二进神经网络非线性移位寄存器的综合

本文利用二进神经网络及其学习算法特点和对布尔函数的映射能力,设计了一个精巧的非线性移位寄存器的综合算法,同时得到序列非线性复杂度的移位寄存器的反馈布尔函数.此综合算法简单可靠,所需存储运算量小.     

基于激活函数四参可调的BP神经网络改进算法

为改善BP神经网络的性能,以标准Sigmoidal函数为基础,提出了一种四参数可调的激活函数模型.在学习过程中,它能同时对激活函数的陡度、位置及映射范围进行调节,具有更强的非线性映射能力.并推导出其在BP神经网络中的学习算法.仿真结果显示,改进后的激活函数与传统的标准Sigmoidal函数相比,收敛速度能提高10倍以上,收敛精度误差可减小到传统误差的0.4%以下,而且可以有效地减少隐层的结点数,学习能力可得到较大的提高.     

基于模糊RBF神经网络的超精密定位系统

设计了一种基于激光莫尔信号的超精密平面定位系统.针对精密定位系统存在非线性难以建立精确控制模型的缺陷,将不基于模型的模糊控制理论应用于精密定位控制系统中,并应用径向基函数(RBF)神经网络实现模糊控制器的输入输出映射关系,构造了神经网络模糊控制器模型,通过对光强及光强变化率的映射,得到电机驱动信号.改造后的模糊控制系统具有了知识自动获取功能,能更好地适应工况环境.实验结果表明,使用模糊神经网络控制,控制响应快、稳定性好及鲁棒性强,可有效提高定位精度及定位速度,系统可获得±0.5 μm的定位精度.     

神经网络理论及其在控制系统中的应用

本文叙述了人工神经网络的理论及其在控制系统中的应用，神经网络试图用数学模型来表示人脑的神经系统，因此神经网络期望获得相似于人脑系统的特性和能力，诸如并行处理，学习，非线性映射以及归纳推广。神经网络用于各种控制系统，使系统获得最佳控制。     

约束非线性规划问题的L1精确罚函数神经网络方法

 优化计算是神经网络的一个重要应用领域.针对已有神经网络求解约束非线性规划问题时,不能兼顾网络规模、计算效率、精确性的问题,本文提出了一种基于精确罚函数的约束非线性规划问题的神经网络计算方法.将约束非线性规划问题的一种L₁精确罚函数作为神经网络的能量函数,利用该能量函数的最速下降原理构造了神经网络的动力学方程并给出了其稳定收敛性说明.理论分析及算例仿真表明,所提出神经网络动力学方程能够全局、精确收敛于原规划问题的一个局部最优解.特别是,该神经网络动力学方程易于映射为动态电路,是一种工程优化问题的实时计算方法.     

四旋翼飞行器自适应PIDNN控制研究

针对传统四旋翼PID控制器参数整定困难和控制效果较难达到最优的问题,综合了传统PID控制器工程意义明确、参数整定简单以及神经网络的非线性映射和自学习的优点,构造了四旋翼飞行器神经网络PID(PIDNN)控制器。利用神经网络的非线性映射特点和自学习能力优化了传统PID控制器的控制效果,借助PID控制器的结构,解决了神经网络层数、节点数和连接权重初值选取困难的问题。同时利用自适应调整比例神经元加权系数,增加了系统的响应速度。最后,通过非线性全数值仿真验证了算法的合理性和有效性。     

火灾探测模糊神经网络的层次结构

应用多层次前馈网络构造模糊变量隶属度函数和模糊推理控制模型，使神经网络不再表现为黑箱式映射，其所有节点和参数都具有模糊系统等价意义。将模糊规则与隶属度函数用神经网络表现出来。利用神经网络的自学习特性，实现隶属度函数和模糊规则的自动提取，可优化调整隶属度函数，同时模糊系统也弥补了神经网络运算速度慢的缺点。     

基于改进适应度函数的遗传单神经元控制

介绍了一种基于改进适应度函数的遗传单神经元控制方法.通过利用遗传算法的全局寻优特性和神经网络对非线性函数较强的逼近能力,将改进的遗传算法和单神经元相结合,设计了一种遗传算法单神经元解耦控制器,实现了对炉群多变量燃烧系统的解耦控制.实验结果验证了这种方法是可行的.     

基于BP神经网络对非线性函数拟合

不确定性、非线性常存在于控制领域系统中,难以控制和分析。本文基于BP神经网络对非线性函数拟合进行研究。通过仿真验证了该方法对非线性函数拟合具有良好效果和适用性。     

基于神经网络仿射非线性系统滑模自适应控制

研究了一类单输入单输出仿射非线性系统的自适应控制问题.采用反馈线性化方法设计控制器,用神经网络逼近系统中的未知非线性函数,并在神经网络权值的自适应律中引入权值误差的概念,以改善系统的动态性能.同时采用滑模控制方法设计补偿器,提高了系统的鲁棒性.理论分析及仿真结果表明,所设计的控制器,不仅能解决该系统的轨迹跟踪控制问题,...     

神经网络在光电位置坐标传感器中的应用

光电位置敏感器件(PSD)是一种可直接对其光敏面上的光斑进行检测的光电器件,基于PSD可以构成多种非接触的高精度动态位移监测仪器.在PSD器件使用中的一个关键问题是如何克服器件本身的非线性,以提高监测的精度和可靠性.提出一种基于神经网络的PSD非线性补偿方法,利用神经网络具有逼近任意非线性函数的特点,通过训练使神经网络建立在PSD输出与其理想值之间的非线性映射关系,实现PSD非线性补偿.计算机仿真表明,该方法不仅能有效地消除非线性的影响,而且能在神经网络的输出端得到期望的线性输出.     

基于动态小波神经网络非线性预测的语音编码系统

现在,所有的语音编码系统都采用线性预测技术,但对于本质非线性的语音信号而言,线性预测是不够的.因此,本文提出一种带反馈单元的动态小波神经网络并将其应用于语音编码系统,并对其函数逼近能力和学习高维函数的优越性进行分析.由于反馈单元的内部记忆能力,动态神经网络具有对长时相关的预测能力并能在一定程度上克服小波神经网络的"维数灾难"问题;在对语音信号的预测中,动态小波神经网络预测器的预测性能很好,虽然其预测阶数很低(仅为2).由于预测器较好的预测性能,当将此预测器用于语音编码系统中的后向预测时,实验结果表明:新系统的恢复语音平均分段信噪比比ITU的G.721标准提高3～4dB但二者码率相同.另外非线性预测语音编码系统的计算量是可以接受的.     

混沌跳频通信的非线性自适应预测对抗

基于混沌跳频码序列构造固有的确定性、非线性等特点,提出了对抗混沌跳频通信的非线性自适应预测对抗的新概念.以Logistic-Kent映射设计的混沌跳频码为例,采用基于Sigmiod函数的Volterre自适应滤波预测器对其进行预测研究.仿真实验结果表明非线性自适应预测器比神经网络预测器具有更高的预测对抗效果.     

四旋翼PIDNN控制器设计

针对传统四旋翼PID控制器参数整定困难和控制效果难以达到最优的问题,综合了传统PID控制器工程意义明确、参数整定简便以及神经网络的非线性映射和自学习的优点,构造了四旋翼神经网络PID(PIDNN)控制器。以神经网络的非线性映射特点和自学习能力优化了传统PID控制器的控制效果,借助PID控制器的构造特点,解决了神经网络层数、节点数和连接权重初值选取困难的问题。最后,通过仿真实验验证了算法的合理性和有效性。     

基于神经网络的模糊认知图的演化研究

提出一种基于神经网络的模糊认知图的演化模型，利用神经网络的高度非线性映射能力和演化算法的全局寻优能力克服了的模糊认知图部分缺陷，增强了系统的知识表达和推理的能力。     

基于神经网络的参差MTI无模糊测速

针对MTI(Moving Target Identification,动目标显示)脉冲串线性处理方法速度模糊严重的情况,应用BP(Back Propagation,反向传播)神经网络对参差MTI的速度模糊函数进行优化.通过神经网络的非线性映射能力,使MTI参差脉冲串的多普勒响应接近理想的狄拉克函数,从而解决了传统线性方法对于参差脉冲测速的模糊.仿真结果表明,对于某典型6脉冲MTI回波序列,测速精度可达到5m/s.     

RBF神经网络及其在基于输出的客观 音质评价中的应用

针对汉语连续语音,本文提出了采用径向基函数神经网络(RBFNNs),对基于输出的语音质量进行客观评价的一种新方法——RBFOBSQ(Output-Based Speech Quality Using RBFNNs).该方法采用Mel倒谱对语音系统输出端的待测语音信号进行特征参数提取,然后通过RBF神经网络完成特征参数到主观评价MOS分的非线性映射,其映射值即为仅依赖于输出的客观音质评价结果,其与主观评价MOS分的相关度,当采用训练集样本时达到0.92以上,而采用测试集样本时达到0.88以上.     

多项式感知器的非线性映射性能分析及其格型实现

本文详细分析了多项式感知器的非线性映射性能，证明了满足Ｓｔｏｎｅ－Ｗｅｉｅｒｓｔａｓｓ定理的多项式感知器可以逼近任一连续函数，并具有与四层神经网络相一致的非线性映射能力。导出了便于ＶＬＳＩ实现的多项式感知器的格型实现算法。进行了计算模拟，并给出了相关的数值结果。     

具有非线性映射特性的量子神经元

介绍了与量子神经网络相关的量子计算基础，描述了一种量子神经元模型，分析了该模型的量子运算特性。分析和实验证明单个量子神经元能实现经典神经元无法实现的XOR函数，并具有与两层前向神经网络相当的非线性映射能力。     

基于正交校正共轭梯度法的快速神经网络学习算法研究

前馈神经网络由于具有理论上逼近任意非线性连续映射的能力,因而非常适合于非线性系统建模及构成自适应控制。为了提高前馈神经网络的权的学习效率及稳定性,该文提出一种基于正交校正共轭梯度优化方法的快速神经网络学习算法,通过与其它学习算法(如:BP算法、变尺度法、用差商近似代替导数的Powell法等)的比较,经仿真试验表明,本算法是一种高效、快速的学习算法。