基于附加动量的小波神经网络风电功率短期预测

以风电功率预测为背景,将小波理论与神经网络结合,在BP神经网络模型的结构基础上构造了小波神经网络,并提出了基于附加动量法改进的小波神经网络。利用附加动量的小波神经网络建立天气预报数据与发电功率的映射模型,并进行实际预测。利用MATLAB进行仿真,验证了设计预测模型的实际可行性,并且预测精度满足相关要求。     

知识型企业知识生态系统的协同机制机理研究

在知识经济时代,科技迅猛发展,企业唯有管理好企业的资源,才可能增强竞争优势,使之处于不败之地.本文从两个维度对知识型企业知识生态系统的协同机制进行定量分析,并借助生物学的神经网络模型,试图说明知识型企业知识生态系统协同机制演变的内在机理.     

企业隐性知识与竞争优势关系的模型构建与分析

本文在通过对隐性知识和竞争优势的关系进行文献回顾的基础上,指出隐性知识是企业竞争优势的主要来源。通过对浙江省88家知识型企业的问卷调查与分析,设计了企业隐性知识与竞争优势关系的BP神经网络模型。在计算方法上,用MATLAB神经网络工具箱来进行网络设计和计算。通过大量学习样本的训练和测试,使模型的误差达到预定的范围内。     

模糊优选递归神经网络模型及其在水利水电投资项目评价中的应用

在模糊优选BP神经网络模型上,加入反馈信号及偏差单元,生成递归神经网络.其基本思想是通过对前馈神经网络中加入附加的、内部的反馈通道来增加网络本身处理动态信息的能力.将该模型用于水电投资项目的评价,所得结果与其它方法所得结果相比较,对该方法用于水利水电投资项目的评价的有效性进行了说明.     

神经网络模型中灾难性遗忘研究的综述

近年来,神经网络模型在图像分割、目标识别、自然语言处理等诸多领域都取得了巨大的成功.但是,神经网络模型仍有很多关键性的问题尚未得到解决,其中就包括灾难性遗忘问题.人类在学习新知识后不会对旧知识发生灾难性遗忘,神经网络模型则与之相反.神经网络模型在适应新任务之后,几乎完全忘记之前学习过的任务.为了解决这一问题,很多相应的减缓神经网络模型灾难性遗忘的方法被提出.对这些方法进行了归纳总结,以促进对该问题的进一步研究.主要贡献包括3个方面:对现有的减缓神经网络模型灾难性遗忘的方法进行了详细的介绍,并将不同方法分为4类,即基于样本的方法、基于模型参数的方法、基于知识蒸馏的方法和其他方法.介绍了不同的评估方案,以评估不同方法对减缓神经网络模型灾难性遗忘的效果.对神经网络模型中的灾难性遗忘问题进行了开放性的讨论,并给出了一些研究建议.     

神经网络与领域知识结合的纳税评估预警模型

纳税评估是一项重要而复杂的工作。针对目前尚无十分有效的纳税评估预警模型的情况,提出了将神经网络和领域知识结合建立纳税评估预警模型的方法,利用基于神经网络的方法选出有涉税疑点的企业,在领域知识的指导下结合统计分析方法,解决了预警模型无疑点指向性的问题。通过建立行业的纳税评估预警模型,并进行验证分析,表明该方法是可行的。     

多场耦合下微波碳热氯化回收铟的动态仿真

以实验室微波反应器为研究对象,基于有限元软件COMSOL Multiphysics,采用多场耦合方法对微波强化碳热氯化回收In Cl3的反应过程进行了动态仿真,并分析了其影响因素。结合微波加热过程、计算流体力学和物质传输过程,建立了由射频、传热、传质和流场4个物理场耦合的数学物理模型。通过考察腔室内的电场强度,得到微波加热过程的热源项与样品体的温度分布。结果表明,本研究模型能够准确描述微波输入功率、HCl通入浓度等多因素对铟化物回收过程的影响,为微波碳热氯化提铟过程的分析提供新的方法与依据。     

一种优化的神经网络数字预失真方法

提出一种基于遗传算法和低阶广义记忆多项式实值神经网络的射频功率放大器数字预失真方法。该方法将遗传算法优化的低阶广义记忆多项式模型与神经网络模型进行级联来增强校正模型与功放失真的匹配程度。它不仅可以提升模型的校正能力,同时可以加快网络的收敛速度。采用60MHz的三载波LTE信号进行实验,通过与实值延时线神经网络模型对比,在收敛速度上有显著提升,同时在邻道功率泄露ACLR指标上有6 d B左右改善。     

基于人工神经网络的爆破震动速度峰值的预报

介绍了BP神经网络知识，建立了3层BP神经网络模型，并将此模型应用于爆破震动速度峰值的预测，并将其预测值与常规方法的预测值进行了比较．     

基于混合多神经网络的软测量建模研究

对多神经网络的建模方法进行探讨,并将线性模型结合在多神经网络中,对多神经网络进行改进,仿真结果表明其泛化能力得到了提高.     

针对宽带功率放大器设计的人工神经网络算法

为了实现准确快速设计宽带匹配网络的目的, 提出了基于人工神经网络设计宽带高效功率放大器的新方法。通过对匹配网络及晶体管阻抗特性的分析,借助人工神经网络对功率放大器的匹配网络进行建模。结合训练模型与优化方法设计宽带匹配网络初值,在指定的频带内满足晶体管最优阻抗随频率变化的曲线。选择商用的氮化镓高电子迁移率晶体管,分别设计了六阶低通网络为输入和输出匹配网络,实现了一款工作在0.2~1.6 GHz的宽带高效率功率放大器。仿真结果表明,在0.2~1.6 GHz(轴比带比约为156%)的带宽范围内,功率放大器达到64.5%~80.5%的漏极效率,输出功率为40.0~41.6 dBm,频带内增益为11.1~12.6 dB。该方法提升了宽带功率放大器匹配网络的设计速度与准确性。     

基于频域网络模型的有源器件时域有限差分建模方法

在微波有源电路建模过程中，由于有些器件内部的等效电路复杂或者不能得到该器件的内部等效电路，无法采用传统的时域有限差分（FDTD）方法对该器件进行建模.为此提出了一种基于频域网络模型的有源器件FDTD建模方法.通过实验测量有源器件在包含器件工作频段的频域网络参数（如S参数），结合该器件的物理尺寸进行建模.应用有源器件的频域网络参数，忽略了器件的内部电路结构，使该算法可以对具有任意复杂内部结构的有源器件进行建模；采用包含器件物理尺寸的建模方法，可以在FDTD算法中建立有源器件的三维电磁模型，提高了建模精度.通过对一个工作频率为6 GHz的场效应管（FET）放大电路的建模过程的描述验证了该方法的可行性.该方法无须依赖于有源器件内部的电路结构，具有较高的建模精度.     

Adaptive Modeling and Forecasting of Time Series by Combining the Methods of Temporal Differences with Neural Networks

ＡｄａｐｔｉｖｅＭｏｄｅｌｉｎｇａｎｄＦｏｒｅｃａｓｔｉｎｇｏｆＴｉｍｅＳｅｒｉｅｓｂｙＣｏｍｂｉｎｉｎｇｔｈｅＭｅｔｈｏｄｓｏｆＴｅｍｐｏｒａｌＤｉｆｆｅｒｅｎｃｅｓｗｉｔｈＮｅｕｒａｌＮｅｔｗｏｒｋｓＹＡＮＧＬｕ；ＨＯＮＧＪｉａｒｏｎｇ；ＨＵＡＮ...     

非线性动态系统辨识的神经网络结构和可行性研究

在讨论各种非线性动态系统辨识模型的基础上，给出相应模型的神经网络实现方案，并首次提出了实现非线性动态系统的回归状态模型的新型神经网络结构－神经网络状态空间辨识模型，从理论上证明了使用神经网络实现这些模型的可行性。     

船舶控制系统故障诊断神经网络专家系统的研究

将神经网络技术应用于船舶控制系统故障诊断专家系统，给出了系统的组成和知识的表达方法；提出了自增长动态网络学习算法，其优点在于学习迅速，能动态建造多层网；给出了神经网络专家系统的推理方法。     

电力系统负荷建模与预测的新方法

对电力系统辨识及参数预测中新兴方法的应用作了介绍，重点探讨了前向BP神经元网络在电力系统辨识及负荷预测中的应用。主要对电力系统动态负荷建模及中、短期负荷预测中所取得的国内外成果进行探讨。同时，对灰色理论模型进行电力系统长期预测的结果与传统方法进行对比分析。从而归纳出电力系统动态负荷及中期、短期、长期负荷预测的较理想方法。     

基于Hopfield模型和联想存储器的结构分析

运用连续型Ｈｏｐｆｉｌｅｄ网络以及连续双向联想存储器（ＢＡＭ）详述结构分析的两种新方法。新的方法是建立在比较上述两种方法的能量函数与结构位移法的能量函数（也就是所谓的刚度矩阵法）的关系基础上的,并且利用了人工神经网络所具备且优于经典数值方法的计算特点。几个相关结构分析的例子说明了以ＢＡＭ为基础的神经网络优于其他传统的数值方法及Ｈｏｐｆｉｅｌｄ模型。     

地球流体动力学模型恢复的长短期记忆网络渐进优化方法

地球物理流体动力学的计算模型在数据同化和不确定性量化等任务中的计算代价非常大。有人提出了相应的替代模型以寻求减轻计算负担。研究人员已经开始应用人工智能和机器学习算法, 特别是人工神经网络, 针对地球物理流体建立数据驱动的替代模型。神经网络的性能在很大程度上取决于其网络结构设计和超参数的选择(调参)。一般情况下, 这些神经网络通过手动调参, 反复试错, 从而最大限度地提高其计算性能。这通常要求对底层神经网络结构以及特定领域问题有专业知识积累和认知。这一局限性可以通过使用进化算法, 自动设计和选择神经网络的最优超参数来解决。本文应用遗传算法进行了有效的长短期记忆(Long Short-Term Memory, LSTM)神经网络设计, 建立了NOAA海表温度数据集的温度预测模型。     

Inverse Modeling of Nonlinear Systems and Application

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

基于BP神经网络的化工过程建模研究

研究使用ＢＰ神经网络来完成化工过程的建筑。一般的化工过程建模问题是非线性的问题，很多情形下，与不相有关量的变化速率数量级相差很大，从而问题是刚性的。这时，用数值方法难于对过程的变化精确求解。由于ＢＰ网络能实现任何非线性的连续映，故适于处理复杂化工建模问题，将ＢＰ神经网络用于精细塔的温度计算，结果令人满意。