理想选择。Friedman检验验证了JayaNFCSSCGLH在同类分类器中的优越性，最终分类结果用于控制LED灯开关实现"思维操控行动"。

    关键词： 语言模糊限制语、神经模糊分类器、自适应神经模糊推理系统、随机子空间共轭梯度法、共轭梯度法、贾亚算法、脑机接口

    更新于2025-09-19 17:13:59

  • [IEEE 2019年第四届仪器系统、电路与传感器国际研讨会(INSCIT) - 巴西圣保罗 (2019.8.26-2019.8.30)] 2019年第四届仪器系统、电路与传感器国际研讨会(INSCIT) - 基于超连续谱激光源直接法的二极管归一化光谱响应测量

    摘要： 基于田口法的遗传算法（TBGA）被应用于自适应神经模糊推理系统（ANFIS），用于优化声表面波（SAW）气体传感器的设计参数。田口方法用于减少实验次数并收集SAW气体传感器的性能数据。该TBGA具有双重优化功能：在ANFIS中，通过最小化均方根误差性能指标来选择合适的隶属函数，并优化前提参数与结论参数；另一功能是优化SAW气体传感器的设计参数?；赥BGA的ANFIS方法仿真实验表明，无论是谐振频率偏移还是精度性能，这种系统化设计方法相比传统试错法及其他田口法设计方法都取得了显著更优的结果。

    关键词： 自适应神经模糊推理系统、田口-遗传算法、声表面波(SAW)气体传感器

    更新于2025-09-19 17:13:59