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.     

Matlab神经网络工具箱在煤层界面插值中的应用

人工神经网络方法通过大量的样本学习和训练,能够对实际问题进行最佳逼近。在分析煤层界面建模数据的基础上,设计插值煤层界面的人工神经网络结构。利用Matlab的神经网络工具箱建立对煤层界面插值的人工神经网络模型。以某矿的钻孔数据为样本对人工神经网络进行训练,实现了对煤层界面网格的插值;通过Matlab实现了对煤层界面的插值结果的三维显示。     

基于WWW的人工神经网络系统的实现方法

构造基于WWW的人工神经网络系统有着重要的意义。比较了各动态Web技术后选择Matlab的Web技术结合神经网络工具箱和数据库工具箱作为该系统的开发方案,并给出具体实现方法。     

Matlab神经网络工具NNTool的应用与仿真

介绍Matlab软件中神经网络工具箱的NNTool的功能,阐述如何利用NNTool实现神经网络的设计、训练、分析与仿真。在此基础上以配煤预测为例,建立BP网络来实现非线性函数的逼近,并进行仿真。     

基于神经网络的设备故障诊断

文中介绍了一种基于人工神经网络的设备故障检测和诊断方法,其ANN集是用基于知识的解析冗余关系组织的,并用遗传算法进行ANN的设计和训练。将该方案用于感应式发动机的故障诊断,以评估该方案的性能。     

基于神经网络的专家系统的应用研究

本文论述了传统专家系统的缺点及神经网络专家系统的功能，并给出了应用实例。     

基于Matlab与Linux的神经网络实现方法

介绍一种使用Matlab与其他编程工具联合编程、快速将神经网络转换成实际产品的方法,阐述经典BP网络的创建、完整C代码的导出与Linux/Qt程序的结合等问题及解决方法。使用该方法可以将BP神经网络算法快速地应用到嵌入式系统或者个人PC上,具有较高的运行效率,能缩短开发周期并降低成本。     

基于Matlab的概率神经网络的实现及应用

介绍概率神经网络(PNN)的模型和基本算法,以及利用M atlab神经网络工具箱设计PNN网络的方法和步骤,实现对网络的设计、训练、仿真。针对某水泥泵车臂架细部焊接结构的疲劳寿命实验数据,应用PNN的分类功能对实验数据进行训练仿真处理,得到对臂架细部结构疲劳寿命的预测分类结果,验证了此方法的可靠性。     

基于Matlab神经网络的图像识别

神经网络是信息科学、脑科学、神经心理学等诸多学科近年来共同关注的研究热点.由于神经网络具有良好的抽象分类特性,使其成为解决图像识别相关问题的有效工具.在简述图像识别过程的基础上重点讨论利用BP神经网络对图像进行识别,用Matlab完成对神经网络的训练和测试,获得满意的结果.     

基于BP神经网络的图像压缩的Matlab实现

BP网络是目前最常用的一种人工神经网络模型,它利用多层前馈网络的模式变换能力实现数据编码,直接提供数据压缩能力.在介绍BP网络图像压缩机原理及算法的基础上,通过计算机Matlab仿真实验实现数字图像压缩,并分析了各种参数对重建图像性能的影响.     

案例推理的故障诊断技术研究综述

基于案例推理(case-based reasoning,CBR)的故障诊断作为一种新的智能诊断技术,模拟人类求解问题的思路,通过历史案例发现新问题的解。概述了CBR的理论基础和基本原理;从工作过程和集成框架两个方面综述了CBR故障诊断技术的研究现状,其中工作过程包括案例的表示、检索和重用,以及案例库的维护,集成框架包括CBR与基于规则推理、CBR与人工神经网络以及CBR与多智能体等三种情况;比较了六种故障诊断技术的特点及应用范围;总结了CBR故障诊断技术有待解决的问题。     

基于多类别信息量的模糊Petri网故障推理策略

针对模糊Petri网推理模型膨胀、推理过程繁琐的问题,研究基于信息论方法的推理过程简化策略;利用自信息和熵函数的概念,提出了一种多类别故障特征信息量准则,给出了多类别故障特征信息量的具体计算方法;制定系统的故障推理策略时,首先选择故障信息量最大的故障特征进行测试,然后依据故障特征的测试顺序建立模糊Petri网模型,最后根据模糊Petri网模型进行故障推理;结论证明,该方法能够有效地进行故障推理,实现系统故障的动态和快速搜索。     

基于ANN的组合智能故障诊断专家系统的设计

介绍了基于ANN的组合智能故障诊断专家系统的总体结构和诊断模型,在此基础上给出了故障诊断系统的推理机制和诊断策略,并对其各诊断模块的诊断方法进行了较为深入的研究,为进一步开发基于某导弹通用测试系统的导弹故障诊断系统提供了主要的依据,具有一定的指导意义和实践价值。     

基于D-S证据推理的水轮机调速器故障诊断

为了更好地进行水轮机调速器的故障诊断，利用D—S证据推理对不同的神经网络技术得出的结果进行数据融合。仿真结果证实，利用D—S证据推理所得出的结论比单纯利用神经网络得出的结果要理想，它减小了误诊率，提高了水轮机故障诊断的准确率。     

基于车型识别的BP算法Matlab实现

车型识别具有广阔的应用前景,BP神经网络在车型识别中能够提高车型的识别率。在任何车型大致都可以抽象成一个"工"字型情况下,提取其中的顶长比、前后比和顶高比这三项相对参数作为BP神经网络的输入参数。采用三层3-8-3的BP神经网络,并用14对输入参数离线训练,再用4对新数据进行检验,均得到了预想的期望值。     

基于Matlab与声卡的低频信号发生器的设计与实现

介绍了用Matlab与声卡来实现低频信号发生器的设计过程.     

基于MATLAB的线性神经网络自适应预测的实现

设计了一个线性神经网络 ,并对其系统进行自适应预测。通过利用 MATL AB6 .5中的神经网络函数adapt对线性网络的自适应训练 ,网络能够随着被预测的模型的变化而相应地对网络的权值和阈值进行修正 ,从而实现对它的自适应预测     

BP神经网络在波音737自动刹车故障诊断中的应用

随着人工神经网络研究的兴起,智能故障诊断技术成为近年来人们研究的一个热点问题。自动刹车是飞机起降时的重要装置,需要定期对其进行故障检测,以免形成飞行安全隐患,是飞机故障诊断的一个重要内容。本文从传统的BP神经网络算法出发,通过算法改进建立了波音737自动刹车故障诊断的神经网络模型,通过提取故障样本对网络进行训练和诊断,仿真结果显示这种方法能较理想地对波音737飞机自动刹车系统的故障进行分析和检测,对于建立波音飞机的故障自动诊断系统具有重要意义。     

基于改进禁忌算法和ANN 的故障诊断推理

针对BP神经网络存在着容易陷入局部极小值且收敛速度慢的问题,提出了一种基于改进禁忌算法和ANN（Artificial neural network）结合的故障诊断模型．首先对故障诊断模型进行了定义,然后使用训练数据对网络的权值、阀值等参数进行训练,将训练结果作为改进禁忌优化算法的初始解进行全局寻优,对改进的禁忌优化算法进行了定义和描述,最后将全局寻优的结果代入神经网络中,使用测试数据进行故障诊断．通过仿真实验证明文中的方法与未经优化的ANN故障诊断模型相比,克服了传统方法的不足,具有诊断精度高、诊断速度快以及收敛速度快的特点．