机场助航灯光回路绝缘电阻预测方法研究

为了更好地对助航灯光回路绝缘电阻值进行预测,采用了一种新型的灰色神经网络预测模型.建立灰色补偿RBF网络模型,并将遗传算法优化后的支持向量机引入到RBF神经网络中,得到改进后的灰色补偿RBF网络模型.根据上海浦东国际机场绝缘电阻的实际测量值进行实例仿真,仿真结果表明,改进后的灰色神经网络提高了系统稳定性和绝缘电阻值的预测精度.     

人工神经网络知识增殖性分析

人工神经网络的知识增殖能力是该领域的热点和难点问题,具有重要的理论和实践意义．对人工神经网络的知识增殖性问题进行了较深入的探讨,从网络推广能力的角度分析了具有知识增殖能力的神经网络系统的结构设计问题,指出将多个网络个体结合在一起是实现人工神经网络增殖学习的重要方法,网络的自治能力在此具有重要的意义．利用具有自治能力的神经网络构建的网络群体中,网络个体无需改变而整体具有增殖学习能力,实验结果表明了该方案的可行性．     

一种求解线性约束QoS路由的神经网络

QoS路由的基本问题是在满足多个约束条件的基础上对某个参数或多个参数进行优化.人工神经网络已成为求解大规模优化问题的一种有效方法,合适的神经网络能实时地得到问题的精确解.本文研究满足时延条件的最小耗费QoS路由问题,建立了一种新的Hopfield神经网络模型,研究了神经网络各参数之间的关系,并证明了通过适当选取参数,神经网络的可行解是渐进稳定的.计算实例表明了新网络模型的有效性.     

神经网络在变压器故障诊断中的应用研究

解决溶解气体分析法在变压器故障诊断中准确率不高之难题,采用人工神经网络方法和基于动量因子技术的改进BP网络训练算法,建立了一具有较强的学习能力、泛化能力和适应能力的BP神经网络模型.通过MATLAB仿真实验,结果表明此神经网络能较准确的对变压器故障进行诊断,具有一定的应用及推广价值.     

基于小波神经网络的通用多变量非线性系统辨识算法和应用

在分析小波函数对L2(R)空间的逼近原理的基础上,给出了仅使用尺度函数的神经网络模型和网络学习方法,使得用于逼近低通系统的小波基函数大大减少,并给出逼近的理论依据.提出的小波神经网络模型的学习为线性LS参数估计问题,具有通用性和易用性,并具有线性系统中线性LS参数估计的优良性质,保证了在训练数据受噪声污染时的网络模型的推广能力.理论分析、仿真实验和实际应用结果都说明该辨识方法具有好的辨识精度和推广能力.     

基于遗传BP算法的手写体识别

神经网络具有模拟人类的大脑活动、良好的自学习、自适应、联想记忆、并行处理和非线形转换的能力.本文阐述了BP神经网络基本原理以及BP网络手写体识别模型,研究分析了BP神经网络手写体识别模型的缺陷并提出了优化策略.在此基础上,提出一种基于改进结构的BP神经网络来实现手写体数字识别方案,除了改进BP网的结构外,还对网络学习算法进行了改进,采用了BP和GA相结合的算法,提高了网络的学习训练速度和识别效果.     

BP神经网络在煮糖结晶过程建模的应用

煮糖结晶过程是一个非常复杂的物理、化学过程,其内部机理复杂,各变量间相互耦合,很难建立机理模型.利用神经网络具有逼近任意复杂非线性函数的能力,将神经网络应用到煮糖结晶过程建模中.模型以煮糖结晶过程中糖液的过饱和度为输出,以影响过饱和度的温度,压力和各阀门的开度等等作为网络的输入,采用改进的BP算法,建立了煮糖结晶过程的动态响应模型.给出了模型的结构、网络学习流程图和仿真结果.仿真结果表明,此BP网络模型能较好地解决煮糖结晶过程的建模问题.     

基于Elman神经网络变风量空调系统研究

变风量空调控制系统具有非线性和动态特性.目前,在VAV空调控制领域应用最广泛的神经网络是静态前馈Bp神经网络,而在多层前向Bp网络中引入特殊关联层,形成有"记忆"能力的Elman神经网络,可以映射系统的非线性和动态特性.其在网络训练算法中,采用自适应学习速率梯度下降反向传播算法,显著提高了网络的训练速率,有效抑制了网络陷入局部最小点.文中分别采用Bp神经网络与Elman神经网络建立模型,对VAV空调系统的少量参数的数据进行仿真预测,经比较分析,证明后者具有收敛速度快、预测精度高的特点.     

基于优化小波BP神经网络的燃气短期负荷预测

在燃气短期负荷预测问题的研究中,燃气负荷由于受天气、人为活动等因素的影响,呈现出一种非线性特性,单个神经网络的局限性限制了其预测精度.为了有效的预测天然气短期负荷,提出了一种混沌遗传算法优化的小波BP神经网络预测模型.小波网络结合小波变换良好的时频局部特性和神经网络的自学习能力,加强了网络的函数逼近能力.利用混沌遗传算法的全局优化搜素能力对网络连接权值、阈值和伸缩平移尺度的优化求解,加快了网络的收敛的速度,建立最优的燃气负荷预测模型.将组合模型应用于上海燃气短期负荷预测,结果表明改进检测模型具有更好的非线性拟合能力和更高的预测精度.     

一种基于多目标优化的交互式多跳分组无线网QoS路由算法

多跳分组无线网络是由一组具有路由和转发功能的移动节点组成的动态多跳的临时性自治系统,多用于军事战术系统.针对军事系统中一些特定业务对多个目标的同时性能要求以及战术网络环境的特点,选取带宽作为约束条件,把时延和丢失率作为QoS优化目标,建立了QoS路由选择的多目标整数优化模型,并给出了求解模型的交互式算法.实例计算结果表明了算法的可行性.     

基于粗集神经网络的教学评估系统

为了便于教学质量的评估,将粗集理论与神经网络结合起来,构建粗神经网络.在此基础上,开发出集数据管理、网络训练、教学评估于一体的智能教学评估系统.结果表明,该系统使用方便,精度较高,可移植性强.     

基于改进遗传算法的神经网络优化设计

针对前馈式多层神经网络的结构和权值设计方法的缺陷,提出了一种基于改进遗传算法的前馈神经网络自动优化设计方法,用以完成对网络结构和权值空间的搜索,提高神经网络的收敛速度和搜索全局最优解的能力。通过实验表明,该算法的收敛速度较快,过程稳定,而且泛化能力也较好。故此方法在神经网络设计上能够发挥较好的作用。     

基于神经网络分类的搜索引擎在Internet信息监控中的应用

本文提出了一种Intgernet信息监控系统的构想，它采用了基于神经网络分类的搜索引擎技术，能大大提高信息监察部门的工作效率，其他用户也可将其用作智能化信息检索工具。     

智能神经网络组成原理在汉字识别中的应用

应用智能神经网络组成原理，研究了将传统神经网络完成的复杂任务划分为子任务，分配给功能专一，结构简单的较小的智能神经网络完成，在此基础上，构筑功能完善的较大的智能神经网络的方法。同时，通过加入推理规则，提高了网络获得取知识的速度，实验表明，智能神经网络组成原理为解决大规模，复杂的问题提供了一种有效途径。     

基于粗糙神经网络的传感器网络故障诊断

为了克服大量信息冗余和能量有限给无线传感器网络故障诊断带来的困难,提出一种将粗糙集与神经网络集成相结合的智能故障诊断方法(RS-ANNE)。该方法首先利用粗糙集理论的属性约简技术,提取诊断故障贡献最大的最小故障诊断特征集合,然后根据最小故障诊断特征确定神经网络的初始拓扑结构,建立故障特征与故障之间的映射关系,最后通过子网表决得到最终诊断结果。实验结果表明,RS-ANNE诊断方法诊断正确率为95.67%,与ANNE方法相比计算量减小22.98%,诊断正确率提高13.88%。     

用遗传算法优化神经网络结构

本文介绍了一种用遗传算法对神经网络和连接权值同时优化的方法，该神经网络的神经元节点可以一定程度地反馈连接，再通过基因链矩阵把神经网络的结构完整地表示，遗传进化学习后，最优个体是结构最优的神经网络，使用该方法可以设计出结构未知的神经网络，本文最后对ＸＯＲ问题进行了计算。     

基于QR-ROLS算法的小波神经网络应用研究

针对小波神经网络的结构设计和权值选取,提出一种基于QR分解的递推正交最小二乘算法以节省计算资源和计算时间,仿真结果表明基于QR-ROLS(QR Decomposition-Recursive Orthogonal Least Squares)算法的小波神经网络比依据时频特性设计的小波神经网络结构更优,运行效率更高.     

一种神经网络学习过程的数学描述

本文试图用神经网络学习的数学理论，以一个统一的方式看待，处理不同神经网络结构的学习过程。根据该理论，学习过程就是由随机信息源产生的输入信号驱动神经网络参数不断修改的过程，神经系统的自适应和自组织就是神经系统不断修改其行为以适应外部环境的变化。     

基于模糊神经网络的火灾信号处理设计

本文针对传统智能建筑中火灾报警系统功能简单、定位困难且存在误报和漏报等问题,设计了一种基于模糊控制理论、人工神经网络的火灾安全报警系统。该系统依靠模糊控制理论提高了灵敏度,减少了误报率,并结合神经网络具有自学习功能的特点,提高了整个系统的智能化水平。作者阐述了火灾报警系统的设计原理,对模糊理论和几种神经网络模型进行了分析,并使用MATLAB软件对设计的算法进行了仿真分析。该系统达到了比较理想的效果。     

一种与神经元网络杂交的决策树算法

神经元网络在多数情况下获得的精度要比决策树和回归算法精度高,这是因为它能适应更复杂的模型,同时由于决策树通常每次只使用一个变量来分支,它所对应的识别空间只能是超矩形,这也就比神经元网络简单,粗度不能与神经元网络相比,然而神经元网络需要相对多的学习时间,并且其模型的可理解性不如决策树、Naive-Bayes等方法直观,本文在进行两种算法对复杂模型的识别对比后,提出了一个新的算法NNTree,这是一个决策树和神经元网络杂交的算法,决策树节点包含单变量的分支就象正常的决策树,但是叶子节点包含神经元网络分类器,这个方法针对决策树处理大型数据的效能,保留了决策树的可理解性,改善了神经元网络的学习性能,同时可使这个分类器的精度大大超过这两种算法,尤其在测试更大的数据集复杂模型时更为明显。