RBF神经元网络在非线性系统建模中的应用

本文从径向基函数神经网络的特点着手，分析了该网络存在的问题，并且对网络径向基函数中心的选取，计算以及网络的拓扑结构作了改进，最后用改进的径向基函数神经元网络对化工中的连接搅拌反应釜系统进行建模，结果表明方法有效。     

人工神经元网络在系统辨识中的应用

本文将人工神经元网络的非线性性和信息的分布性用于非线性静态模型的辨识.对化工生产中的缩聚反应过程的辨识结果表明,用人工神经元网络来辨识非线性静态模型是可行的,从而为系统辨识提供了一条新的途径.     

人工神经元网络在CGF智能行为模型中的应用研究

CGF系统是未来作战仿真所必备的技术支持,国内的CGF系统尚不成形,急需对其进行深入研究以满足作战仿真不断发展的需要,文中以实现一个排原CGF坦克实体的自动驾驶功能谡列,探讨了用人工神经元网络建立CGF实体智能行为模型的方法,并对其可行性进行了验证,取得了较好的效果。     

人工神经元网络在过程分析和控制中的应用

综述了人工神经元网络方法的过程分析与控制中的应用，包括过程建模、过程控制、模式识别与聚类分析以及在电子鼻当中的应用。     

基于自校正回归神经元网络的预报建模

讨论了回归神经元网络（ＲＮＮ）的网络结构和基本实现方法，提出了主元分析（ＰＣＡ）和具有自校正功能的回归神经元网络相结合的非线性时变系统预报建模方法，并用于减压塔塔顶温度的预报．结果表明，该方法具有良好的预报性能．     

人工神经元网络及其在调频传感器智能测试仪表中的应用

针对人工神经元网络在测试仪表中的应用，首先介绍了前馈网络的结构和广泛应用中ＢＰ学习算法，进而分析了在网络结构选择和网络学习过程中可能遇到的问题，说明了人工神经网络元网络在测量技术中的作用，并总结了人工神经元网络用于在线测量的优势与不足。     

神经元网络在VD温度预报模型中的应用

在对冶金生产过程中的现场实际情况进行详细分析的基础上,采用神经元网络技术建立和开发了一个真空脱气炉（VD）钢水温度的预报模型.该模型从基础自动化系统和L2过程控制系统中获得所需的数据,并通过设计的输入数据对神经网络进行了训练、检验和性能评价.该模型通过L2过程计算机,以网络方式向操作人员预报并指示VD开盖温度,经过实际运行,该模型可以准确预报VD终点温度,实现了对VD终点温度的精确控制,对于保证生产的顺利进行和节约能源有着重要的意义.     

一种基于过程神经元网络的非线性动态系统辨识模型及应用

针对复杂非线性动态系统辨识问题,提出了一种基于过程神经元网络（PNN）的辨识模型和方法．根 据系统待辨识的模型结构和反映系统模态变化特征的动态样本数据,利用PNN 对时变输入／输出信号的非线性变 换机制和自适应学习能力,建立基于PNN 的系统辨识模型．辨识模型能够同时反映多输入时变信号的空间加权聚 合以及阶段时间效应累积结果,直接实现非线性系统输入／输出之间的动态映射关系．文中构建了用于并联结构和 串－并联结构辨识的PNN 模型,给出了相应的学习算法和实现机制,实验结果验证了模型和算法的有效性．     

CMAC神经元网络在CSTR系统建模中的应用

目前正在兴起和发展的人工智能和人工神经网 络的研究,为复杂非线性系统的控制开辟了一条新路．本文将CMAC神经元网络用于CSTR系统 的建模,取得了很好的仿真效果．     

人工神经元网络在控制中应用的现状与展望

本文简要评介了人工神经元网络在控制领域中应用的现状，并探讨了神经控制的可能结构和分类。最后，对其发展前景作了展望。     

神经元网络前推选择算法及其在故障诊断中的应用

本文分析了 B-P 算法的不足,提出了一种前推选择算法.首先给出了算法的步骤及实施过程,然后把这种算法应用于控制系统的故障诊断,给出了仿真的结果.     

过程神经元网络及其在时变信息处理中的应用

针对时变信息处理和动态系统建模等类问题,建立了输入输出均为时变函数的过程神经元网络和有理式过程神经元网络2种网络模型.在输入输出为时变函数的过程神经元网络中,过程神经元的时间累积算子取为对时间的积分或其他代数运算,它的时空聚合机制和激励能同时反映外部时变输入信号对输出结果的空间聚合作用和时间累积效应,可实现非线性系统输入、输出之间的复杂映射关系.在有理式过程神经元网络中,其基本信息处理单元为由2个成对偶出现的过程神经元组成,逻辑上分为分子和分母2部分,通过有理式整合后输出,可有效提高过程神经元网络对带有奇异值过程函数的柔韧逼近性和在奇异值点附近反应的灵敏性.分析了2种过程神经元网络模型的性质,给出了具体学习算法,并以油田开发过程模拟和旋转机械故障诊断问题为例,验证了这2种网络模型在时变信息处理中的有效性.     

一种基于数值积分的过程神经元网络训练算法

针对过程神经元网络的训练问题,提出了一种基于数值积分的学习算法。直接采用数值积分进行网络中动态样本与连接权函数的时域加权聚合运算,采用梯度下降法实现连接权函数特征参数及网络性质参数的调整。设计了基于梯形积分、辛普森积分、柯特斯积分等3种过程神经元网络数值积分训练方法,以太阳黑子数据预测为例进行仿真实验,结果表明,基于数值积分的过程神经元网络训练算法是有效的,其中辛普森积分算法的性能最优。     

基于神经元网络的汉语组块自动划分

介绍一种基于三层神经元网络的汉语组块自动划分方法。输入信息为句子中每一个字本身及与前后字组合的划分情况,输出为句子中每个字的划分结果。对于一个新输入的汉语句子,在该方法中。并不对句子进行切词,这是与别的组块分析方法的不同之处。实验表明,该方法是可行的。也是有效的。     

非线性优化控制算法在合成氨生产中的应用

针对合成氨生产过程控制仿真中被控参数的非线性、时变性和不确定性等特征引起的控制系统执行效率差,线性控制优化精度低等问题,提出了一种粒子群优化的非线性控制算法.首先将PID控制器控制增益与信号偏差的非线性关系进行修正,将其控制参数动态调节转化为粒子群优化问题;然后利用粒子群优化算法在控制参数的三维空间内进行非线性参数最优解搜索,得到PID控制器的最优控制参数;最后利用该非线性控制算法对合成氨生产过程控制进行仿真测试.测试表明,优化控制算法相对于传统的PID控制,具有较优的系统稳态,且阶跃响应振幅低,系统稳定性高.     

一种改进的神经元网络联想记忆模型及其应用

本文给出了一种改进的神经元联想记忆模型及其在控制系统故障诊断中的应用。这种模型不要求输入的样本向量之间是正交的或近似正交的,而是对任意输入样本向量进行HADAMARD预处理,使得处理后的样本向量,与输出样本向量组成联想矩阵M,构成这种联想记忆模型。最后本文给出了一个简单的控制系统故障诊断的数值例子加以说明。     

基于过程神经元网络的动态预测模型及其应用

〗针对动态系统过程预测预报问题，提出了一种基于过程神经元网络的动态预测方法．过程神经元网络的输入/输出均可以是时变函数，其时空聚合运算和激励可同时反映时变输入信号的空间聚合作用和输入过程中的阶段时间累积效应．基于过程神经元网络的动态预测模型能同时满足对系统的非线性辨识和过程预测，在机制上对动态预测预报问题有较好的适应性．文中给出了基于函数基展开和梯度下降法的学习算法，以电力负荷预报为例验证了模型和算法的有效性．     

Kriging模型的增量构造及其在全局优化中的应用

为了解决高效全局优化算法(EGO)中迭代次数增多时构建Kriging模型速度过慢,以及对于某些响应值变化范围较大的目标函数出现过早收敛的问题,提出了增量Kriging方法和基于此方法的改进EGO算法.增量方法利用已经得到的关联矩阵的逆矩阵和新增的数据点忽略关联系数优化的过程,直接进行一系列矩阵运算,得到新关联矩阵的逆矩阵,进而得到更新后的预测模型.改进的EGO算法使用上述的增量方法和更加严谨的停止规则,包括改善期望、自变量和响应值的停止准则.最后使用标准函数分别对增量方法和EGO算法进行测试,结果表明,增量方法可在损失少量精度的情况下大大缩短模型更新的时间,改进的EGO算法具有更高的效率和稳定性.     

基于神经元网络模型的城市用水量预测

根据城市用水量的影响因素及特点，基于BP神经网络，建立了一种综合多元分析特点和时间序列分析的动态水量预测模型．经沈阳市实例验证，该模型预测误差小，可满足供水系统调度的实际需要．