采用BP神经网络记忆模糊规则的控制

本文提供了一种比模糊推理更为自然的方式使用人们的经验知识,通过一组神经元不同 程度的兴奋表达一个抽象的概念值,由此将抽象的经验规则转化成多层神经网络的输入一输 出样本.通过Back-Propagation学习算法使得网络记忆这些样本.控制器以"联想记忆"方 式使用这些经验.本文介绍了控制器的构造方法,给出了控制仿真结果,并讨论了这种控制器 的特点和发展前途.     

人工神经元网络在系统辨识中的应用

本文将人工神经元网络的非线性性和信息的分布性用于非线性静态模型的辨识.对化 工生产中的缩聚反应过程的辨识结果表明,用人工神经元网络来辨识非线性静态模型是可行 的,从而为系统辨识提供了一条新的途径.     

电路板故障诊断中神经网络信息融合技术的应用

将信息融合技术应用到导弹电子设备的电路板故障诊断之中．提出了一种基于红外热成像实验的温度故障隶属度函数构造形式以及改进的BP神经网络算法。进行了BP神经网络信息融合故障诊断的实验研究．从结果看信息融合能较好地解决电路板元件故障诊断的不确定性问题。     

改进BP网络在航材需求预测中的应用

针对航材备件需求预测问题,在对影响航材备件需求量的多个因素进行分析研究的基础上,运用改进BP神经网络算法进行预测的仿真实验。实验结果表明,改进BP神经网络能够对积累的历史数据进行充分的应用,并且有较高的预测准确性。     

人工神经网络技术在电工产品可靠性实验中的应用(理论部分)

本文简要介绍了人工神经网络，BP神经网络的结构、训练和学习规则以及人工神经网络非线性时间序列预测的应用概况。     

Probabilistic Bit Stream Neural Chip: Theory

A design for a neural network chip is proposed using probabilistic bit streams to represent real values. This paper analyzes the performance of the proposed neurons in this design and demonstrates that very simple operations can be used to obtain the desired functionality. It is also shown that a suitable ‘activation function’ for neurons of this type can be obtained using the interaction of two probability distributions. Finally, the paper introduces a variant of the back-propagation learning algorithm which involves computing the derivatives of the output with respect to individual weights in a network of such units.     

基于BP网络信息融合技术的电路板故障诊断

对基于BP神经网络的信息融合故障诊断技术进行了研究,将信息融合技术应用到某型反舰导弹俯仰综合放大器电路板的故障诊断中,并利用改进的BP神经网络进行数据融合,得到了较为理想的结果.研究表明,该方法能够较好地解决电路板元件故障诊断的不确定性问题.     

BP网络在蓄电池电压监测单元中的应用

为保证不间断电源可靠地工作,需要在线监测蓄电池的浮充电压。由于不知道准确的函数表达式,不能根据测量参数判断出蓄电池的状态。本文作者通过在微型计算机上运行的matlab软件,采用反向传播人工神经网络计算出精确的数据。再将这些数据存放在单片机内存中,通过查表的方法解决了蓄电池电压监测的困难。该方法在蓄电池电压监测仪中得到了应用。     

基于强化学习的股票预测系统的研究与设计

股票市场是金融分析领域中重要而困难的问题。股票数据的分析和预测具有重大的理论意义和诱人的应用价值。BP神经网络在目前的股票预测系统中应用广泛,但是作为有导师的学习系统,BP神经网络必须要求提供相关的经验数据才能正常运行。对此本文提出了一种基于强化学习BP算法应用于股票预测系统,通过强化学习体系来实现体统的自学习,通过网络集成来达到初始数据的预处理,提高系统的泛化能力,在实际应用中取的较好的效果。     

贝叶斯正则化神经网络预测金属晶体结合能的研究

采用贝叶斯正则化神经网络(BRNN)对61种金属晶体结合能进行了预测。对网络结构、训练集、预测集以及学习次数进行了优化，并用独立预测样本对贝叶斯正则化神经网络作了检验。预测结果表明，在推广能力方面，贝叶斯正则化神经网络优于熟知的反向传播(BP)神经网络和多元线性回归方法(MLR)。它可望成为元素和化合物构效关系研究的辅助手段。