Recurrent neural network based prediction of epileptic seizures in intra- and extracranial EEG

Predicting the onset of epileptic seizure is an important and difficult biomedical problem, which has attracted substantial attention of the intelligent computing community over the past two decades. We apply recurrent neural networks (RNN) combined with signal wavelet decomposition to the problem. We input raw EEG and its wavelet-decomposed subbands into RNN training/testing, as opposed to specific signal features extracted from EEG. To the best of our knowledge this approach has never been attempted before. The data used included both scalp and intracranial EEG recordings obtained from two epileptic patients. We demonstrate that the existence of a “preictal” stage (immediately preceding seizure) of some minutes duration is quite feasible.  

非线性系统多步预测控制的复合神经网络实现

提出一种基于神经网络的非线性多步预测控制，采用由线性网络和动态递归神经网络构成的复合神经网络。在此基础上将线性系统的广义预测控制器扩展为非线性系统的多步预测控制器。通过对非线性过程ＣＳＴＲ的仿真表明，该方法的稳定性和鲁棒性明显优于线性ＤＭＣ预测控制。  

一种回归神经网络的快速在线学习算法

针对回归神经网络BP学习算法收敛慢的缺陷,提出了一种新的快速在线递推学 习算法.本算法在目标函数中引入了遗忘因子,并借助于非线性系统的最大似然估计原理成 功地解决了动态非线性系统回归神经网络模型权系数学习的实时性和快速性问题.仿真结果 表明,该算法比传统的回归BP学习算法具有更快的收敛速度.  

基于递归神经网络的一类非线性无模型系统的自适应控制

给出了基于递归神经网络非线性无模型的自适应控制方案，它具有灵活、简单、方法等特点，可以处理传统方法和非线性无模型系统自适应控制方法不能控制或控制效果不理想的非线性对象。理论分析和仿真结果证明了这种方法的优越性。  

基于Elman型回归神经网络的空燃配比优化控制

良好的空燃配比是提高燃烧效率、实现最佳燃 烧的重要保证．本文针对如何获得最佳空燃配比这一许多企业尚未解决的难题，提出了一种 基于Elman型回归神经网络的空燃配比优化控制方案．该方案应用某一加热炉的燃烧控制中 ，取得了良好的控制效果,具有较高的推广价值．  

基于DRNN 及其相应算法的非线性系统的状态预估

基于ＤＲＮＮ网络结构与动态ＢＰ网络的加速算法，研究磷酸羟胺法（ＨＰＯ法）己内酰胺生产过程中磷酸羟胺液的离子浓度与ｐＨ值的在线预估，为进一步探索羟胺反应器打下了基地。  

基于多层局部回归神经网络的多变量非线性系统预测控制

以罐式搅拌反应器为例，针对复杂多变量系统的强耦合性、非线性、时变性等问题，研究了多变量非线性系统的预测控制及改善控制性能的方法，采用多层局部回归神经网络离线建立预测模型，以偏差补偿和模型修正相结合的方式对预测模型进行误差补偿，以要线校正用于预测控制，通过对性能指标中的偏差项负指数加权，进一步改善预测控制性能，住址结果表明了控制算法的有效性。  

工程优化问题中神经网络与进化算法的比较

目前工程优化问题不仅种类繁多,而且各自采用的模型与方法迥异。从方法论的高度,将现有工程优化问题分为黑箱优化与白箱优化,然后推出各自的优化模型。对于黑箱优化问题,阐述了前向神经网络在系统逼近上的优势,以及进化算法与BP算法在求解神经网络权值上的优劣;对于白箱优化问题,阐述了进化算法与反馈神经网络的优缺点和目前流行的进化算法及其通用改进策略。通过分析,可以对目前的优化问题,以及神经网络与进化算法在其中的作用,有更加全面的认识。  

Elman人工神经网络的收敛性分析

应用Lyapunov稳定性理论分析了Elman人工神经网络的收敛性,讨论了基本的Elman人工神经网络收敛的充分条件,以及改进的Elman人工神经网络收敛的充分条件。  

非最小相位非线性系统的简单递归神经网络控制

从简单递归神经网络的统一结构出发设计了简单递归神经网络控制器，在引入了控制加权的目标函数下优化神经网络权值学习，因此是通常意义的神经网络控制的推广。证明了整个系统的稳定性，并通过仿真验证了控制器的有效性。