有教师的线性基本函数前向三层神经网络结构研究

从大量应用实例中总结归纳出一个初定有教师的线性基本函数前向三层神经网络隐节点数的经验公式，提出了一种判断所选隐节点是否多余的新方法，最后两个等实例予以验证。     

多层前向网络的逼近机理与拓扑结构学习方法

对多层前向网络的最小二乘逼近机理进行了系统的分析，指出隐层节点函数特性的特定选择是构成网络有效逼近能力最关键的因素。分析了增加隐层数和增加隐节点数在改进网络逼近效果方面不同的作用机理，给出了前向网络拓扑结构学习的通用算法和其对应的神经生物学机制。     

基于GA-BP神经网络的矿用刮板输送机故障诊断

针对矿用刮板输送机的故障诊断问题,提出一种基于GA-BP神经网络的故障诊断方法。为了避免BP神经网络易陷入局部最小值、隐含层节点数难确定等问题,这里首先根据经验公式缩小隐含层节点数范围,在小范围里寻找最优的隐含层节点数;进而根据遗传算法具有全局寻优的特点,用遗传算法优化BP神经网络训练的初始权值阈值。研究表明经经验公式寻找最优隐含层节点数后,再将遗传算法与BP神经网络结合可以有效地解决神经网络收敛速度慢,易陷入局部最小等问题,提高了刮板输送机传动部的故障诊断精度。通过仿真实验验证了文中方法的有效性。     

BP神经网络的应用设计

就BP神经网络应用设计中的网络隐层数、神经元个数、算法等具体设计问题进行了探讨 ,并给出了一个BP神经网络在智能汽车驾驶员模型研究中的应用实例。     

Neural-Network-Based Charge Density Quantum Correction of Nanoscale MOSFETs

为了处理纳米MOSFET载流子分布的量子效应,提出了基于Levenberg-Marquardt BP神经网络的量子更正模型,通过载流子的经典密度计算其量子密度,并对拥有不同隐层数和隐层神经元数的神经网络的训练速度和精度进行了研究.结果表明:含有2个隐层的神经网络具有高的训练速度和精度,但隐层神经元数对速度和精度的影响并不明显;对于单栅和双栅纳米MOSFET,其载流子量子密度可以通过神经网络进行快速计算,其结果与Schrodinger-Poisson方程的吻合程度很高.     

基于神经网络的纳米MOSFET载流子密度量子更正

为了处理纳米MOSFET载流子分布的量子效应,提出了基于Levenberg-Marquardt BP神经网络的量子更正模型,通过载流子的经典密度计算其量子密度,并对拥有不同隐层数和隐层神经元数的神经网络的训练速度和精度进行了研究.结果表明:含有2个隐层的神经网络具有高的训练速度和精度,但隐层神经元数对速度和精度的影响并不明显;对于单栅和双栅纳米MOSFET,其载流子量子密度可以通过神经网络进行快速计算,其结果与Schrodinger-Poisson方程的吻合程度很高.     

人工神经网络法LCD色度特性化研究

目前国内外LCD的特性化研究方法已经很多.本文采用人工神经网络法定量描述了液晶显示器的颜色特性.对比S-shape模型,在实验测量的基础上,比较了两种方法的优缺点.神经网络主要研究了训练方法、传递函数、隐层数和隐层单元数对结果的影响,最后得到人工神经网络法的颜色校正模型.     

超前进位加法器混合模块延迟公式及优化序列

为扩展操作位数提出了一种更具普遍性的长加法器结构——混合模块级联超前进位加法器。在超前进位加法器(CLA)单元电路优化和门电路标准延迟模型的基础上，由进位关键路径推导出混合模块级联CLA的模块延迟时间公式，阐明了公式中各项的意义。作为特例，自然地导出了相同模块级联CLA的模块延迟时间公式。并得出和证明了按模块层数递增级联序列是混合模块级联CLA各序列中延迟时间最短、资源(面积)占用与功耗不变的速度优化序列。这一结论成为优化设计的一个设计规则。还给出了级联序列数的公式和应用实例。     

基于蚁群算法的二进神经网络学习算法

本文提出一种实现任意布尔函数的二进神经网络学习算法,该算法首先借助蚁群算法优化选择核心节点及节点访问顺序;其次,根据优化的节点访问顺序给出扩张分类超平面的步骤,减少了隐层神经元的数目,同时给出隐层神经元及输出元的表达形式;并进一步通过理论分析了该算法的收敛性。该算法成功地改进了已有学习算法的不足,并通过典型实例验证了该算法的有效性。     

势函数聚类网络的映射性能分析

提出了一种基于势函数的模糊聚类网络，在此基础上，通过增加一个输出层。综合隐层的隶属函数输出大小，实现一种函数映射网络。通过一个实例验证了该网络的映射功能。实验表明，网络的逼近程度取决一聚类数的多少。     

四旋翼飞行器自适应PIDNN控制研究

针对传统四旋翼PID控制器参数整定困难和控制效果较难达到最优的问题,综合了传统PID控制器工程意义明确、参数整定简单以及神经网络的非线性映射和自学习的优点,构造了四旋翼飞行器神经网络PID(PIDNN)控制器。利用神经网络的非线性映射特点和自学习能力优化了传统PID控制器的控制效果,借助PID控制器的结构,解决了神经网络层数、节点数和连接权重初值选取困难的问题。同时利用自适应调整比例神经元加权系数,增加了系统的响应速度。最后,通过非线性全数值仿真验证了算法的合理性和有效性。     

自组织模糊神经网络的气动参数辨识算法

导弹气动参数一般通过理论计算或风洞试验数据来获取,由于受诸多因素限制而难以获得精确值。为了提高导弹动力学模型的精确度,利用神经网络能够逼近任意非线性函数的特点,对各实际工作点的气动参数进行辨识。采用反向传播神经网络的结构模型,通过加入模糊推理算法进行神经元权值修正的聚类训练,并动态地调节隐层节点数目,由此提出了一种能够精确跟踪非线性函数的网络模型。网络中若不存在能代表某些输入的聚类中心的神经元时,增加隐层节点数即相当于增加相应的模糊规则,它体现了该网络的自组织特点。仿真结果验证了模型对气动参数辨识的有效性,该方法对于自动驾驶仪气动参数的修正具有良好应用前景。     

基于样本随机均匀分布的BP神经网络改进算法

人工神经BP网络在样本特征的模式识别方面具有很强的分类能力,并且具有较好的泛化能力,但同时也存在不足之处,如收敛速度慢,很容易陷入局部极值,难以确定隐层数和隐层节点数等等。因此本文提出了一种基于样本随机均匀分布的BP网络识别的改进算法,进行了深入的数学分析和实验验证。实验结果表明,改进型算法能够有效的改进传统BP网络收敛速度慢和容易陷入局部极值的问题。     

船用雷达目标跟踪的新方法

本文提出一种由广义小波神经网络实现船用雷达跟踪中航迹外推的自适应新方法.由S(sigmoid)函数构造的尺度函数和小波作为网络中神经元的激励函数,隐层节点数由小波分解次数和处理信号维数决定,输出层采用局部连接方式以解决多维信号的不利影响.理论证明,广义小波神经网络的鲁棒性在一定条件下优于BP网络.仿真表明,该方法的在线处理运算量不随所跟踪的运动目标模型的复杂性而增加,并且对变加速和急转弯运动目标具有较高的跟踪精度.     

一种RBF神经网络的自适应学习算法

建立了一种RBF神经网络的自适应学习模型。该模型事先不需要确定隐层节点的中心位置和数量,而是在学习过程中,根据相应的添加策略和删除策略,自适应地增加或减少隐层节点的数量。最终形成的网络不仅结构简单,精度高,而且具有较好的泛化能力。     

有隐层指导的多层前馈网络学习算法研究

采用基于知识的方法对隐层训练加以指导，有效地改善了训练算法的效果，并使隐层节点数可以明确地确定．在增加新模式时，训练不必完全重新开始，使训练时间大为缩减．     

四旋翼PIDNN控制器设计

针对传统四旋翼PID控制器参数整定困难和控制效果难以达到最优的问题,综合了传统PID控制器工程意义明确、参数整定简便以及神经网络的非线性映射和自学习的优点,构造了四旋翼神经网络PID(PIDNN)控制器。以神经网络的非线性映射特点和自学习能力优化了传统PID控制器的控制效果,借助PID控制器的构造特点,解决了神经网络层数、节点数和连接权重初值选取困难的问题。最后,通过仿真实验验证了算法的合理性和有效性。     

全结构遗传优化径向基概率神经网络

使用遗传算法来实现径向基概率神经网络(RBPNN)的全结构遗传优化,包括优选网络第一隐层节点数和求取匹配的核函数控制参数．提出了适用于RBPNN的染色体编码方式,不仅使得所选隐中心矢量充分体现了模式样本的空间分布特征,同时还能够获得隐中心矢量的最佳数目及匹配的核函数控制参数．新构造的适应度函数能够有效地控制网络输出的误差精度．实验结果表明,该算法有效地简化了RBPNN模型的结构．     

强调原始创新,突出成果转化——贺《军医进修学院学报》创刊30周年

针对某型捷联惯导系统中光纤陀螺仪的输出信号随温度漂移严重的问题,使用径向基函数(RBF)神经网络建立温度补偿模型.神经网络的结构为输入层和输出层各有一个节点,中间隐层含有4个节点,隐层节点的聚类中心均匀分布在温度的变化范围之内.实验结果表明,该方法可有效地将光纤陀螺仪中的温漂误差减小1个数量级以上,补偿效果明显.     

普遍故障下神经网络隐层冗余容错的分析与应用

隐层神经元冗余是提高神经网络容错性的一个有效的方法,在神经网络分类器的容错设计中,这一方法得到了良好的效果,对单故障可以做到完全容错.但是这一应用仅仅只能应用于输出层为硬限幅函数的前向网络,并且只证明了对网络中单故障有效.在实际应用中,网络中的各个节点和权值的故障往往是普遍存在的,因此本文提出了一种隐层冗余结构,对普遍故障存在下隐层神经元冗余容错方法做以评估,得出的结论是应用这种隐层神经元冗余结构可以减小网络的全局故障率;并提出了针对一般前向神经网络的实用的隐层神经元容错方法,这种方法可以有效地提高网络在普遍故障下的容错能力.