火灾感温报警电缆的研制

针对传统火灾报警产品的缺陷进行分析 ,指出了设计新型火灾感温报警电缆的技术关键和有关试验方法     

基于神经网络算法的火灾探测系统的研究

本文旨在利用人工神经网络,应用于火灾探测系统,提高系统检出率。对于多个传感器来说,在不同情况条件下的环境对特征参数进行智能处理时,它能够很好快速处理;并且,对于火灾信号的有效定位迅速准确,进而使信号早期能够报警发,实现火灾的早期发现和报警,能够大幅度的提高报警器的安全可靠性。     

电气火灾神经网络模型设计

在去年所有火灾的起因中,电气引发的火灾占比高达三成,造成的经济损失更是无法估量,如何减少电气火灾发生的频率一直是一个难题.本文先是采用自组织竞争神经网络进行电气回路的故障判定,有效的判断电气回路是否存在火灾隐患;然后采用SOM自组织神经网络对存在火灾隐患的回路进行故障分类,达到了进一步细化故障的目的,做到了提前预警电气...     

火灾探测的模糊神经网络方法研究

本文把火灾的探测归结与火灾特征信号相对应的各种规则,并用模糊技术和神经网络提取这种规则,推导了神经网络和模糊技术相结合的新算法。分析结果表明：模糊神经网络用于火灾探测是行之有效的方法。     

基于模糊神经网络的智能型火灾报警系统

本文介绍了一种基于模糊神经网络的智能型火灾报警系统.分别说明了系统的探测器、区域控制器和集中控制器的设计,还有系统的通讯方式,软件的设计思想以及系统的探测算法.该系统具有误报率低、性能稳定、传输距离远、实用性强等特点.     

基于层次分析法和神经网络电网安全态势分析

对于电网的安全态势分析是依据评估指标完成的。由于安全评估指标间存在非线性关系,导致对安全态势分析的效果不佳。提出一种基于层次分析法和神经网络的电网安全态势分析评估方法,运用层次分析法对电网的多个逻辑结构进行分层,对影响安全态势的因素进行权值设定,获取各影响因素的权重,按照权重大小选择对电网安全干扰较高的影响因素,通过历史评估数据对神经网络模型进行训练后,完成电网的安全评估。实验结果说明改进方法可对电网安全进行准确评估,并且评估精度较高。     

基于反向传播神经网络的无线火灾预警系统

针对传统火灾预警系统中单一传感器数据检测的缺陷,提出一种基于反向传播神经网络模型的无线多传感信息融合火灾预警系统。该模型借助Matlab平台进行信息融合算法模拟,并经过试验验证,大大提高了火灾预警系统的准确率和可靠性。     

因子分析和神经网络的信息系统风险评估模型

信息系统风险变化具有随机性、不确定性,传统方法无法准确考虑信息系统风险这些变化特点,导致当前信息系统风险评估的可靠性差、评估精度低。为了改善信息系统风险评估效果,设计基于因子分析和神经网络的信息系统风险评估模型。首先,分析当前信息系统风险评估的国内外研究现状,构建完整的信息系统风险评估指标;然后,采用因子分析法从原始信息系统风险评估指标中提取重要的指标,采用神经网络对信息系统风险评估的训练样本进行学习,构建信息系统风险评估模型;最后,通过仿真对比实验验证所提模型的合理性和优越性。结果表明,所提模型可以准确描述信息系统风险变化的随机性、不确定性,获得高精度的信息系统风险评估结果,改善了信息系统风险评估效率,信息系统风险评估的整体性能要优于当前其他信息系统风险评估模型。     

基于因子分析和神经网络信息风险评估系统设计

针对传统信息风险评估系统设计评估准确度较低的问题,设计基于因子分析和神经网络的信息风险评估系统。该系统设计在原有硬件构成的基础上,将微处理器与控制器相连接,形成管控中心,利用寄存器组、直接存储器、定时器等构成控制器群组,构成新的评估系统组织结构。基于因子分析设置信号连续采集和定时采集程序,确定神经网络中信号所处位置节点,计算评估差异参数,对信息进行风险评估等价划分,至此该系统设计完成。实验结果表明,在微型处理器的管控下,设计的信息风险评估系统评估准确度比传统设计高出6.44%,符合实际需求。     

基于神经网络的计算机网络安全评价仿真模型

介绍复杂网络、神经网络算法和遗传算法在计算机网络安全评价方面的应用,并在BP神经网络算法的基础上利用遗传算法对计算机网络安全评价仿真模型进行改进,对GABP神经网络算法在计算机网络安全评价方面的应用进行了深入研究,该仿真模型对于计算机网络安全评价具有较高的理论意义和较为深远的应用价值。     

基于BP神经网络的导线自动检测仪的模型建立

人工神经网络广泛应用于函数逼近、图像处理、自动控制、模式分类等领域。针对反射脉冲导线自动测量仪的高精度建模困难,提出采用BP神经网络解决的方法。实验和仿真表明,采用BP网络能很好的得到导线测长的模型。从而很大程度上提高了该仪器的测量精度。     

基于自组织特征映射神经网络的聚类分析

在深入研究自组织特征映射（Self-organizing Feature Mapping,SOFM）神经网络的结构和聚类算法的基础上,阐述了SOFM网络的建立方法.以随机二维向量的聚类为例,利用所建立的SOFM网络模型对输入的随机二维向量进行聚类,并着重研究了输出层神经元拓扑结构、训练步数对聚类结果的影响以及在相同拓扑结构条件下,SOFM网络模型的权值向量的调整过程.仿真结果表明：在输出层神经元节点形式为六边型条件下,输出层神经元的个数越多,SOFM网络模型的聚类结果就越准确;在相同的拓扑结构条件下,训练步数越大,SOFM网络聚类结果越准确,但过大的训练步数对于聚类结果的影响甚微.     

基于神经网络的大型火情自动识别系统设计与研发

以往设计的大型火情自动识别系统,受到线路布置、火情识别硬件等影响,火情识别能力和定位能力均存在一些问题;因此,设计基于神经网络的大型火情自动识别系统,该系统利用传感器感应环境中存在的不正常信号,并调用探测器识别不正常信号中是否存在大型火情隐患。控制器对探测器识别出的隐患信号进行放大、模数转换和循环冗余校验等处理,其处理结果将输出到报警装置,作为报警依据传送给用户。系统采用二总线的线路布置方式,将电线与信号线的功能并入到一条线上,既能降低线路布置难度,又能节省系统维护费用。系统设计BP神经网络模型和概率神经网络模型对大型火情信号进行处理。实验结果表明所设计的系统拥有较高的火情识别能力和火情定位能力。     

基于神经网络集成的微带天线谐振频率建模

谐振频率是微带天线设计过程中最重要的一个参数,直接决定设计的成败.提出基于十进制粒子群优化(DePSO)算法和二进制粒子群优化(BiPSO)算法的选择性神经网络集成方法,通过粒子群优化(PSO)算法合理选择组成神经网络集成的各个神经网络,使个体间保持较大的差异度,减小"多维共线性"和样本噪声的影响.为有效保证PSO算法的粒子多样性,在迭代过程中加入混沌变异策略.仿真试验表明:混沌PSO算法可以有效提高神经网络集成的泛化能力,基于混沌PSO算法的选择性神经网络集成所建立的微带天线的谐振频率模型好于此问题的已有结论.     

一种基于BP神经网络算法PID控制器的研究与仿真

文中将BP神经网络的原理应用于参数辨识过程,结合传统的PID控制算法,形成一种改进型BP神经网络PID控制算法。该算法利用BP神经网络建立系统参数模型,能够跟踪被控对象的变化,取得较高的辨识精度。针对BP神经网络对权系初始值敏感的缺点,优化BP神经网络的初始权系数。通过BP算法修正BP网络自身权系数,实现PID参数的在线调整。仿真结果显示了该算法收敛速度快、精度高、鲁棒性强、稳定性好,表明了该算法的可行性与有效性。     

二次回归分析人工神经网络

在线性回归分析人工神经网络的基础上提出二次回归分析人工神经网络,用于解决二值非线性分类问题。     

Artificial neural network based simulation of correlated short-term fading

This paper presents a novel method for simulation of two correlated short-term fading envelopes in mobile radio channel. Proposed method is enabled by artificial neural network principles. The main idea was to base the simulation approach solely on the measurement results. In order to obtain an adequate measured data set, extensive electric field strength measurements were carried out in an indoor environment, in a nonline-of-sight scenario. For verification of the proposed method, performance comparisons were made against the contemporary coloring matrix based method. According to comprehensive quantitative and qualitative statistical analysis it seems that the proposed method is in better agreement with the short-term fading phenomenon experienced in real propagation environment.