基于语义网络的神经网络系统

文章通过分析语义网络知识表示及神经网络研究的各自特点与现状,提出了将基于语义网络的知识表示方法引入神经网络知识处理中的设想,并作了一些初步的探讨。     

基于神经网络的多过失误差侦破方法的研究

基于神经网络的过失误差侦破方法具有简单、计算量小和适于在线应用的优点，并且相对于传统方法具有处理非线性问题能力较强的特点。但是在侦破多过失误差时，现有的直接侦破法和序列侦破法的侦破率较低。针对这一情况，本文提出了将神经网络和测量数据检验法相结合的侦破多过失误差的新方法，该方法首先利用神经网络较强的鲁棒性和容错能力对数据进行处理，然后再进行过失误差侦破。实例研究表明，这种方法能够有效地提高多过失误差共存时的侦破能力。     

知识图谱增强的图神经网络推荐研究进展

已有推荐方法主要基于用户与项目的历史交互行为,未充分运用用户及项目相关特征信息,推荐效果并不理想。知识图谱（knowledge graph,KG）增强的图神经网络（graph neural network,GNN）推荐,是以用户与项目交互行为构建的交互图为基础,引入同为图结构的知识图谱,并运用图神经网络技术进行处理,从而实现个性化推荐。深入探讨了现有知识图谱增强的图神经网络推荐研究进展。首先在对图神经网络推荐和知识图谱推荐进行探讨的基础上,从项目知识图谱和协同知识图谱视角,深入分析了当前知识图谱增强的图神经网络推荐取得的相关研究成果;然后从大规模动态知识图谱处理、用户对项目属性的偏好挖掘、知识图谱的图嵌入学习等方面,指出了已有知识图谱增强的图神经网络推荐研究存在的主要问题;最后从动态时序知识图谱增强的GNN推荐、元学习的知识图谱增强GNN推荐、多模态知识图谱增强的GNN推荐、知识图谱增强的GNN跨领域推荐等方面,展望了知识图谱增强的图神经网络推荐未来主要研究方向。     

专家神经网络的构造研究

专家神经网络是由专家系统产生出的事件驱动无环路神经对象网络。这些神经对象处理信息的非线性复合函数比正常的神经网络结点处理器更复杂。本文研究了无环路网络的ＢＰ学习算法,这一算法将传统ＢＰ算法与专家神经网络特征结合起来,提供了一种获取知识的方法。     

基于移动端的场景分类模型

对移动神经网络进行研究,在此基础上提出一种端到端的高效运行于移动端的场景分类模型。在同一个网络中使用多分辨率输入的方法进行训练,在预测时只将原图处理到指定分辨率,不进行multi-crop预测;将网络在中层提取的局部信息和在高层提取的全局信息进行融合;根据提出的相似类知识迁移的模型压缩方法对网络进行训练。实验结果表明,与现有的移动神经网络相比,该模型的识别准确率更高。与端到端的场景分类模型相比,该模型能在模型大小只有其1%的情况下取得同等或更高的识别准确率。     

聚合物分子量分布的多变量动态系统模型

为了解决聚合产品分子量分布控制的难题,将神经网络引入对其进行了无需任何系统内部先验知识的黑箱建模。所使用的神经网络是由B样条神经网络和非线性递归神经网络(DRNN)组合而成,并使用误差反传算法对网络进行训练和学习,从而建立了多变量动态系统的分子量分布模型。在模型建立中将控制变量与分布参数的函数关系利用非线性递归神经网络描述,分子量分布函数使用B样条神经网络表示,仿真研究结果证明该方法取得了预期的建模效果,具有一定的推广实用价值。     

基于动态知识图谱和深度神经网络的会话推荐方法

基于深度神经网络对会话进行建模的方法在处理会话序列数据时忽视了项目动态知识和会话中的操作行为,影响了推荐的准确性问题,为此提出基于动态知识图谱和深度神经网络的会话推荐方法。分别采用图神经网络和循环神经网络学习项目序列和操作序列的特征表示,结合动态知识图谱的项目知识进行建模以达到动态推荐的目的。实验结果表明,该方法能够提高推荐结果的准确性,更为有效预测用户的下一个交互项目。     

神经网络的知识表示

神经网络是一类新型的信息加工系统,人们对它的能力和性质有极大的兴趣,并广泛地开发使用这种计算。神经网络的并行分布性质,可以通过大的网络和相对基本的处理单元,以我们所观察到的生物神经网络的形式联接而实现。这样一个系统适合于大规模集成电路构造,可以模拟一些惊人的感知和认知过程、形象思维、直觉顿悟、分布式记忆和自学习自组织过程。在传统的人工智能和知识工程中,人们习惯于知识表示假说,即知识以一些表达式的形式或数据结构符号来表示,这些表示的处理可以产生有用的结果(即已存在表示的逻辑结果)。但当开始进一步研究神经网络和神经计算时,我们认为在神经计算中,处理就是表示,即处理将知识编码,没有地方也没     

异类传感器智能化信息融合理论与算法

主要研究了多传感器智能化信息融合算法、异类传感器信息融合中的时间配准及空间对准算法，提出了一种基于均衡信度分配准则的冲突证据组合算法。1、在经典粗糙集理论方法研究推广的基础上．提出了一种新的基于随机加权粗糙集模型的特征知识提取方法和利用阵列神经网络技术、模糊神经网络技术进行目标识别融合的计算方法。2、研究将知识发现技术和数据挖掘技术相集成．给出了动态目标识别融台的体系结构。3、针对目标综合识刷中冲突信息的组合问题．     

基于神经网络和SVM配送中心选址研究

在研究以前学者用神经网络研究配送中心选址的基础之上,提出一种研究配送中心选址的新算法,即结合神经网络和SVM的算法,并使用不同的方法进行比对试验。通过利用神经网络和SVM处理数据,比较客观地对多个候选方案进行评价,并且举实例说明该算法的实现过程。     

基于BP神经网络的C3I系统效能评估

通过对C＾3I系统的分析，建立C＾3I系统效能评价的指标体系。把神经网络的相关知识应用到C＾3I系统效能评价中,得到了相应的BP神经网络评价模型，应用MATLAB的神经网络工具箱可以很方便的进行BP神经网络的训练和仿真，通过一些C＾3I系统的实例计算验证了模型的正确性。     

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。     

井矿盐水溶开采实时故障诊断专家系统的建立

本文介绍了在岩盐水溶开采实时故障诊断专家系统建立过程中，应用符号处理和人工神经网络相结合的方法，对故障概念知识的表达以及诊断模型的确立。该系统已在四川长山盐矿初步运用并取得满意效果，增加了井盐开采过程中故障判断的及时性和准确性，延长了卤井生产安全期，提高了经济效益。     

A dynamic neural net to compute convex hull

Computing the convex hull of a planar point set is a well-known problem and several conventional algorithms are available to solve it. We have formulated this problem into a self-organizing neural net model. Self-organization is a learning phenomenon that works in the human vision system. In this paper, an artificial self-organizing neural net model is suggested. The net is dynamic in the sense that it can automatically grow itself without supervision and hence no prior knowledge on the number of processors is required. It has been established that such a net can compute the convex hull of a planar point set. Experimental results have been provided. Such a formulation helps parallelism and the biological modeling of the problem.     

基于小波神经网络的结晶器漏钢预报技术研究

介绍了预报粘结性漏钢的基本方法,并对结晶器热电偶测得的大量温度数据进行预处理,再利用小波神经网络技术对经过预处理的检测数据进行训练,优化神经网络系统的结构和参数,识别出具有漏钢征兆的波形,提高了预报系统的精度和快速性;给出了用MATLAB实现的网络训练和测试的仿真结果,同时用VC开发了能识别结晶器内单偶、横向、纵向漏钢征兆温度波形的仿真系统。     

两种优化训练的FNN在船舶柴油机故障诊断中的性能研究

本文针对船舶柴油机故障诊断系统,基于遗传算法（genetic algorithm,GA）和蚁群优化算法（ant colony optimization algorithm,ACOA）构造了2种优化训练的模糊神经网络（fuzzy neural network,FNN）智能故障诊断模式,给出了该模糊神经网络智能故障诊断系统的结构及其参数选取方法,通过对船舶柴油机燃烧子系统的FNN模型结构权值和阈值优化训练的故障诊断仿真研究,对两种方式的性能进行对比研究,仿真测试结果表明,基于ACOA的诊断模型具有更好的故障诊断知识表达准确性和较快的收敛速度等特点,具有较好的应用前景。     

基于神经模糊逻辑的显著误差检测方法

将神经网络和模糊逻辑有机结合起来的神经网络模糊逻辑系统，具有自组织和监督学习样本、自动构造和发展模糊规则、发现和优化输入输出隶属函数等优点，从而使系统具有较快的收敛速度。将它应用于化工稳态过程中测量数据的显著误差检测，并与传统的显著误差检测方法相比，结果表明了此方法的有效性。     

Nonlinear optimized adaptive trajectory control of helicopter

This paper attempts to develop an optimized adaptive trajectory control system for helicopters based on the dynamic inversion method. This control algorithm is implemented by three time-scale separation architectures. Pseudo control hedging (PCH) is used to protect the adaptive element from actuator saturation nonlinearities and also from the inner-outer-loop interaction. In addition, to augment the attitude control system, two online adaptive architectures that employ a neural network are used. By tuning the neural network based on the system model, a better and faster learning will be achieved, but this is a frustrating and time consuming process. Due to complexity in accurate tuning of neural network, this paper introduces a non-dominated sorting genetic algorithm II (NSGA-II) for off-line optimization of the neural network. Thus, in the proposed method, the neural network can compensate model inversion error caused by the deficiency of full knowledge of helicopter dynamics more accurately. The effectiveness of proposed method is demonstrated by numerical simulations.     

模糊神经网络在商业规则数据挖掘中的应用*

利用模糊系统对规则提取的优势弥补了神经网络可解释性差的缺点,并使用模糊神经网络来进行商业规则数据挖掘。通过建立模糊神经网络对训练好的网络进行剪裁,最后提取模糊商业规则,说明了商业规则数据挖掘的全过程,并对其中重点算法进行了描述和改进。给出的实例证明了该方法的有效性。     

一种人工神经网模型及其在专家系统中的应用

本文提出了一种新的人工神经网模型,这一建立于感知机和线性机基础之上的多层网络模型,可用以处理模糊分类的问题,这个模型作为知识库,被应用于一个生产决策专家系统,在学习功能,运行速度,对新问题的适应性和对输入数据的容错性等方面,均优于原来的系统,取得了令人满意的效果。