径向基函数人工神经网络预测污水处理厂出水水质

根据人工神经网络的理论和方法，建立了径向基函数神经网络模型．用镇江市征润州污水处理厂的实测数据进行模型训练和预测水质验证，采用最近邻聚类学习算法选取聚类中心，表明模型有较强非线性处理能力和逼近能力，并具有学习时间短，网络运算速度快，性能稳定等优点．通过模型预测结果和实测值的比较，发现用径向基函数神经网络模型预测污水出水水质，具有预测精度高，使用方便，适应性强等优点，因此可望将其用于污水厂出水水质的预测．     

城市用水量预测的人工神经网络模型

为预测城市用水量，提出了人工神经网络模型，用此模型对某沿海城市用水量进行拟合、预测。通过数据文件的建立及期望输出的选取，能充分体现数据系列的变化规律。实例结果表明，该模型拟合精度高，用于城市用水量预测可行、有效。     

人工神经网络在连续组合梁中的应用

确定连续组合梁负弯矩区极限承载力预测的人工神经网络模型，优化学习参数，并用该网络模型样本进行学习与预测。     

液压挤压工艺ANN／GA建模与优化研究

利用人工神经网络方法（ANN）建立了工艺系统模型,用遗传算法（GA）对过程参数进行优化,实验结果与预测值吻合良好,为预测和控制该工成形质量提供了行之有效的手段。     

人工神经网络在商场建筑物冷负荷预测中的应用

对空调系统进行冷负荷预测是对冰蓄冷系统进行优化控制的重要前提与基础。经过对各种预测方法的结果比较，人们发现人工神经网络预测的结果更接近实际值。基于人工神经网络的通用BP(Back Propagation)算法编制的程序，实际对一栋采用冰蓄冷空调的商场性质建筑物进行冷负荷预测并加以评价。此程序采用Visual Basic编制，含有7个输入层以及1个输出层，利用通用BP算法。结果显示利用人工神经网络预测建筑物冷负荷比较可靠。     

航空客运量的BP神经网络组合预测模型

根据组合预测的理论和神经网络的非线性和良好的函数逼近特性,提出了基于人工神经网络的灰色幂模型、多项式回归模型组合的航空客运量预测模型．此模型综合了各单一模型的有效信息,同时也融合了人工神经网络在不确定因素预测领域的优势,能够比较客观地反映我国航空客运系统的发展趋势．文末通过实例对模型精度进行了分析,结果表明,预测值与实际结果具有良好的一致性．     

粒子群优化BP算法在电力系统短期负荷预测中的应用

为提高电力系统短期负荷预测的精度，引入一种新型的群智能方法——粒子群优化算法，并将这种智能算法与BP算法相结合，形成了粒子群优化BP算法模型，建立了计及气象因素的短期负荷预测模型．通过具体算例将此模型与单纯的BP模型进行比较，结果表明：该算法具有较高的预测精度，完全能满足实际工程的要求．     

应用BP网络预测部分预应力矩形截面梁的裂缝宽度

采用BP神经网络，对受弯部分预应力混凝土矩形截面梁裂缝宽度进行预测，通过理论分析并带入网络模型进行试验，找出影响裂缝宽度的主要因素，并建立了优化的BP神经网络模型．用该模型对不同的样本集合分别进行学习与仿真，结果与试件实际参数吻合良好．表明应用人工神经网络预测部分预应力矩形截面梁的裂缝宽度不仅可行，而且精度较高．     

急倾斜煤层巷道放顶煤开采顶煤可放性评价

应用人工神经网络方法，建立了急倾斜中厚－厚煤层巷道放顶煤开采可放性评价的人工神经网络模型。该模型可用来预测工作面技术经济指标，优化放顶煤工艺参数。     

准一维有机铁磁体中的位间电子-电子相互作用

利用扩展的Hubbard模型,对具有链间耦合的准一维有机铁磁链系统的稳定性进行了研究。结果表明,最近邻格点间电子Coulomb排斥相互作用的加强将削弱系统高自旋铁磁性基态的稳定性;电子-声子耦合相互作用与最近邻格点间电子Coulomb排斥相互作用对稳定系统的高自旋铁磁性基态起着不同的作用;系统内的第三近邻电子跳跃相互作用与最近邻格点间电子Coulomb排斥相互作用之间存在着竞争。此外,对系统中的电荷密度和自旋密度分布受最近邻格点间电子Coulomb相互作用影响情况亦进行了讨论。     

基于改进最近邻聚类的机械手神经网络逆控制

机械手具有非线性时变、多变量、强耦合的特性,在机械手系统可逆的基础上,设计一种机械手的神经网络逆控制方案。通过神经网络逆辨识建立机械手的神经网络逆模型,把神经网络逆模型作为控制器模型与原机械手串联,构成一个伪线性动态模型,把非线性问题转化为线性问题。其中,辨识器和控制器均采用RBF神经网络结构,网络学习采用具有在线学习功能的最近邻聚类学习算法。仿真结果验证了本方案的有效性和可行性。     

基于多EBP网的案例匹配技术研究

为快速有效地实现案例推理，提出了基于多EBP神经网的案例匹配技术，设计了改进的德尔菲法来确定输出样本集．与传统的最邻近法的结果相比，对于复杂系统，该技术能够提高案例匹配的精确性，更适于解决案例属性权重难以确定或存在着耦合与非线性关系的问题．     

电弧炉电极系统双模控制策略研究及应用

针对交流电弧炉电极控制系统具有非线性时变、多变量、强耦合及存在随机干扰的特点,采用基于最近邻聚类方法的径向基函数(RBF)神经网络快速学习算法,通过实时在线辨识,建立电弧炉电极系统的精确逆模型并用于控制,实现了将具有强耦合特性的多变量输入/输出(MIMO)系统解耦成单个独立的伪线性对象,并提出一种基于RBF神经网络逆控制与比例微分(P/D)控制相结合的双模控制策略。应用结果证实了该控制策略具有快速适应对象和过程变化的能力及较强的鲁棒性。     

基于近邻算法的无线传感器网络功率控制

针对因无线传感器网络节点部署的密集性和随机性造成单一、不变的发射功率无法满足无线传感器网络能量高效的要求,提出基于近邻算法的无线传感器网络功率控制算法(NNPC).该算法中Sink节点保存整个网络拓扑结构的信息,利用多近邻算法评估节点密度,确定最优通信距离.结合Friss自由空间模型和两线地面传播模型计算当前网络最优发射功率,Sink节点广播通知节点采用最优发射功率发送数据.如果节点没有接收到广播包,那么节点采用默认的最大发射功率.仿真结果表明,基于近邻算法的网络功率控制算法能提高整个无线传感器网络的生存时间,节省网络的平均能耗.     

模式分类中的非参数技术方法研究

典型的非参数估计方法有Parzen窗法和K近邻法两种.Parzen窗法的缺点是对训练样本的需求量较大,存在维数灾难问题,对此可通过并行神经网络结构实现并改进.K-近邻法一般遵循近邻规则--KNN,直接用来进行样本分类.     

基于k-近邻域中心偏移的鲁棒性异常检测算法

针对大多数基于距离和密度的异常检测算法敏感于近邻参数k的问题,提出了一种鲁棒性异常检测标准——k-近邻域中心偏移异常因子(COOF).数据结点的k-近邻域中心位置会随着近邻参数k的变化而发生迁移,鉴于异常结点要比正常结点对k-近邻域中心位置偏移量的影响更大,通过累加因递增k而产生的偏移量来表征数据结点的异常程度,并在COOF基础上实现了鲁棒性的异常检测算法.通过综合数据和真实数据的实验仿真可知,COOF不仅对近邻参数k具有鲁棒性,而且相比基于距离的k最近邻算法、基于局部距离的异常因子和基于密度的局部异常因子具有更稳定且更准确的异常检测性能.     

RBF神经网络的异丙苯氧化系统建模与仿真

针对径向基函数(RBF)神经网络隐含层节点中心难确定的问题,提出了一种RBF网络学习的新算法,将引入修剪技术的相减聚类算法(PTSC)和最近邻聚类算法相结合的算法,并对异丙苯氧化系统进行建模.仿真结果表明,该算法提高了网络的学习速度,有较强的泛化能力.     

计及次近邻原子作用平面正三角晶格振动的色散关系

采用晶格动力学理论推导了计及次近邻原子作用下平面正三角晶格振动的色散关系,得到第一布里渊区中三种特殊对称方向的色散关系表达式;每一对称方向有两支声学波,其中Γ-M和Γ-K方向有一支纵波和一支横波,且纵波的频率高于横波的频率,而M-K方向两支声学波既非纵波、又非横波.探讨了次近邻原子作用对色散关系的影响,结果表明：在缺乏次近邻原子作用下,最近邻原子间作用足够在整个第一布里渊区产生振动频谱;随着次近邻原子间作用的增强,声子频率不断增大,Γ-M和M-K方向两声学支的频率间隙不断减小,Γ-K方向部分横波声子频率逐渐趋近于最近邻原子作用下的纵波声子频率,而其纵波声子频率的极大值显著增大.次近邻原子之间的相互作用对色散关系有显著的影响,但是声子频率在Γ和K点始终不变并分别简并.     

基于神经网络的超声医学图像自动分割

图像分割是多维超声医学图像重建中最重要和最困难的问题。文中将传统的最近邻分类方法与自组织神经网络相结合,提出了一种超声医学图像的自动分割方法。实验表明,与传统的K平均方法相比,该方法除具有自动分割优点外,还具有稳定性好,自适应强,分割准确等优点。