车轴参数化绘图及数控编程系统的开发

以火车轴为实例,应用VBA对AutoCAD进行二次开发,实现了火车轴的参数化绘图以及锻造程序的自动生成,从而提高了绘图效率,加快了新产品的研发速度;同时减少了由人为因素引起锻造程序出错而造成的废品,提高了经济效益.     

神经网络学习算法中的初始参数对泛化性能和效率的影响研究

该文的目的是研究影响神经网络的泛化性能和实时学习性能的因素。首先研究了初始权值的范围、学习率和正则项系数对泛化性能和学习速度的影响。基于此,提出了一种同时考虑这三种因素的混合学习方法,并动态地调整学习率和正则项系数。然后,通过几个不同问题的实例仿真,将几种不同的方法所取得的结果进行了比较,验证了所提出方法的有效性。最后是全文总结。     

一种新的模糊规则动态调整正则项系数的神经网络学习方法

从偏差－方差模型出发，提出了一种通过模糊规则推理动态调整正则项系数的新方法，并有效地确定了模糊推理规则和隶属度函数，并将该方法与BP算法和固定正则项系数的方法进行了比较，该方法具有精度高、收敛快和泛化能力高等优点，通过实例表明了该方法的有效性。     

神经网络的泛化能力与结构优化算法研究

从泛化理论、现有提高神经网络泛化能力的方法等几个方面总结了当前神经网络结构优化与泛化能力研究的现状。神经网络泛化能力的提高可通过神经网络结构的优化和正则化等方法加以实现。最后提出了今后研究的展望。     

一种模糊规则动态调整BP算法中参数的方法

文中首先对标准的ＢＰ算法进行了分析。然后在此基础上提出了通过模糊规则推理动态调整学习率和动量因子的改进的方法，并通过模糊推理系统实现了ＢＰ算法的模糊控制。最后通过实例将该算法与标准ＢＰ算法和Ｖｏｇｌ改进的算法进行了比较，实验结果表明通过模糊推理来改善神经网络的ＢＰ算法性能是一种很有前途的方法。     

权值初始化与激励函数调整相结合的学习算法

提出了一种基于独立元分析(ICA)方法的权值初始化方法和动态调整S型激励函数的斜率相结合的神经网络学习算法。该方法利用ICA从输入数据中提取显著的特征信息来初始化输入层到隐含层权值。而且通过使神经网络的输出位于激励函数的活动区域,对隐含层到输出层的权值进行初始化。在学习过程中,再对每个隐单元和输出单元的激励函数的斜率进行自动调整。最后通过计算机仿真实际的基准问题,验证了论文提出的方法的有效性。实验结果表明,所提出的方法能有效地加快多层前向神经网络的训练过程。     

模糊规则自动获取及其性能的分析

提出了一种基于模糊神经网络获取模糊规则及其进行模糊系统参数学习的方法,通过实例进行了自动列车运行系统仿真,总结了这种方法的特点。结论表明,所提出的模糊规则生成和模糊系统学习方法是行之有效的。     

基于邻域特征与聚类的图像分割方法

提出一种基于邻域特征和聚类的图像分割方法。该方法提取像素点的5维邻域特征,利用渐进聚类方法使同类元素具有较高的相似度、不同类元素相似度差别较大,从而对图像中的像素进行归类划分,实现目标图像的正确分割。实验结果表明,该方法能准确定位图像边缘,具有较强的抗噪性和较高的分割精度。     

一种基于并行覆盖前馈优先神经网络的说话人识别方法

为实现对说话人特征空间多聚类区的有效识别,提出一种基于并行覆盖前馈优先级网络(PcPONN)的说话人识别方法.该方法以LBG算法生成每个说话人特征空间初始的聚类中心,对本类样本按聚类中心分类后,用前馈优先级神经网络(PONN)对每个聚类区进行并行覆盖.相关实验证明,PCPONN符合说话人特征空间点的分布特点,得到更好的稳定性和更高的识别率.     

用于入侵的自适应遗传算法训练人工神经网络

给出了一种能和网络结构一一对应的、合适的染色体编码方法.用物种入侵的遗传算法训练人工神经网络,在入侵过程中,遗传算法自适应地调整交叉算子和变异算子.提出了一种根据平均适应度值确定入侵物种规模的方法,并详细描述了算法步骤,最后通过实验证明了本文算法的有效性和优越性.