以高维输入神经网络作为生产线产品质量模型

探索用高维输入的神经网络对复杂工业生产过程的建模方法。针对网络输入变量维数较高的特点,提出一种ＢＰ网络各权重独立训练的分散训练方法。该方法用附加大惯性项来协调各个权重的优化训练,运用非线性优化方法调节步长。与用普通的ＢＰ训练方法相比,用该方法训练高维输入的ＢＰ网络具有较快的收敛速度和较高的模型精度,较好地解决了实际生产过程的产品质量模型问题。     

一种基于动态人工神经网络的Wiener模型辨识

提出了一种新的辨识模型对Ｗｉｅｎｅｒ模型进行辨识,该模型 线性动态神经元串联一静态网络模型组成,利用线性动态神经元对Ｗｉｅｎｅｒ模型的线性动态部分建模,利用静态ＢＰ网络逼近模型的静态非线性部分,并且给出了统一的ＢＰ辨识算法,仿真结果表明了该方法的有效性。     

Shared-nothing并行数据库系统查询优化技术

查询优化是并行数据库系统的核心技术。该文介绍作者自行研制的一个Ｓｈａｒｅｄ－ｎｏｔｈｉｎｇ并行数据库系统ＰＢＡＳＥ／２中独特的两阶段优化策略。为了缩减并行相称优化庞大的搜索空间,ＰＢＡＳＥ／２将并行查询优化划分为顺序优化和并行化两个在阶段。在顺序优化阶段对并行化后的通信代价进行预先估算,将通信开销加入顺序优化的代价模型,同时对动态规划搜索算法进行了修正和扩展,保证了顺序优化阶段得到的最小代价计划在     

一种鲁棒BP算法及其在非线性动态系统辨识中的应用

利用多层前馈神经网络的非线性建模特性，基于动态ＢＰ网络的串并联和并联模型，提出了一种高鲁棒性ＢＰ算法，与传统的ＢＰ算法相比，鲁棒ＢＰ算法有５个优点：（１）适合于非线性动态系统辨识，（２）辨识精度高；（３）不必内插所有训练样本；（４）具有高鲁棒性，能抵制过失误差和量测误差；（５）收敛速度得到了改进，因为错误差样本的影响得到了适度的抑制，把该算法用于非线性动态系统辨识，仿真结果表明此方法是有效的。     

柴油机转速智能控制系统仿真

以12V180柴油机为对象，建立了柴油机简化传递函数和执行器模型。控制方法采用PID控制，并利用遗传算法优化控制器参数，对柴油机动态调速过程进行了仿真分析，在30s和60s时分别突加和突减50％负荷，并列出了柴油机各参数在负荷突变时的仿真结果。仿真结果和基于Z—N（Ziegler—Nichols）法的参数整定方法做了比较，结果表明遗传算法的性能远优于传统的参数整定法。     

基于神经网络的系统优化与参数估计集成研究（ISOPE）方法

提出了两种基于神经网络改进的系统优化与参数估计集成稳态优化算法，其中利用动态信息建立动态ＮＮ模型用于过程稳态优化。目的是为了克服ＩＳＯＰＥ算法对真实过程的摄动，减少ＩＳＯＰＥ算法设定点变动次数，充分利用过程动态信息，仿真结果验证了两种改进算法的优越性和有效性。     

基于遗传算法的神经网络自适应控制器的研究

提出了一种基于遗传算法的神经网络自适应控制方法。该方法是针对ＢＰ算法训练神经网络控制系统时收敛速度慢、动态特性不够理想等不足，用改进的遗传算法来优化神经网络辨识器与控制器的参数，以提高控制系统的性能，仿真实验表明该控制器对于非线性、时变、滞后等对象都具有很好的控制精度、鲁棒性和动态特性。     

BP神经网络模型的优化

文中综述了ＢＰ神经网络模型的一些优化方法,并对这些方法进行了分析,最后提出了存在的问题和进一步的工作。     

利用多尺度分析方法求解KdV方程和KdV—Burgers方程的格子Bo…

本文建立了用格点法解一般偏微分方程（ＰＤＥ）的理论框架，构造出求解ＫｄＶ方程及ＫｄＶ－Ｂｕｒｇｅｒｓ方法的三速格子ＢＧＫ模型，引进三种时间尺度，利用多尺分析求出Ｂｏｌｔｚｍａｎｎ演化方程的平衡分布函数。     

基于资源共享的柴油机行业异地协同工作技术

基于柴油机行业提出制造业的异地协同工作模型,并提出基于资源共享的协同设计思想和协同制造模型.建立动态BOM和动态工艺路线,用邻接矩阵理论来解决协同企业之间的动态工艺路线问题.通过实例反映了协同企业之间的信息和资源共享.