基于Matlab与.Net的神经网络推理应用

介绍了人工神经网络技术的基本概念,及其在Matlab 6.5环境下的实现方法,探讨了Matlab与.Net开发平台的接口.最后以机械故障诊断为应用案例,说明了如何开发基于两个不同环境的故障诊断系统,得出了结合.Net框架和Matlab 6.5环境解决工程技术领域问题的具体方法,并展望了此方法的应用前景.     

VC与Matlab混合编程的方法及实现

Matlab是功能强大的工程计算和数据分析软件,Visual C 是面向对象的快速开发工具.二者结合,可以开发出具有友好界面,满足工程领域应用的软件.通过Matlab6.5和Visual C 6.0的几种混合编程的方法,比较了它们的优缺点,并以实例说明.     

在ASP.NET应用程序中实现基于Forms-Based的身份验证

本文介绍了在Microsoft Visual Studio.Net的开发环境下,使用Visual C#在Asp.Net应用程序中实现基于Forms—Based的身份验证,完成北京市公安局某分局网上报表系统的身份验证模块,并以此探讨了Asp.Net在公安网络工作上的应用。     

基于COM的VC与Matlab混合编程

介绍了一种基于组件对象模型(Component ObjectModel,COM)的Matlab与VC混合编程方法.它以Matlab6.5中的Matlab COM Builder模块为转换工具,将Matlab的M函数文件转换为OOM组件后应用在VC程序中.集成后的软件不仅能够充分发挥两种语言各自的优点,还可以完全脱离Matlab的运行环境.提供的实现过程和编程实例均说明此方法简单、方便、可操作性强.     

用ASP.Net实现文件上传

本文介绍了Microsoft的下一代开发平台Microsoft.Net的框架结构,阐述了新一代基于Web的开发环境ASP.Net的特点,说明了使用ASP.Net实现文件上传,并给出主要例程。     

C#网络编程之二——Visual Studio.Net简介

C＃拥有一个非常好的集成开发环境——Visual Studio.Net,的的确确比现在的Java集成开发环境好的太多了,或许这也是吸引Java程序员转向.Net阵营的要素之一吧。下面就让我们走进这个C＃开发利器——Visual Studio.Net。     

基于Visual Studio.Net和ATL的Email发送组件开发

本文简述如何在VisualStudio.Net环境下开发一个ATL COM组件，实现电子邮件的发送，并给出了其它语言（Visual C#,Visual Basic.Net)调用方法。     

基于ASP.Net实现文件上传

本文阐述了Microsoft的下一玳开发平台.Net和开发语言C＃；介绍了新一代基于Web的开发环境ASP.Net和ASP的不同及其文件结构；最后通过一个实例说明了使用ASP.Net实现文件上传的过程。     

Treeview控件在Matlab中的实现

在Matlab的开发环境中,如果能够把大量应用于其他开发环境的成熟的ActiveX控件应用于Matlab环境当中,那么将大大的提高Matlab的大型图形界面的开发能力。针对这一问题,本文介绍了一种在Matlab中使用树形管理控件——Treeview控件的有效方法。在一些大型应用程序的开发中,树形控件的编写几乎是用户图形界面的核心。因此,Treeview控件在Matlab中的成功应用非常具有应用价值。     

基于C# .NET与Matlab接口和BP网络的汽车产量预测

为了提高软件预测系统的开发效率和精度,研究了误差反向传播神经网络(Error Back Propagation Neural Network,BPNN)在Matlab 2006a环境下的实现方法,采用迭代法选择神经网络训练参数。探讨了Matlab与C# .NET开发平台的接口技术,能成功实现C# .NET对Matlab神经网络工具箱的调用。以汽车产量预测为应用案例,开发了基于C# .NET和Matlab接口的神经网络预测系统。实验结果表明,该预测系统对汽车产量预测有着良好性能,接口技术的应用提高了软件开发效率。     

基于神经网络的数模混合电路故障诊断模型设计

神经网络是智能故障诊断中运用最为广泛的诊断方法之一,能应对复杂数字电路和模拟电路故障诊断;基于VC++的神经网络诊断系统具有运算速度快、输入输出界面丰富、易于实现在线故障诊断等特点,而Matlab提供强大的神经网络工具箱,在网络训练方面有优势;利用参数文件将二者优势结合起来,可实现功能完善的数模混合电路智能故障诊断系统;诊断实例表明,使用该方法实现数模混合电路故障诊断系统,具有高建模速度和高诊断精度的特点。     

基于模式化知识和人工神经网络的智能设计系统框架研究

阐述了将神经网络和模式识别引入智能设计系统的模型－集成转换模型,在该模型中,对智能系统与设计的实现系统的结合进行了探讨,提出了数值编译器与反编译器、图形／编码转换器等将神经网络引入设计系统来的工具和方法。     

基于神经网络的高压输电线路单端测距方法

针对单端行波故障测距第二个行波波头性质辨识问题,提出一种将小波模极大值方法和神经网络算法相结合的测距方法。采集故障波头时间差和极性等信息作为样本,利用神经网络的非线性拟合能力对样本进行训练、测试,从而建立相应的故障测距神经网络模型。将故障信息代入神经网络模型得到初步测距结果,根据初测结果和波头极性、时间差等性质的关系,对第二个行波波头进行正确辨识,从而得到优化的测距结果。经Matlab/Simulink仿真验证,该方法有较高的可靠性和精确性。     

人工神经网络在EPDM硫化胶性能预测中的应用

该文将人工神经网络方法应用于EPDM硫化胶的性能预测，用按回归通用旋转组合设计方法设计的EPDM硫化胶20次性能试验数据作为人工神经网络的样本数据，利用MATLAB 6．5软件包中的神经网络工具箱，构造BP神经网络，优选最佳的神经网络参数，通过训练后，用于预测EPDM硫化胶的氧指数、扯断强度和伸长率性能。结果表明，训练好的神经网络可准确地预测EPDM硫化胶的有关性能，基于MATLAB 6．5的人工神经网络是分析EPDM配方各组分对硫化胶性能影响的一种快捷、可靠的新方法。     

Towards a framework for multiple artificial neural network topologies validation by means of statistics

Artificial neural networks (ANNs) are flexible computing tools that have been applied to a wide range of domains with a notable level of accuracy. However, there are multiple choices of ANNs classifiers in the literature that produce dissimilar results. As a consequence of this, the selection of this classifier is crucial for the overall performance of the system. In this work, an integral framework is proposed for the optimization of different ANN classifiers based on statistical hypothesis testing. The framework is tested in a real ballistic scenario. The new quality measures introduced, based on the Student t‐test, and employed throughout the framework, ensure the validity of results from a statistical standpoint; they reduce the appearance of experimental errors or the appearance of possible randomness. Results show the relevance of this framework, proving that its application improves the performance and efficiency of multiple classifiers.     

人工神经网络在混沌观测时序数据处理中的应用

人工神经网络是用来模拟人脑智能特点和结构的一种模型,具有很强的非线性映射功能。把它引用到观测序列数据的分析处理中,可为观测数据的分析处理提供一种新方法的方法,也是对人工神经网络方法应用的推广。文中分析了时间序列的可预测性,给出了用人工神经网络预测和处理混沌观测时间序列的方法,并给出了应用实例。结果表明：用该方法处理能达到较高的精度。     

Applications of artificial neural networks to the nonlinear combination of forecasts

Abstract: This paper proposes artificial neural networks (ANN) as a tool for nonlinear combination of forecasts. In this study, three forecasting models are used for individual forecasts, and then two linear combining methods are used to compare with the ANN combining method. The comparative experiment using real-world data shows that the prediction by the ANN method outperforms those by linear combining methods. The paper suggests that the ANN method can be used as an alternative to conventional linear combining methods to achieve greater forecasting accuracy.     

Supply chain network design using an integrated neuro-fuzzy and MILP approach: A comparative design study

In this study, an integrated supply chain (SC) design model is developed and a SC network design case is examined for a reputable multinational company in alcohol free beverage sector. Here, a three echelon SC network is considered under demand uncertainty and the proposed integrated neuro-fuzzy and mixed integer linear programming (MILP) approach is applied to this network to realize the design effectively. Matlab 7.0 is used for neuro-fuzzy demand forecasting and, the MILP model is solved using Lingo 10.0. Then Matlab 7.0 is used for artificial neural network (ANN) simulation to supply a comparative study and to show the applicability and efficiency of ANN simulation for this type of problem. By evaluating the output data, the SC network for this case is designed, and the optimal product flow between the factories, warehouses and distributors are calculated. Also it is proved that the ANN simulation can be used instead of analytical computations because of ensuring a simplified representation for this method and time saving.     

基于COM的VC与Matlab混合编程

介绍了一种基于组件对象模型(Component Object Model，COM)的Matlab与VC混合编程方法。它以Matlab 6．5中的Matlab COM Builder模块为转换工具，将Matlab的M函数文件转换为COM组件后应用在VC程序中。集成后的软件不仅能够充分发挥两种语言各自的优点，还可以完全脱离Matlab的运行环境。提供的实现过程和编程实例均说明此方法简单、方便、可操作性强。     

神经网络和模糊系统在故障诊断中的应用

本文提出了一种神经网络和模糊系统相结合的分级式故障诊断方法。神经网络通过对部分测量数据的处理，实现系统的回路级故障诊断，输出各回路故障出现的可信度。模糊系统通过对神经网络得到的初步诊断结果和其他测量值的处理，实现系统的元件级故障诊断，并对最终诊断结果作出解释。该方法融合了神经网络自适应学习能力强和模糊系统知识表达明确的优点，简化了神经网络学习数据获取及模糊推理规则建立的过程。通过对热硝酸冷却系统故障诊断的仿真，证明了该故障诊断方法的有效性。