进化神经网络研究综述

进化算法(EAs)与神经网络(NN)的结合已形成了一个新的领域一进化神经网络,在神经网络的研究中举足轻重。本文通过讨论和总结进化神经网络中的关键技术和现状，概述了其设计与构造的趋势。所讨论的是：(1)进化神经网络的研究方法；(2)进化模型；(3)应用实例及关键技术；(4)研究方向。     

广义神经网络系统与广义BP算法

本文在传统的神经网络理论基础上,将传统的神经元拓广为广义神经元,描述了以广义神经元为基础的广义神经网络系统的组成原理,提出了适应于广义神经网络系统的一种广义BP算法。并给出了该算法的数学推导,最后简要地介绍了广义神经网络系统原理在汉字识别中的应用。     

基于BP与RBF神经网络经济预测模型的研究

该文结合经济预测理论和BP神经网络算法和RBF神经网络的特点,研究浙江省基于BP神经网络算法和RBF神经网络算法的人工神经网络的经济增长预测.实证研究数据结果表明,人工神经网络具有较好的预测精度,但是各种神经网络进行经济增长预测的数据不一样,有些误差非常大.人工神经网络可以为宏观经济部门决策提供很好的参考依据.     

改进的动态模糊神经网络及其在人脸识别中的应用

结合动态模糊神经网络和补偿模糊神经网络,提出一种改进的动态模糊神经网络。首先介绍动态补偿模糊神经网络的结构和学习算法,然后将其用于人脸识别。对Weizmann人脸数据库和ORL人脸数据库的人脸图像识别实验表明,动态补偿模糊神经网络分类器算法性能优于一般的动态模糊神经网络。     

基于单输出型神经网络的血细胞分类研究

分别利用BP神经网络与单输出型神经网络对已经得到的血细胞特征参数进行计算,设计出分类器对血细胞进行自动分类识别。单输出型神经网络分类器与BP神经网络分类器相比,具有设计简单、收敛速度快、识别精度高且更加稳健的优点,取得了较好的应用效果。     

Book Reviews

Books reviewed:
Daniel Kustrin, Neural Network Analysis, Architectures and Applications
Simon O'Keefe, Fuzzy and Neural Approaches in Engineering
John McCardle, Neural Network Systems Techniques and Application     

Book Reviews

The Art and Science of Smalltalk: An Introduction to Object Oriented Programming Using VisualWorks Simon Lewis
The Book of GENESIS: Exploring Realistic Neural Models with the General Neural Simulation System James Bower and D. Beeman
The Book of GENESIS: Exploring Real istic Neural Models with the General Neural Simulation System James Bower and D. Beeman
The ISDN Literacy Book Gerald L. Hopkins
The Virtual Reality Casebook Carl Eugene LoeHer and Tim     

智能神经网络程序设计语言NIPL

将符号逻辑融合于神经网络之中,给出了智能神经网络程序设计语言ＮＩＰＬ的详细定义及其实现技术,使神经网络理论与传统人工智能理论的结合成为可能。     

一种基于动态权重的神经网络训练算法

提出一种基于动态粒子群算法的神经网络训练方法。神经网络权值选择是否合适直接关系到其非线性拟合能力,通过引入动态粒子群算法对神经网络进行训练,对神经网络各层连接权值进行优化。经过函数测试表明,相比粒子群算法,动态柱子群算法收敛速度更快且不易陷入局部,能更快更合理地训练神经网络从而优化网络连接权值。     

基于概率神经网络的垃圾邮件分类

概率神经网络是由Specht博士在1989年提出的一种径向基神经网络的重要变形。本文提出了把概率神经网络用于垃圾邮件分类,并通过Matlab仿真试验与贝叶斯分类器进行比较,得到了比较理想的结果。     

模糊神经网络PID控制在焊缝跟踪中的应用

1 Introduction Real- time seam tracking is the key step for welding automation. Because welding itself is a complex process, the factors that affect the welding have uncertainty and non - linear characters. Therefore, classical control in seam tracking cannot carry a satisfying result. In latter- day, Fuzzy mathematic and Neural Network appearance, being used on uncertain nonlinear system, and have a good effect. The hybrid controller, which combines Fuzzy con- trol and PID control, uses F…     

Complex Valued BP NN和Real BP NN 应用于图像复原的比较

该文首先探讨了将ComplexValuedBP神经网络(NeuralNetwork)和RealBP神经网络用于图像复原的优势比较。其次,用图像数据训练网络,再利用训练好的网络实现不同图像的复原。最后,对图像进行像素空间分布的分析来寻找原因。     

BP神经网络及其在数据分类中的应用

BP神经网络模型是一种典型的前向型神经网络,具有良好的自学习、自适应、联想记忆、并行处理和非线形转换的能力,是目前应用最为广泛的一种神经网络模型。本文介绍了BP神经网络的实现以及其在数据挖掘分类方面的应用。     

Resolution of pattern recognition problems using a hybrid Genetic/Random Neural Network learning algorithm

Gelenbe has proposed a neural network, called a Random Neural Network, which calculates the probability of activation of the neurons in the network. In this paper, we propose to solve the patterns recognition problem using a hybrid Genetic/Random Neural Network learning algorithm. The hybrid algorithm trains the Random Neural Network by integrating a genetic algorithm with the gradient descent rule-based learning algorithm of the Random Neural Network. This hybrid learning algorithm optimises the Random Neural Network on the basis of its topology and its weights distribution. We apply the hybrid Genetic/Random Neural Network learning algorithm to two pattern recognition problems. The first one recognises or categorises alphabetic characters, and the second recognises geometric figures. We show that this model can efficiently work as associative memory. We can recognise pattern arbitrary images with this algorithm, but the processing time increases rapidly.     

Novel Approaches to Probabilistic Neural Networks Through Bagging and Evolutionary Estimating of Prior Probabilities

In this contribution, novel approaches are proposed for the improvement of the performance of Probabilistic Neural Networks as well as the recently proposed Evolutionary Probabilistic Neural Networks. The Evolutionary Probabilistic Neural Network’s matrix of spread parameters is allowed to have different values in each class of neurons, resulting in a more flexible model that fits the data better and Particle Swarm Optimization is also employed for the estimation of the Probabilistic Neural Networks’s prior probabilities of each class. Moreover, the bagging technique is used to create an ensemble of Evolutionary Probabilistic Neural Networks in order to further improve the model’s performance. The above approaches have been applied to several well-known and widely used benchmark problems with promising results.      

在数据库中一种基于QPSO与BP神经网络的重复记录检测算法

在检测数据库重复记录的研究中,基于BP神经网络的检测（Duplicate Record Detection based on BP Neural Network,简称DRDBPNN）算法的性能与初始的参数设置有很大的关系,从而造成其性能不稳定的缺陷,因此本文提出了一种基于QPSO与BP神经网络的重复记录检测算法（Duplicate Record Detection based on Quantum Particle Swarm Optimization and BP Neural Network,简称DRDQPSQBPNN）。仿真表明,该算法能够有效地提升重复记录的检测效率。     

PSO-RBF神经网络在电机保护中的应用

针对电机保护只在被测参数达到或者超过设定动作阈值才动作,缺乏预测控制能力,设计了一种基于粒子群的径向神经网络。利用小波变换的时频分解能力、优异的奇异检测能力进行故障特征分量的提取;用粒子群算法和径向神经网络配合优化权重,从而使网络收敛快,训练时间短。通过电动机故障进行仿真实验,结果表明PSO-RBF神经网络实现了对故障的识别。     

基于深度卷积神经网络的图像检索算法研究

为解决卷积神经网络在提取图像特征时所造成的特征信息损失,提高图像检索的准确率,提出了一种基于改进卷积神经网络LeNet-L的图像检索算法。首先,改进LeNet-5卷积神经网络结构,增加网络结构深度。然后,对深度卷积神经网络模型LeNet-L进行预训练,得到训练好的网络模型,进而提取出图像高层语义特征。最后,通过距离函数比较待检图像与图像库的相似度,得出相似图像。在Corel数据集上,与原模型以及传统的SVM主动学习图像检索方法相比,该图像检索方法有较高的准确性。经实验结果表明,改进后的卷积神经网络具有更好的检索效果。     

基于Fuzzy ARTMAP神经网络的高分辨率图象土地覆盖分类及其评价

主要讨论了基于Fuzzy ARTMAP神经网络的高分辨率遥感图象土地覆盖分类方法及其实践．首先介绍了Fuzzy ARTMAP神经网络的原理，然后用SPOT XS图象试验数据进行土地覆盖分类．分类结果与传统的最大似然监督分类(MLC)、反馈式(Back Propagation，BP)神经网络的分类结果进行了比较．通过抽取500个样点对3种分类结果进行精度评价表明，Fuzzy ARTMAP神经网络相对其他两种方法，分类精度均有不同程度的改善，具有更好的分类结果，总分类精度比MLC和BP算法分别提高17．41％、7．32％．最后，对不同分类方法对于土地覆盖分类结果的影响进行了评价和分析．试验表明，Fuzzy ARTMAP神经网络用于高分辨图象土地覆盖分类研究可以获得相对较好的分类结果．     

基于改进LSTM的生鲜牛肉新鲜度预测模型研究

牛肉作为我国消费量较大的肉质食品,其新鲜度受到广泛关注。研究的主要目的是通过改进的循环神经网络模型对牛肉新鲜度进行预测研究。利用红外光谱技术采集了影响牛肉新鲜度的实验数据,即牛肉的系水率、pH值和TVB-N的含量。在利用改进的循环神经网络进行预测的同时,采用了循环神经网络做对比,通过计算均方根误差来评价模型的优势。实验结果表明,改进的循环神经网络均方根误差低于循环神经网络。同时这也证明了上述模型在食品预测方面具有较高的正确性,可用于对食品安全或者新鲜度进行预测。