使用神经网络的软件工程成本模型

研究和论证了用神经网络（ＮＮ）技术开发软件工程成本西式模型的可能性，ＮＮ模型具有一些优越的重要特性，我们论证了ＮＮ模型的高效率在于，学习时间，动力模型以及比传统软件工程技术要求较少的假定。此外，ＳＯＮＮ算法给出了网络模型的代数描述，该网络模型能帮助研究去确定研究过程中的重要因素。     

BP网络用于红外光谱碎片结构识别——模型与算法的研究

研究了用于红外光谱碎片结构识别的新型ＢＰ网络模型，并由此构建了ＰＲＯＧＡＮＮ程序软件，提出了红外光谱数据的预处理以及网络输出的统计分析方法。通过对４４种结构碎片的识别结果表明，所提出的模型与方法较之常规ＢＰ网络具有更大优越性。     

BP网络用于红外光谱碎片结构识别——模型与算法的研究

研究了用于红外光谱碎片结构识别的新型ＢＰ网络模型，并由此构建了ＰＲＯＧＡＮＮ程序软件，了红外光谱数据的预处理以及网络输出的统计分析方法，通过对４４种结构碎片的识别结果表明，所提出的模型与方法较之常规ＢＰ网络具有更大优越性。     

基于神经网络和元件关联分析的电网故障诊断

利用人工神经网络（ＡＮＮ）和元件关联分析进行电力系统故障诊断,提出了一种电 力系统多重复杂故障的诊断方法。该方法采用面向元件的ＡＮＮ模型,将电力系统的元件分 为３类,即线路、变压器和母线,对每类元件都有一个特定的ＡＮＮ处理其报警信息,确定 故障位置。对于同一跳闸区域中面向各个元件的ＡＮＮ的诊断输出,通过定义一个故障指标 函数,根据各元件的故障指标函数值的大小来识别同一跳闸区域内的多重故障。该方法所使 用的ＡＮＮ模型规模小,通用于网络的所有元件,且故障识别的方法简单,适用于大规模电 力系统的故障诊断。     

工程项目网络计划系统OOA模型

介绍在面向对象的软件工程中OOA模型的概念,及工程网络计划系统工作的功能需求,以OO方法建立网络计划系统OOA模型：包括由类图(Class Diagram)方式表达系统主要信息的基本模型,其中定义了网络计划系统中对象层、特征层和关系层的模型信息;和由主题图、use case、交互图表示的补充模型,其中对基本模型予以解释,简要比较了传统软件工程方法与OOA方法在分析工作中的特点。     

基于人工神经网络的振动 钻削仿真与参数优化

将人工神经网络（ＡＮＮ）技术引入振动钻削领域,研究适用于变参数振动钻削过程仿真与参数优化的神经网络模型和算法。实验表明, ＡＮＮ优化精度较高,为振动钻削研究提供了新的分析方法与途径。     

基于模糊神经网络的模糊辨识方法及其应用

利用模糊神经网络（ＦＮＮ）的学习能力从控制操作的现场数据中获取模糊规则，并自动调节隶属函数，把建模的过程转化为ＦＮＮ网络结构参数的生成与学习问题。用于一个非线性过程的模糊模型参数辨识问题，取得了满意的结果。     

基于周期原型法的网络课件开发方法研究

根据网络课件发展与存在的问题 ,结合软件工程和软件开发方法 ,对网络课件进行必要的需求分析 ,阐述了一种网络课件开发的周期原型模型 ,进而对网络课件的标准化、规范化的开发方法进行了有益的探索     

人工神经网络和专家系统结合运用的电力系统故障诊断方法

对人工神经网络（ＡＮＮ）和专家系统（ＥＳ）的结合应用于电力系统故障诊断问题进行了研究，提出了一种电力系统故障诊断新方法。该方法综合了ＥＳ和ＡＮＮ各自的优点，充分利用田的推理能力，由ＥＳ根据报警信息搜索电网数据库，提出故障假设，再由ＡＮＮ对故障假设进行验证、该方法中ＡＮＮ隐含的知识是电网通用的故障判断知识，具有较强的通用性。模拟测试表明该方法可有效地识别电网故障元件，并且具有较强的容错性。     

神经网络在控制中的应用

对自动控制的一个新领域（神经网络控制,简称ＮＮＣ）进行了综述,首先介绍了神经网络的发展情况,神经网络的特点以及神经网络对控制的吸收力,讨论了几种常见的ＮＮＣ方案并简要说明了它们的原理,介绍了几种常用于控制的神经网络及网络训练方法,最后提出了今后的研究方向。     

一种基于小生境的负相关神经网络集成算法

提出了一种基于小生境的负相关神经网络集成算法.所提方法结合了负相关学习和进化算法,采用同时训练的方式对多个神经网络进行训练,不仅能使网络之间产生有效的差异度,而且能促进网络之间的交互性和合作性.此外,在进化过程中引入了一种改进的小生境技术,能更有效地维持网络种群的多样性,从而保证神经网络集成的差异度.所提方法在6个分类数据集上进行了测试,并且与一些相关神经网络集成方法进行对比.实验结果表明所提方法能得到一个有效的神经网络集成.     

结构损伤智能识别方法

应用神经网络、遗传算法建立了交互式结构损伤智能识别系统。详细阐述了软件设计的思想及其实现，并对预测结果与实测数据进行了比较。结果表明，将神经网络和遗传算法用于结构损伤识别是有效的、可行的。     

基于神经网络逆模型的过热汽温补偿控制研究

为改善大型电站锅炉的过热汽温控制效果,提出一种基于人工神经网络扩展逆系统模型的过热汽温补偿控制方案.首先结合锅炉的结构和运行特性,分析影响过热汽温的主要因素,确定神经网络逆系统扩展模型的输入和输出参数.借助MATLAB神经网络工具箱建立过热汽温系统的动态逆过程模型(IDPM),运用历史运行数据完成神经网络模型的训练.以...     

The tool for building an NN based on improved BP algorithm

0　ＩＮＴＲＯＤＵＣＴＩＯＮＢａｃｋ ｐｒｏｐａｇａｔｉｏｎＡｌｇｏｒｉｔｈｍ (ＢＰ)ｉｓａｖｅｒｙｕｓｅｆｕｌａｌｇｏｒｉｔｈｍｉｎｍａｎｙａｓｐｅｃｔｓ.Ｂｕｔｉｔｈａｓｔｈｅｆｏｌｌｏｗｉｎｇｐｒｏｂｌｅｍｓ:①Ｔｈｅｌｏｃａｌｌｅａｓｔｐｒｏｂｌｅｍｉｎｅｖｉｔａｂｌｅｄｕｅｔｏｉｔｓｎｏｎ ｌｉｎｅａｒｏｐｔｉｍｉｚｉｎｇｃｈａｒａｃｔｅｒｉｓｔｉｃ②Ｔｈｅｓｌｏｗｃｏｎｖｅｒｇｅｎｔｓｐｅｅｄ③Ｌａｃｋｏｆａｃａｄｅｍｉｃｇｕｉｄａｎｃｅｆｏｒｔｈｅｈｉｄｄｅｎｎｏｄｅｓ’ｎｕｍｂｅｒｃｈ…     

BP神经网络的量子学习及应用

在神经网络的训练过程当中,引入量子遗传算法,结合BP梯度下降反传训练方法构造神经网络的量子优化算法。利用量子运算的高效并行性,对神经网络实行量子编码,用量子门旋转来代替网络进化时交叉、变异等更新操作,使得网络训练收敛精度高、收敛速度快、同时避免陷入局部最优的缺点。最后提出了一种基于量子神经网络的预测方法,仿真结果表明,基于量子遗传算法的神经网络,训练次数,误差精度以及预测能力都明显优于BP神经网络。     

The Rapidly Solidified Aging Copper Alloy by BP Neural Network

1　IntroductionTheCu Cr Zralloysarewidelyusedinavarietyofproductsrequiringacombinationofhighmechanicalprop ertiesandgoodelectricalconductivity .Examplesincludeelectronicconnectors ,integratedcircuitleadframesandweldingelectrodetips[1-4] .Howeveritisdifficulttofur therimprovetheirelectricalandmechanicalpropertiesun derconventionalsolutionheat treatment (CSHT)sincethedegreeofprecipitationhardeninguponagingisre strictedbythelimitedsolubilityofchromiumandzirconi umincopper.Inanefforttoimproveth…     

Inverse Modeling of Nonlinear Systems and Application

Manyplantsarenonlinearandtime-yaring.Itisdifficulttodescribetheseplantsinamathematicalwayprecisely.Thereforebothclassicalandmoderncontroltheoriesthatbasedonmathematicalmodelstakepooreffecton'controllingthem[11.Fortunately,neuralnetworkcontrolhasmadeg...     

神经网络控制器用于永磁电机的伺服驱动

提出用一种遗传算法（ＧｅｎｅｔｉｃＡｌｇｏｒｉｔｈｍ，简称ＧＡ）训练的多层神经网络结构（ＮＮ），并把它用于交流直线永磁同步电动机（简称ＬＰＭＳＭ）的辩识与控制，使其运行在伺服驱动环境．ＮＮ可随时辩识被控系统的动态待性，而不需要ＬＰＭＳＭ的精确的数学模型．仿真结果令人满意     

基于神经网络的表面粗糙度识别算法

提出一种新的表面粗糙度识别算法,该算法利用从标准样块上通过采样得到的散射光强度分布数据,把表征光强分布的数据和样块的标称值分别作为神经网络的输入和输出,采用改进的ＢＰ算法对神经网络进行训练。训练后,把某一工件的散射光强度分布数据输入给神经网络,则网络的输出就是该样块的表面粗糙度数值。该算法充分利用了神经网络的泛化能力和学习能力,可正确识别Ｒａ在０．８μｍ以下的被测表面,并可避免误识别     

基于神经网络的铅酸蓄电池剩余容量预测

为有效地对电动车电池剩余容量进行预测,在分析了铅酸蓄电池充放电过程的反应机理的基础上,应用改进算法的BP神经网络,建立了铅酸蓄电池的神经网络模型,用于预测铅酸蓄电池放电过程中某一状态下的剩余容量。结果表明,通过该网络模型可以方便快速地得到电池剩余容量及荷电状态的预测值,所得结果满足要求,为电池管理系统提供了一种新的预测方法。