Hopfield神经网络在机组组合问题中的应用

提出利用多层Hopfield神经网络求解机组组合优化问题。通过构造合适的能量函数使得单层Hopfield神经网络可以解决某一时刻的机组出力问题,与之相对应的多层神经网络可以解决任意时间段的机组出力问题。多层Hopfield神经网络的层数由所需求解问题的时间段确定。给出单层及多层神经网络的能量函数及求解算法,能量函数考虑到机组升降功率和出力上下限的约束。通过对已有文献的算例进行计算比对,所得结果和遗传算法基本一致,但Hopfield神经网络通过解微分方程组来确定最优解,计算时间相对较少。     

自适应BP神经网络在日最高气温预报中的应用

气象数据规模飞速增长,BP神经网络由于其强大的非线性系统拟合能力,在气象数据尤其是气温相关数据的分析和预测中得到广泛应用。考虑到气温数据的海量规模,采用传统BP神经网络的预报面临误差收敛速度慢、容易陷入局部极小等问题,从而严重影响预测的效率和精准度。本文以BP算法为基础提出了一种改进的学习率自适应算法建立BP网络预报模型,并针对气象数据的多维性和周期性提出了优化方案。实验结果表明该方法可以高效的完成最高气温的预测,并且相对传统算法拥有更高的预报精度。     

小波分解及神经网络在海浪预报中的应用

提出采用小波分解与递推平方根法神经网络模型相结合的方法进行海浪预报。采用小波分析方法既能把握海浪的发展变化趋势,又能简化预报模型,同时基于递推平方根法的神经网络模型预报方法不仅收敛速度快,又能很好地提高精度,减少计算量。即先将不规则海浪信号用小波分析方法进行多尺度一维分解,得到相对简单、规则的准周期分量信号,然后用一种基于递推平方根法的神经网络模型对各重构信号进行预报,最后对预报结果进行集成。最终的仿真结果验证了该方法的有效性。     

神经网络在机器人控制中的应用

本文综述了人工神经网络在机器人控制中的算法及结构，对存在的问题进行了分析，并提出了发展的趋势。     

EtherNet/IP工业以太网在打叶复烤企业的应用

结合德昌复烤厂12000kg/h打叶复烤线电气控制系统详细阐述了工业以太网在自动化控制领域的应用状况以及发展前景.     

RBF神经网络在转炉提钒预报中的应用

该文用RBF神经网络建立了转炉提钒冷却剂预报模型。RBF网络的中心的选取采用了可以在线学习的最近邻聚类算法。为了进一步优化网络中心，提出了基于密度排名的最近邻聚类算法。该算法聚类前先将样本按其在样本空间的密度进行了排序，聚类过程始于样本空间最密集处。实践证明，该算法应用于提钒冷却剂预报模型的建立是合理的，可行的。     

神经网络技术在非线性系统控制中的应用

神经网络控制自问世以来得到广泛的应用。本文介绍了神经网络控制的概念及特点，概述了神经网络控制的主要控制策略并且讨论了它在实际应用中遇到的问题。同时，我们也根据自己在实际研究中的经验提出一些解决这些问题的方法。最后，我们对神经网络控制的应用前景和研究方向作一个展望。     

TM710红外水分仪在打叶复烤生产线中的应用

介绍TM710红外水分仪在打叶复烤在烟草行业的应用,阐述其特点和在线烟叶水分自动控制原理,指出系统配置和调试运行中遇到的问题及解决办法。     

量子小波神经网络及其在漏钢预报中的应用

针对传统神经网络收敛速度慢,收敛精度低,以及用于模式识别泛化能力差的问题。提出了将量子神经网络与小波理论相结合的量子小波神经网络模型。该模型隐层量子神经元采用小波基函数的线性叠加作为激励函数,称之为多层小波激励函数,这样隐层神经元既能表示更多的状态和量级,又能提高网络收敛精度和速度。给出了网络学习算法。并以之在漏钢预报波形识别中的应用验证了该模型和学习算法的有效性。     

RBF神经网络在跳频信号频率预测方面的应用研究

提出了一种跳频信号频率预测的解决方案——RBF神经网络。应用MATLAB针对一伴有随机噪声的信号进行了仿真实验 ,证明了该方法的可行性。     

免疫神经网络在固井质量预测中的应用研究

为了克服传统BP网络收敛速度慢,隐含层节点数不确定等缺点,将免疫算法与BP网络理论相结合,提出了应用免疫神经网络建立固井质量预测模型.在免疫神经网络算法实现中,增添了抗体浓度进行免疫调节,提高了群体的多样性.仿真结果表明,方法比BP网络建立的模型具有更短的训练时间和更高的预测精度,能够提高固井质量,实现固井质量的预测和跟踪分析,对固井中各种未知信息的预测有着较好的适用性,为固井质量预测提供了一种新方法.     

神经网络在配网电能损耗预测中的应用研究

配网馈线和节点较多、负荷的多变,使得配网中的技术线损和管理线损分析预测困难。本文结合等值电阻法理论线损计算模型、BP神经网络、广义回归神经网络GRNN模型,对配电电网线损、电能损耗进行分析与计算,将理论应用到区域实测负荷数据和电量数据的分析中,分析了S区域线损率、线损和电能损耗,计算出了配电网电能损耗各元件所占的百分比。测试结果表明,BP模型对线损预测的均方误差为2.71;并在此基础上,考虑配电网变压器等损耗,利用PSO-GRNN模型对配电网的电能损耗进行预测,配网电能总损耗预测的均方误差为0.36,为区域电能损耗分析和降损工作提供了关键状态参数。     

遗传BP神经网络在网络流量预测中的应用

由于BP神经网络本质上采用的是梯度下降算法,具有收敛速度慢、容易陷入局部极小点等缺陷.针对这种情况,用具有良好全局搜索能力的遗传算法来改进BP神经网络模型,对神经网络的初始权值和阈值进行优化.仿真结果表明,遗传BP神经网络具有良好的预测效果,预测精度比传统的BP神经网络要高,误差更小,说明了遗传BP神经网络对网络流量预测是高效可行的.     

小波神经网络在短时交通流量预测中的应用

研究在短时交通流量预测问题,短时交通流量存在随机性和非线性因素,影响预测的准确性。传统预测模型难以反映交通流量变化特点,同时传统神经网络易陷入局部极小值,泛化能力差,交通流量预测精度低。为了提高短时交通流量预测精度,提出一种小波神经网络的短时交通流量预测模型。小波神经网络可以对短时交通流量随机性、不确定性进行局部分析,并进行非线性预测,验证了模型的有效性,进行了对比试验。验证结果表明,小波神经网络提高了短时交通流量预精度,预测结果更具应用价值。     

BP神经网络在弹丸落点预测中的应用

针对传统弹丸落点预测方法存在的解算时间长、易产生累计误差等问题,提出了基于BP神经网络的预测方法,并且在标准BP算法的基础上使用Levenberg-Marquardt(LM)算法来改进网络参数的训练过程.利用大量的弹丸飞行状态参数和落点信息对构建的模型进行训练,得到用于预测弹丸落点的BP神经网络模型,并对其进行了仿真测...     

智能神经元网络时间序列预测模型的研究

人工神经元网络的研究技术在理论和实际应用上已经比较成熟,在信号处理系统中也采用该技术进行非线性时间序列信号的预测分析。但是由于该理论黑箱模型的特点,无法引入先验知识,从而预测精度难以提高。针对该问题,文中提出了智能神经网络的动态预测模型,引入智能神经元,建立区别于传统神经网络的预测模型,达到了较为理想的预测效果。并以工业生产参数的时间序列预测——某油井生产过程中MinCurrent参数值,作为实验模型,对该方法进行了验证,结果表明了该模型预测精度较高、计算速度快。     

BP神经网络在蛋白质二级结构预测中的应用

蛋白质结构预测是生物信息学研究的重要问题,而蛋白质二级结构预测是蛋白质结构预测的关键步骤.文中通过BLAST工具得到Identity小于等于35%的46个蛋白质复合物的单链作为数据集,分别采用5位编码和Profile编码,通过不同大小的滑动窗口,对蛋白质二级结构进行预测.实验结果显示,富含"生物进化信息"的Profile编码有着明显的优势,各种精确度均得到了较好的结果,尤其是精确度QE明显高于5位编码的QE.     

BP神经网络在地震预测中的应用研究

为了对未来地震趋势进行预测,提出一种BP神经网络预测方法。利用Matlab建立BP神经网络模型,并以滇西南地震数据为学习样本对网络模型进行了训练和仿真测试研究。研究结果表明,利用BP神经网络模型预报的地震震级与实际震级误差在8%以下,说明所建模型具有较好的适应性和预报精度。该方法对地震震级的预测具有一定的指导作用和参考价值。     

神经网络及遗传算法在径流预报中的应用

提出用遗传算法和BP算法相结合的改进神经网络模型来进行径流预报。即先通过遗传算法对初始权值分布进行优化,在解空间定位出一个较好的搜索空间,然后采用BP算法,在这个较小的解空间中搜索出最优解。使网络收敛速度加快和避免局部极小。作为实例,以清江鸭子口的实测径流资料为样本进行训练并用以预测该水文站的日径流量。结果表明,该方法具有收敛速度快和预测精度高的特点。