梯度神经网络解线性矩阵方程之收敛性分析

为了求解线性矩阵方程问题,应用一种基于负梯度法的递归神经网络模型,并探讨了该递归神经网络实时求解线性矩阵方程的全局指数收敛问题.在讨论渐近收敛性基础上,进一步证明了该类神经网络在系数矩阵满足有解条件的情况下具有全局指数收敛性,在不能满足有解条件的情况下具有全局稳定性.计算机仿真结果证实了相关理论分析和该网络实时求解线性矩阵方程的有效性.     

基于二次型规划的平面冗余机械臂的自运动

提出一种基于二次型性能指标的方法,用于规划平面冗余机械臂的自运动轨迹．鉴于实际的机械臂都存在关节物理约束,该自运动规划方案考虑了关节极限和关节速度极限的躲避．提出了基于线性变分不等式的原对偶神经网络,并将其作为所对应的二次型规划方案的实时求解器．仿真结果证实了该基于神经网络的自运动规划方案的有效性．     

太阳能光伏系统MPPT控制算法的对比研究

根据光伏太阳电池板的内部结构和输出伏安特性建立光伏方阵的Matlab仿真模型,利用实测的气象光强数据对恒压跟踪法、爬山法、爬山改进法和INC法等4种光伏系统最大功率跟踪(MPPT)控制算法进行计算机仿真,评价每种算法在不同天气的光照变化条件下特别是光照强度迅速变化时的跟踪效果,得出各个算法的优缺点。仿真结果用于指导太阳能光伏系统最大功率跟踪器的设计及其控制算法的选择。     

切比雪夫正交基神经网络的权值直接确定法

经典的BP神经网络学习算法是基于误差回传的思想.而对于特定的网络模型,采用伪逆思想可以直接确定权值进而避免以往的反复迭代修正的过程.根据多项式插值和逼近理论构造一个切比雪夫正交基神经网络,其模型采用三层结构并以一组切比雪夫正交多项式函数作为隐层神经元的激励函数.依据误差回传(BP)思想可以推导出该网络模型的权值修正迭代公式,利用该公式迭代训练可得到网络的最优权值.区别于这种经典的做法,针对切比雪夫正交基神经网络模型,提出了一种基于伪逆的权值直接确定法,从而避免了传统方法通过反复迭代才能得到网络权值的冗长训练过程.仿真结果表明该方法具有更快的计算速度和至少相同的工作精度,从而验证了其优越性.     

基于曲波变换的分水岭算法及其应用

针对手背静脉图像的结构和特点,提出基于曲波变换的分水岭算法,对手背静脉图像进行骨架特征提取.文中对远红外手背静脉图像进行分析.实验结果表明,该算法能够有效地提取手背静脉骨架特征,在保持边缘信息的同时,大大减少局部最小值区域的数量,解决分水岭的过分割现象.同时该算法也为静脉骨架特征提取提供了新的途径.     

权值可直接算出的Legendre神经网络之隐节点数自动确定

隐神经元数目的确定在神经网络学习过程中有着重要的意义.然而,目前,还没有相应的确定性理论指导隐神经元数的设计.针对Legendre前向神经网络,在基于伪逆的权值直接确定法的基础上构造出一种神经网络隐节点数自动确定的算法.仿真结果显示该隐节点数自动确定算法能较快地找到最简化结构Legendre前向神经网络的隐节点数.