画法几何网络答疑系统的开发与研究

针对画法几何传统教学中的答疑问题,提出了一个基于网络的解决方案。系统地分析了学生和教师在相互交流时的功能需求,为学生提高学习效率和教师进行教学研究提供了一个网络交互信息平台,并从技术和内容上进行扩展,适用于远程教育和其他课程的教学需求。     

两种神经网络模型在材料领域中的应用

简要介绍了基于BP反向误差传播算法和自组织特征映射算法的神经网络模型的基本原理和在材料领域中的应用。     

AI设计下的文本视觉问答技术

目的 分析基于AI设计的文本视觉问答模型的有效性,旨在利用AI设计更好地指导当前AI模型的构建,提升模型效果和用户体验.方法 以传统文本视觉问答框架为基础,结合AI设计改进当前模型.具体包括加强基于场景设计原则的关系挖掘,根据不同理解层次需求的答案关键词预测,并对模型被投入应用所将面临的问题的分析.结果 基于AI设计完善模型可进一步提升模型效果;同时,通过AI设计对不同年龄认知差异的建模可指导回复生成,提升整体用户体验.结论 通过理论分析和实验对比,可以得出AI设计是AI技术投入到应用的一个重要步骤.基于AI设计对模型进行重构,可提高当前模型的效果,解决AI技术落地中将面临的用户体验问题,满足不同人群的需求.     

基于RBF神经网络的灌装机控制系统设计

目的 针对传统液体灌装机灌装定量控制方法存在控制稳定性不高、控制精度较差等问题,引入RBF神经网络对液体灌装机高精度灌装定量控制.方法 构建液体灌装机伺服驱动计量缸传递函数,结合空间扰动性融合方法实现液体灌装机高精度灌装扰动特征解析;采用参数自适应辨识方法进行液体灌装机高精度灌装的定量分析;通过B样条曲线拟合方法对液体灌装机灌装拟合控制;通过自适应参数调节,构建RBF神经网络模型,实现液体灌装机高精度灌装定量控制的优化设计.结果 仿真结果表明,所提方法的液体灌装定量控制稳定性较好,灌装机灌装定量控制效果较好.结论 文中方法提高了液体灌装机高精度灌装的定量控制能力.     

自动变速工程车辆驾驶员行驶操纵模型的研究

在装载机自动变速系统的研究中,对装载机驾驶员的操纵模型进行了研究,用于辅助自动变速控制系统的研制.使用人工神经网络和模糊理论建立的驾驶员模型的操作特性与实际的驾驶员操作特性比较吻合,对于自动变速控制系统的仿真研究提供了方便.     

基于饱和度优先的 BP 神经网络颜色空间转换模型研究

利用神经网络算法的非线性转换优势,构建了基于BP神经网络的颜色空间转换正向和反向仿真模型,提出了数据仿真饱和度优先的方法。通过训练样本的选取、仿真实验和数据分析,得到了较好的训练效率和转换效果。仿真结果表明,BP神经网络适合于颜色空间转换,转换精度较高。     

基于BP神经网络的微差爆破震动预测研究

爆破震动危害是矿山安全评估的一个重要指标,爆前对其震动预测,做好安全防护,是保证矿山安全生产的重要措施。爆破对象及其地质情况的不确定性、爆区周边环境的复杂性,使得震动监测难以用一套统一的公式进行准确预测。人工神经网络可实现复杂环境、多因素影响下的仿真模拟,利用BP神经网络建立爆破震动预测模型,将爆破的原始数据及监测数据输入模型,利用Matlab软件自带的神经网络软件包自编程序对其进行训练,使得模型的传递函数达到最优。实践证明,将模型用于爆前震动预测,能够有效的预测震动,指导施工。     

Channel routing using neural networking

Abstract

The channel routing problem in an integrated circuit layout design involves making interconnections among terminals located on opposite sides of a rectangular channel. This problem has been proven to be NP‐complete and most currently available algorithms are heuristic. This paper proposes a neural network to handle the channel routing problem. Neural networking has been successfully applied to many combinatorial optimization problems. However, applying this technique to the channel routing problem has not ever been reported. This network allows users to preroute any critical nets and then invoke the network to complete the rest. User intervention also can speedup the operation of the router significantly. Typical examples from published literature are taken for experiments. The theoretic lower bounds are achieved in all examples.     

基于BP神经网络的上市公司财务预警

针对上市公司财务危机风险预警问题,把具有智能综合评价性质的BP神经网络引入该领域,克服了人为确定权重的困难及模糊性和随机性的影响。结合实证分析,将上市公司财务风险警度分为4类并对上市公司的财务数据进行预警,最后与实际数据相比较,说明该方法用于财务预警具有很高的正判率,能够有效地帮助上市公司防范潜在的财务危机。     

基于神经网络的结构模型修改

结构模型修改已经演化为一个多学科的研究课题，并且可以在最优化框架内进行解决。考虑到模型修改是一个典型的反问题，全局最优解并不一定是真止实际需要的解，提出了一种两步的结构模型修改方法，首先利用神经网络代替模型分析过程，然后根据实际测量的模态数据结合梯度下降算法得到修改结果，与利用遗传算法直接搜索最优模型修改结果相比，该方法不但可以减少模型分析次数，而且可以提供多种可能的修改结果供进一步参考。     

基于循环神经网络的汉语语言模型建模方法

语言模型是语音识别系统的重要组成部分,目前的主流是n-gram模型。然而n-gram模型存在一些不足,对语句中长距信息描述差、数据稀疏是影响模型性能的两个重要因素。针对不足,研究者提出循环神经网络(Recurrent Neural Network,RNN)建模技术,在英语语言模型建模上取得了较好的效果。根据汉语特点将RNN建模方法应用于汉语语言建模,并结合两种模型的优点,提出了模型融合构建方法。实验结果表明:相比传统的n-gram语言模型,采用RNN训练的汉语语言模型困惑度(Per PLexity,PPL)有了下降,在对汉语电话信道的语音识别上,系统错误率也有下降,将两种语言模型融合后,系统识别错误率更低。     

基于神经网络分色算法的补偿模型

神经网络模型在分色算法中具有预测不确定和精度较低的缺点,在其基础上提出了补偿模型。该模型将神经网络预测CMYK 的各通道差值拟合成L*a*b* 多项式的函数,并对CMYK 值进行补偿。通过对该模型的实验测试表明,采用CMYK 值进行补偿后与原模型相比,提高了分色算法的精度,并且其分色精度要高于其他常用的模型。     

基于BP神经网络模型的Ni-SiC纳米镀层耐磨性能预测研究

采用神经网络技术,构建结构为3×8×1型的BP神经网络模型,并利用该模型对超声电沉积Ni-SiC纳米镀层的耐磨性能进行预测。通过磨损试验测试并研究Ni-SiC纳米镀层的耐磨性能,利用扫描电镜(SEM)、原子力显微镜(AFM)和X射线衍射(XRD)观察不同参数下Ni-SiC纳米镀层的组织结构及成分。结果表明,在BP神经网络模型的隐含层数和神经元数分别为1和8时,该BP神经网络模型的均方根误差最小,其最小值为1.24%。该BP神经网络模型的预测值与实验值相差不大,其最大误差为1.51%。当采用SiC粒子浓度8 g/L、电流密度2 A/dm^2、温度40℃时,SiC粒子均匀分布于Ni-SiC纳米镀层中,且镀层镍晶粒显著细化,其镍晶粒的衍射峰变宽、变矮。     

MR阻尼器的性能测试与逆模式神经网络智能控制方法的研究

自制了内置弹簧蓄能器的新型MR阻尼器,将自制的MR阻尼器在武汉理工大学测试中心完成了性能测试.研究了在不同电流输入下阻尼力-位移、阻尼力-速度之间的关系,提出了MR阻尼器的修正的Bingham力学模型.在此基础上,采用逆模式神经网络来模拟阻尼器的逆向模型,与其它主动控制算法形成了MR阻尼器的智能控制方法.通过对一栋三层剪切型结构进行仿真计算,我们知道通过逆模式神经网络可以得到连续的控制电流,实现阻尼力的连续可调,控制效果将优于半主动控制效果.     

时滞系统的辨识及NARMA模型的修正

对现有神经网络对非线性时滞系统的时滞辨识方法进行了补充说明和分析,同时指出现有的NARMA模型修正方法对时滞系统的不当之处。以时滞系统神经网络预测控制为例,介绍了NARMA模型的正确修正方法,仿真证明了所提出的修正方法能获得好的控制性能及抗干扰能力。     

新型自适应RBF神经网络应用于微带天线建模

矩形微带天线设计中,为解决谐振频率与尺寸结构之间存在多参数、强非线性关系而建立其精确模型的困难,提出一种动态自适应聚类与伪逆求权值相结合的新型RB F神经网络算法,其优点为：无需事先固定隐层神经元个数,以自适应调整的方式,获得较好的逼近效果,且计算量小、学习速度快。同时,结合RB F神经网络对于多变量、非线性函数有较好的逼近特性,将其用于矩形微带天线的谐振频率建模。实验表明,建立的神经网络模型无论是在精度还是速度上都明显优于已有文献的结果,从而为天线设计开发者提供了一种新的有效方法,提高设计效率。     

人工神经网络模型在人员安置中的应用研究

为了将不同特质的人员安置到各自合适的工作岗位上去,人工神经网络中的约束满意模型被用来解决这个问题。该模型中的每一个结点都代表一个假设,各结点间的联结权重代表了各个假设之间的约束,同时,对于每一个结点都可以有来自外界的输入,必要时还可以为网络设置一定的偏置值。模拟实验的结果表明该模型经运行后可以找到最大程度地满足各种约束的人员安置方案。     

BP神经网络的火焰图像温度检测方法

基于炉膛火焰温度不同，与之相对应通过CCD摄取的炉膛火焰图像颜色也不同，提出了一种检测炉膛火焰温度的方法。将获取的炉膛火焰图像RGB模型转换为HSI颜色值，用H、S值作为BP神经网络输入，通过样本图像训练后，拟合H、S与温度T的非线性关系，计算得到炉膛火焰温度值。实验表明，计算温度与实际温度良好相符，温度测量方法切实可行。