基于非线性时序信号神经网络预测模型讨论

本文从神经网络理论及实践两个方面，探讨了目前非线性时序信号预测神经网络模型存在的几个问题：网络输入节点数的确定，隐层节点数及隐层数目，节点单元作用函数的确定，三层前向神经网络的逼近能力，神经网络的外延性。本文提出了这些问题，以期加快时序信号预测研究的发展。     

基于人工神经网络的岩土工程位移预测研究

从神经网络理论及应用实践等几个方面分析研究了目前岩土工程位移预测神经网络模型存在的几个问题,并提出了几个可供借鉴的其它模型.最后,提出了一种进行位移预测的进化神经网络模型,并采用一个工程实例进行了研究,其结果验证了前述分析研究的结论,说明了本文分析的合理性.     

基于网络聚类选择的神经网络集成方法及应用

面向农作物精准施肥量确定问题,提出一种基于复杂网络聚类选择的神经网络集成方法。在该方法中,首先采用回放取样方法来生成多个神经网络个体,其次利用网络聚类算法FEC从这些神经网络个体集中选出部分个体,再次对选出的神经网络个体分别用线性加权方法和非线性方法进行集成,最后对两个集成结果进行融合得到预测结果。于2008年在吉林省榆树玉米试验田七号地对该方法进行了应用。实验结果表明:该方法不仅优于传统的施肥模型、神经网络线性加权集成和神经网络非线性集成方法,而且还具有较强的泛化能力。     

基于SOFM神经网络的砂土液化评价

提出应用自组织特征映射(SOFM)神经网络进行砂土液化评价,根据实测资料和行业规范,建立具有7个输入参数,4个输出类别的SOFM神经网络模型对砂土液化的严重程度做出评价.实例研究表明,应用SOFM神经网络评价砂土液化高效可行,为砂土液化的研究提供了新方法.     

自回归神经网络在主汽温控制中的应用

提出了自回归神经网络拓朴结构及其训练算法,把具有两个“自回归神经网络”的复合控制系统用于主汽温控制,一个作为辨识器,另一个作为控制器。仿真结果验证了该控制系统的优越性能,可知在过程控制领域中,神经网络在处理困难问题上,有良好的发展潜力。     

BP神经网络在建筑工程估价中的应用

在建设项目管理中前期工程估价是一项十分重要的工作，根据神经网络的原理和工程造价估算的特点，通过研究工程造价的构成，特别是建筑工程结构和主要分项工程的特征在工程造价中所起的作用，确定了7个主要因素，作为神经网络的输入变量，提出了基于BP神经网络的工程估价模型．共收集了20个住宅工程估价实例，其中18个作为训练样本，2个作为检测实例，经测算其精度基本可以满足实际工程投资估算的需要．因此，神经网络在这方面有很好的应用前景．     

层次模块化神经网络新方法研究

多个神经网络组成的系统有两种工作方式:其一是通过训练多个神经网络,以协同或竞争的方式来构建学习系统解决同一问题;其二则是将复杂问题分解成若干简单问题而后进行处理。应用分而治之的思想提出了一种层次模块化神经网络新方法———三层结构的模块化神经网络HMNN(HierarchicalModularNeuralNetwork)模型,在提高算法性能方面有一定优势,对比实验研究也表明该算法有效地提高了系统的泛化能力和算法稳定性。     

基于NNE技术的手臂运动模式识别算法研究

本文将神经网络集成(Neural network ensemble,NNE)算法应用于人体手臂运动模式识别领域中,通过对手臂不同运动模式下的表面肌电信号(sEMG)的采集、分析与处理,识别出与其对应的手臂运动模式。主要利用小波包分解(WPD)算法提取表面肌电信号的时-频特征向量,利用集成神经网络对表面肌电信号特征向量进行模式识别;神经网络集成模型由Bagging算法生成,参与集成的个体神经网络均为BP神经网络,集成神经网络的输出由单个神经网络的输出通过相对多数投票法产生。最后,对手臂4个不同运动模式下的表面肌电信号进行了模式识别实验。实验结果表明,与个体神经网络相比,集成神经网络可以显著地提高手臂动作的识别率,证明了将神经网络集成技术用于手臂运动模式识别的有效性和可行性。     

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.     

基于EMD和RBFNN的地铁辅助逆变器故障检测

针对地铁辅助逆变器故障信号非平稳的特征,提出了一种基于经验模态分解方法和径向基神经网络的地铁辅助逆变器的故障诊断方法,并应用经验模态分解方法对采集的非平稳的原始信号进行处理,将原始信号分解成多个平稳的本征模函数(intrinsic mode function,IMF),同时,采用K-均值聚类算法确定RBF神经网络的模型参数,并借助径向基神经网络的分类能力对特征向量进行故障检测。仿真结果表明,基于K-均值聚类算法的RBF神经网络,在48个测试样本中有46个正确,准确率为95.8%,高于标准RBF神经网络77.0%的准确率,说明其准确性明显高于标准的径向基神经网络。该研究能够满足地铁辅助逆变器故障检测对准确性的要求,可高效识别地铁辅助逆变器的故障。     

基于BP神经网络的工艺球缺陷检测

对羽毛球工艺球图像经过预处理,得到缺陷形状信息图像.提取图像的5个极半径不变矩特征、圆心度、球体外圆和球头圆心偏差总共7个特征参数构成图像特征向量组,建立三层结构的BP神经网络,以这7个不变量特征值组成的特征向量归一化后作为神经网络的输入,根据神经网络的输出进行缺陷检测,实验结果证明了该方法能有效地用于羽毛球工艺球的缺陷检测.     

用多模神经网络预测蛋白质二级结构

提出了一个由7个BP神经网络组合成的多模神经网络的预测模型,同时给多模神经网络引进了较多的生物进化信息(Evolutionary information),即一方面引入了“profile”编码,这种编码被认为携带了较多的生物信息;另一方面引入了氨基酸之间的“距离”概念．它体现了输入层临近氨基酸的相互联系和影响．对从36个蛋白质提取的4000个氨基酸的进行了预测研究．结果表明,与文献[1]的预测结果相比,本文的多模神经网络把蛋白质二级结构预测的平均精度从66．1502％提高到68．8903％．     

一种基于智能神经网络的入侵检测新方法

提出了一个基于智能神经网络的网络入侵检测新方法. 该方法首先建立功能单一、结构简单、易于构造的小型神经网络来完成单一的网络入侵检测任务,然后将多个训练好的、能够检测多种多样网络攻击的小型神经网络组合成一个大型智能神经网络. 实验采用DARPA 1998入侵检测评估数据库,使用MATLAB软件完成相关仿真实验. 实验结果真实有效.     

概率神经网络在超谱图像分类中的应用

针对超谱图像高维光谱信息给传统分类带来的困难,结合径向基神经网络的原理,提出了一种概率神经网络分类方法。并将其成功应用到具体超谱图像数据中,验证了概率神经网络分类器的有效性。通过实验仿真,研究了特征向量维数对分类结果的影响,证明概率神经网络可应用于大于100个波段的超谱图像数据。     

基于主成分分析的BP神经网络在岩性识别中的应用

提出一种将主成分分析和BP神经网络相结合的方法对测井资料进行岩性识别。首先将原始测井数据进行主成分分析,分析结果作为PCABP神经网络的学习样本进行训练,建立测井解释的PCA—BP神经网络岩性识别模型．并用该模型对测试样本进行识别。结果表明该方法同传统的BP神经网络相比．不仅简化了网络结构（网络的输入神经元个数由5个减少为2个）,网络收敛速度也加快了21％．而且识别的准确率提高了25％。     

基于模块化神经网络的铁水硅含量预测系统

目的 提出基于模块化神经网络的铁水硅含量预测方法,改善系统控制性能指标.方法 采用模块化神经网络预测控制策略,建立模块化神经网络预测模型,按输入物理量的性质构成4个神经网络模块,再由预测神经网络输出铁水硅含量的预测值,从而控制炉温.结果 提高了学习效率和泛化能力,有效地改善了模型的预测精度.结论 模块化神经网络铁水硅含量预测模型,将同类量进行了模块划分,通过对铁水硅含量预测,可提高炉温的控制精度和动态跟踪能力,具有结构简单、实时性好、预测精度高等特点.     

组合式前馈神经网络研究

本文首先讨论了组合式前馈神经网络原理和一般设计方法, 然后用两个仿真实验展示了组合式前馈神经网络在处理函数逼近和模式分类问题上的有效性。     

组合式前馈神经网络研究

本文首先讨论了组合式前馈神经网络原理和一般设计方法，然后用两个仿真实验展示了组合式前馈神经网络在处理函数逼近和模式分类问题上的有效性。     

神经网络自适应控制技术在空调系统中的应用

目的采用神经网络自适应控制方法，来解决中央空调系统大惯性、大时滞问题，提高控制效果．方法利用两个BP神经网络NNC和NNI，分别做控制器和辨识器，神经网络辨识器通过采集相关的输出量，监控系统的工作状态，并通过实时调整神经网络控制器参数．结果实现中央空调智能控制，仿真结果验证有良好的动态性能和稳态性能．结论神经网络自适应控制器优于常规控制器．调节速度快，超调小，具有良好的控制性能．     

基于BP神经网络控制的多机器人运动规划(Ⅰ)

对多个机器人在简单环境中的运动的研究,利用多机器人控制的神经网络模型,将BP神经网络应用于机器人与障碍物,机器人与机器人之间的避碰行为控制,对机器人进行的行为设计.讨论了机器人训练神经网络及运动规划.实验结果表明了该方法的有效性.