一种改进的用于可靠性分析的神经网络的实现

• 作者: 刘雪峰 周井泉 李亚萍
• 来源期刊: 电子质量
• 关键词: 神经网络 可靠性 马尔科夫模型 TMR
• 年，卷（期）: 2007,（8）
• 所属期刊栏目: 可靠性分析与研究
• 页码范围: 49-51,66
• 页数: 4页
• 分类号: TP202
• 语种: 中文
• DOI: 10.3969/j.issn.1003-0107.2007.08.015

摘要

针对容错系统的可靠性问题,建立基于马尔科夫模型的三层前馈神经网络.提出一种改进的神经网络训练算法,用于包含永久过错,瞬态过错和周期过错影响的一个三模冗余(TMR,Triple Modular Redundancy)系统的可靠性分析.一个全连接的三层神经网络表示一个容错系统的离散时间n状态马尔科夫模型的可靠性.将系统的期望可靠性反馈入网络,当神经网络收敛时,从神经网络的权值中得出设计参数.仿真结果显示,与四层神经网络相比,三层神经网络收敛得更快,收敛可靠性更接近期望可靠性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周井泉	南京邮电大学光电工程学院	74	227	7.0	9.0
2	李亚萍	南京邮电大学光电工程学院	2	5	1.0	2.0
3	刘雪峰	南京邮电大学光电工程学院	2	5	1.0	2.0