过程神经网络的训练及其应用

研究过程神经网络的学习算法及其在过程模式识别中的应用。针对权值基展开的过程神经网络讨论了权值基的选取规则和对采样曲线的标准化处理问题，给出了含一个隐层的过程神经网络的误差反传播学习算法。以聚合化学反应和渗流实验两个具体实例验证了算法的有效性，也说明了过程神经网络的广泛应用前景。  

基于频域系统辨识和支持向量机的桥梁状态监测方法

随着大跨度悬索、斜拉桥的增加,保障桥梁安全、降低维护费用成为交通管理以及政府部门关注的问题。针对损伤样本难以获得的实际情况,将桥梁状态监测问题作为模式识别中的“一类学习”问题处理。桥梁模式特征获取过程是“只有输出响应”的系统辨识问题,考虑到监测系统需要在线工作的特点,提出运用概念直观、结果可靠且便于自动实现的CMIF系统辨识方法作为获取模式特征的工具。为了获得足够敏感的异常报警判别函数,采用了基于支持向量机的一类学习算法,这种方法在得到很高灵敏性的同时,可以方便地权衡敏感性和泛化性能之间的矛盾。用香港汀九桥794小时实测数据对所采用的算法进行验证,证明了算法的有效性和实用性,其结果可供设计类似监测系统时参考。  

基于依存分析和贝叶斯网络的无指导汉语词义消歧

采用基于依存分析改进贝叶斯网络的无指导的机器学习方法对汉语大规模真实文本进行词义消歧实验。该学习算法充分利用依存文法分析确定能够对词语词义构成内在限制的上下文，有效地克服了简单贝叶斯分类器中无关上下文造成的噪声影响。实验结果证明基于依存改进的贝叶斯模型在汉语词义消歧上表现良好，开放测试正确率可达86.27％。  

一种新型回归支持向量机的学习算法

支持向量机(SVM)是一种基于结构风险最小化原理的学习技术,也是一种具有很好泛化性能的回归方法,本文对标准支持向量机稍作改动,提出了一种新型回归支持向量机,并推导出它的对偶表达方式,随后利用一个优化定理设计了一个多变量更新学习算法,该算法能单调收敛于极值点,并具有简单的迭代方式,仿真实例说明所提出的回归支持向量机及其训练算法具有较好的学习性能.  

基于模糊神经网络控制的混合式步进电动机伺服系统研究

在对二相混合式步进电动机实行最大转矩／电流矢量控制和IP位置控制的基础上，为克服参数时变和外界扰动对系统性能的影响，设计了一种新型高性能的参考模型自适应模糊神经网络控制器。实验结果表明所设计的位置伺服系统具有良好的性能。  

模糊神经网络的快速学习算法研究

对模糊神经网络的快速学习算法进行了研究，提出ＦＮＮ的最小二乘－单纯形产算法。解决了ＦＮＮ采用梯度型算法学习时所固有的局部收敛问题及跗算法在线应用的问题。与梯度型算法以及ＧＡ相比，ＬＳ－Ｓｉｍｐｌｅｘ算法具有更高的学习精度和更快的收敛速度，所得的ＦＮＮ具有良好的泛化性能。  

工业用神经PH值检测仪的研究

研究发现，随着酸碱浓度及温度变化范围的增大，其电导率与ＰＨ值和温度之间呈严重非线性函数关系。本文应用ＰＢＰ神经网络和ＧＡ－ＢＰ学习算法，对不同浓度区的非线性测量方程进行神经统计建模，实现了大范围的非接触式ＰＨ值在线检测仪的研制。  

基于神经网络的机器人模型参考自适应控制的研究

提出一种新的基于神经网络的机器人模型参考自适应控制方法，采用动态对角回归神经网络作为辨识器和控制器，实现了机器人轨迹跟踪的最小误差控制，给出了神经网络的学习算法，通过实例仿真证明了控制方法应用于未知模型机器人系统的正确性和有效性。  

基于BP网络的管道自适应有源消声研究

由于管道有源消声系统的参数时变性和本质非线性，基于传统自适应算法的控制系统稳定性不够，容易产生振荡．文章采用神经网络BP算法，利用Matlab6．0建立了管道有源消声的仿真控制系统．通过与采用传统自适应算法的控制系统进行仿真研究对比，证明采用神经网络BP算法的控制系统消声效果更加明显．  

一种基于模糊神经网络的非线性系统故障诊断方法研究

提出了一种基于模糊神经网络的非线性系统故障诊断方法．利用模糊C-均值聚类法对测量空间进行分割，再利用模糊规则对分割后的子空间分别采用BP网络进行逼近，从而获得不同子空间故障输出与测量输入的非线性动力学特性．计算机仿真表明该网络具有良好的泛化性能，方案可行．