BP神经网络在可靠性增长分析中的应用

为了提高可靠性增长分析的准确性,可以应用BP神经网络来产生与原数据统计规律相同的数据。应用具体的试验数据对这种方法进行了分析和验证,效果不错,在可靠性增长分析领域中,具有更多的系统研究和推广的价值。     

用于神经网络模式识别的一种改进的BP算法

在对采用BP算法的神经网络进行分析的基础上，针对标准BP算法的不足进行了改进，并给出了通过对作用函数进行修正后所得到的改进BP算法的应用实例。     

一种神经网络控制器的容错设计与可靠性评估方法

本文以应用于电力控制系统中的人工神经网络快速汽门非线性适应控制器为例,详细论述了一种神经网络控制器的容错设计与可靠性评估方法,文中首先提出网络可靠性研究的重要性,以及本文所提出和容错设计与可靠性评估方法的通用性,然后详细介绍了一种神经网络快速汽门非线性适应控制器的设计结构和容错设计原理,最后根据设计的结果,得出了可靠性评估公式及其推广。     

一种应用神经网络的成组问题实现方法

提出了一种新的成组算法－用神经网络中感知器模型来解决成组问题，此方法有较强的学习能力与容错能力，同时，它能直接给出瓶颈零件。     

神经网络在可靠性领域中的应用初探

本文是对神经网络在可靠性领域中应用的初探，论述了神经网络与可靠性有关的特点和在可靠性领域中的可能应用的方面，得出了神经网络在可靠性领域大有作为的结论。     

一种用于ATM业务量预测的神经网络模型

提出了一种用于ATM网络业务量智能预测的神经网络模型，并对随机产生的自回归型业务量进行了预测。模拟结果表明，与相关文献给出的神经网络模型相比，该模型不但收敛速度较快，而且推广能力强，提高了预测的精度和可靠性。     

一种用于图像二值化的细胞神经网络模型

本文提出了一种用于图像二值化的神经网络模型，它们称它为数字式细胞神经网络。它基于蔡少堂等提出的细胞神经网络概念，但采用了神经元离散时间的数字动力学技术，利用这个模型，只要通过简单的整数运算就可以并行高速地对灰度图像进行二值化，对于不同邻接和权值的选择得到了比传统二值化方法更自然的二值图像。另外，所提出的神经网络模型非常适合于数字ＶＬＳＩ实现。     

基于GA-BP神经网络的高质量配电网供电可靠性分析

阐述一种基于GA-BP神经网络的高质量配电网供电可靠性预测方法,筛选出若干项目指标作为输入样本,将逐项指标的历史数据归一化到同一数量级,通过GA-BP神经网络训练,探讨利用训练好的网络模型,预测目标年份的供电可靠性。     

一种基于FPGA的神经网络的实现

本文介绍了一种用 FPGA 实现神经网络的方法。它利用 FPGA 器件的可重构计算特性,把BP 算法分成三个执行阶段并顺序配置到 FPGA 中执行。这种方法有效地提高了 FPGA 硬件资源的利用率     

一种改进的Elman神经网络模型

本文首先详细地阐述了Elman神经网络的结构、原理和学习算法.为了进一步提高Elman神经网络的逼近能力和动态特性,我们提出了一种改进的Elman神经网络模型.这种新的Elman神经网络在关联节点与输出节点之间又增加了一组可调权值,利用误差回馈原理推导出了其相应的学习算法.仿真实验结果表明,改进的Elman神经网络比原来的网络具有更好的动态性能,对于贯序输入输出数据的逼近收敛速度更快.     

一种改进的结构自适应自组织神经网络算法

针对结构自适应自组织神经网络神经元分布的特点和节点生长-删除算法的局限性．提出了一种改进的结构自适应自组织神经网络。根据神经元的学习速率、领域、兴奋度及相似阈值等状态信息．该算法可适应地调整神经网络的结构，克服了现有结构自适应神经网络的局限性。具有很好的聚类和泛化能力。实验结果表明该算法对样本的聚类有很好的效果并且具有很好的泛化能力。     

基于联想记忆神经网络模型的BP算法

提出一种改进神经网络BP算法的识别训练系统。实验结果表明，基于联想记忆神经网络模型的BP算法，大大降低样本可变系统的网络训练次数。该系统有效降低样本可变系统的网络训练时间，为BP算法应用于对实时性要求高的场合提供算法基础。     

数字电路的最优神经网络模型及建立方法

本文研究电路的最优神经网络模型,获得了对任意结构的多输入多输出逻辑电路,都存在一种最优神经网络能表征电路的逻辑功能,通过求解一个线性方程组可以得到这种神经网络的结构.文中也给出了多输入基本门电路的最优神经网络结构及其能量函数的一般表达式.     

神经元网络超大规模集成电路（VLSI）的实现

本文用MOS电路模拟一个生物神经细胞,并构成人工神经元网络。文中还给出了神经元电路的调整和测试方法。其测试结果表明这些电路能较好地模拟神经细胞的生物功能。     

多层神经网络同伦连续BP算法的递归实现

本文提出了一种递归实现的同伦连续ＢＰ算法，该算法可有效地解决ＢＰ网络的全局收敛性问题，同时使网络具有很快的收敛速度。     

一种基于神经网络的卡尔曼滤波改进方法

卡尔曼(Kalman)滤波是一种基于最小方差估计的递推式滤波方法,它要求信号的状态模型是已知的,这就限制了它在实际中的应用。利用神经网络的良好的非线性映射能力对实际系统进行系统辨识,可以获得符合精度要求的系统状态方程,很大程度改进了卡尔曼滤波的效果。相对于一些经典的卡尔曼滤波改进算法,这种方法具有应用范围广和数学建模简单易行的优点。将神经网络与卡尔曼滤波相结合的方法用于图像复原实验,结果表明,该方法具有可行性和有效性。     

人工神经网络模型的对比分析及应用研究

20世纪80年代以来，人工神经网络技术在理论和应用研究方面有了快速的发展，并在众多科学领域取得了大量的应用研究成果。本文对近年来受到普遍重视的人工神经网络的典型模型的性质和学习算法等方面的研究做了较为详尽地叙述，并分析了各主要模型的应用及针对其缺点进行优化的问题。     

一种改进的量子神经网络训练算法

针对训练多层激励函数量子神经网络(MAF-QNN)时权值与量子间隔的目标函数存在冲突,导致收敛速度和网络性能下降的问题,该文提出一种改进的量子神经网络的训练算法。通过设计输出均方误差和这一目标函数对权值和量子间隔进行统一训练,同时引入Levenberg-Marquardt(LM)算法降低目标函数陷入局部极小值的概率,实现了对量子神经网络的高效训练。实验结果表明,该文提出的训练算法有效减少了迭代次数,显著提高了网络收敛精度,可应用于数据分类、函数逼近等场合,扩展了多层激励函数量子神经网络的应用领域。     

一种改进的EPON网络拓扑结构

首先介绍了EPON的几种现有网络拓扑结构。通过探讨网络的连通性和中心性，研究了EPON网络拓扑结构的可靠性。鉴于原有结构的特点，提出了一种适用于光纤用户接入网的改进的EPON网络拓扑结构。