基于模型输出敏感度分析的动态神经网络结构设计

神经网络的性能由其训练算法和拓扑结构共同确定。为了解决设计网络结构的动态调整问题,论文给出了一种神经网络结构动态设计方法。以隐含层神经元输出的贡献对模型输出敏感度进行分析,从而调整神经网络结构,对贡献太小的神经元予以删除,对贡献值太大的神经元利用最邻近法在其附近插入新的神经元。通过对非线性函数进行逼近和对非线性系统关键参数进行预测证明了该方法的有效性。     

一种神经网络快速修剪算法

 通过分析非线性函数各输入参数对函数值的影响,发现当输入参数间无相互作用时,表征其灵敏度的傅立叶振幅主要集中在基频上。基于该发现,提出一种基于扩展傅立叶振幅灵敏度方法的神经网络隐含层神经元快速修剪算法。其实质是通过计算神经网络隐含层各神经元输出的指定基频上的傅立叶振幅,求取隐含层神经元对神经网络输出的灵敏度。根据各神经元的灵敏度,按照一定的准则削减冗余神经元,获得紧凑的神经网络结构。将提出的神经网络结构修剪算法用于污水水质参数化学需氧量(COD)的软测量过程中,实验结果与扩展傅里叶振幅灵敏度算法相比,在修剪效果相同的情况下,其运行时间得到明显减小。     

一种动态筛选样本的前向神经网络快速学习算法

从理论上讨论了一类隐含层激励函数满足Mercer条件的前向神经网络学习问题,分析了提高网络学习速度的途径,提出了一种动态筛选样本的前向神经网络快速学习算法。它大大提高了网络学习速度,克服了传统的基于梯度下降的网络学习方法存在的诸多弊端。算法还具有动态确定隐含层神经元数的自构性优点。文中通过具体数值试验验证了上述算法的可行性和优越性。     

基于分解技术的动态结构神经网络

本文提出了基于分解技术的动态结构神经网络算法，这种算法能通过分析网络输入输出了空间的维数，确定每一隐含层神经元数目，为了加快学习效率，采用变误差混学习算法，仿真结果验证了这种算法的有效性。     

森林冠层氮含量遥感估算

使用高光谱数据估算叶片与冠层尺度的森林氮含量.首先采用基于高斯误差函数的BP神经网络Erf-BP建立叶片尺度氮含量的遥感估算模型;其次根据几何光学模型原理,推导冠层光谱与叶片光谱的尺度转化函数,将Hy-perion影像的冠层光谱转换到叶片尺度并反演叶片尺度的氮含量;最后,利用森林结构参数LAI得到研究区域冠层尺度氮含量.结果表明,隐含层包含8个神经元的Erf-BP模型最优,检验精度为76.8597%;利用尺度转化函数估算670 nm和865 nm冠层光谱与实测光谱决定系数为0.5203和0.4117;反演叶片尺度氮含量与实测数据的决定系数为0.7019;该方法为高精度快速估算叶片和冠层尺度森林氮含量提供参考.     

无源雷达目标识别的神经网络模型构建

针对当前无源雷达目标识别存在的识别率低和容错性不足等问题,构建了一个基于BP神经网络的目标识别模型。围绕无源雷达目标识别效率提升和智能解决方案的构设问题,梳理总结了神经元原理、常用神经网络结构、激活函数和学习算法,设计了无源雷达目标识别总体流程,具体构建了神经网络目标识别模型,包括网络结构、隐含层节点数确定等,并给出了样本训练、测试和目标识别的工作流程,为无源雷达目标识别提供了方法途径。最后,给出了一个仿真实例,验证了模型的有效性。     

混合粒子群算法优化神经网络的研究

针对BP神经网络初始权阈值的确定所具有的随机性和各个隐含层神经元数的不确定性,通过利用混合粒子群优化算法来同时优化神经网络的初始权阈值和结构.首先通过混合粒子群优化算法来确定一个较好的搜索空间,然后在这个解空间里再通过BP算法对网络进行训练和学习,搜索出最优的网络结构和权阈值.通过Iris模式分类、Wine模式分类问题和广义异或问题来对该模型进行训练和测试,相比遗传算法等其他算法,该模型可以获得更高的正确识别率,结果表明此方法是可行的.     

质子交换膜燃料电池性能影响的分析

质子交换膜燃料电池(PEMFC)由于结构及工作原理的特点,在发生电化学反应过程中不产生任何污染气体,被世界认为最环保能源。本文通过对燃料电池内部结构具体研究分析,详细的测试了不同紧固作用的改变对PEMFC工作性能的影响。研究结果表明随着夹紧力的增大,孔隙率会逐渐减小,并且会影响催化层和扩散层的水含量,直接影响电池性能。     

HBF神经网络的一种结构自适应在线学习算法

超级基(HBF)神经网络是高斯RBF神经网络的泛化形式,针对该神经网络文中提出了一种可增加或删除隐含层节点的结构自适应在线学习算法.对于隐含层节点的增加,提出了输入隶属度的概念,并同时考虑网络对输入的映射能力和网络输出偏差给出了隐含层节点增加规则;对于隐含层节点的删除,文中采用归一化的思想计算每个隐含层节点对网络输出的...     

基于GA-BP神经网络的矿用刮板输送机故障诊断

针对矿用刮板输送机的故障诊断问题,提出一种基于GA-BP神经网络的故障诊断方法。为了避免BP神经网络易陷入局部最小值、隐含层节点数难确定等问题,这里首先根据经验公式缩小隐含层节点数范围,在小范围里寻找最优的隐含层节点数;进而根据遗传算法具有全局寻优的特点,用遗传算法优化BP神经网络训练的初始权值阈值。研究表明经经验公式寻找最优隐含层节点数后,再将遗传算法与BP神经网络结合可以有效地解决神经网络收敛速度慢,易陷入局部最小等问题,提高了刮板输送机传动部的故障诊断精度。通过仿真实验验证了文中方法的有效性。     

一种适合于光学实现的洗牌型2D全互连多层神经网络模型

提出一种适合于光学实现的洗牌型二维全互连多层神经网络模型。该模型采用神经元的层内局部互连通过层间洗牌级联构成洗牌型神经网络模型的拓扑结构,具有很高的神经元／权重比,可以极大地压缩神经网络的互连权矩阵ＩＷＭ（Ｉｎｔｅｒｃｏｎｎｅｃｔｉｏｎ Ｗｅｉｇｈｔ Ｍａｔｒｉｘ）。推导出适合于洗牌型神经网络模型的修正ＢＰ算法,分析了网络的收敛性、容错性和反馈机制。计算机模拟结果表明,该模型具有稳定性好、收敛快、容错性高等特点。该模型结构整齐、简单,十分适合于神经网络算法的并行化以及光学实现。     

BP网络隐层神经元数自调节算法的研究

针对传统BP算法中隐层神经元数不易选取的问题,本文提出了BP算法的改进模型——DBP (Double BP)网络模型.该模型可以动态自调节隐层神经元数,即通过一个给定先验知识的BP网络动态调节另一个BP网络中隐层神经元数,并且通过选取合适的权值和阈值使训练误差曲线迅速下降.解决了BP网络拓扑结构中隐层神经元个数以及新增加权值和阈值的选取问题,还对BP网络在陷入假饱和区如何逃逸提出了一种新的方法.最后通过仿真模拟取得了比较好的效果.     

商场客流量中改进BP神经网络的应用

通过对商场客流量中行人的相关特征进行提取以及对获得的相应数据样本进行处理,利用改进的BP神经网络算法,建立了相应的BP网络模型,对客流量中行人出入商场的一些模式进行自动识别,并分析了隐含层神经元个数、学习速率等因素对网络训练的影响.实验表明该模型在实际项目中的应用是可行的.     

一种新型动力学神经网络的理论算法研究

静态神经网络缺乏动力学行为,动态神经网络由微分方程描述,神经元具有反馈环,更适合描述动态系统.以前的研究中所提出的一些改进的递归网络中引入的都是输入层到关联层的反馈或是输出层到输入层的反馈,但是这些反馈系数是常数,是不可调的,限制了网络反映动态性能的能力.为此,提出了一种由带有积分器和可调反馈系数的神经元构成的动力学神经网络,并利用梯度下降法得到了网络的学习算法.     

改进BP神经网络在物体识别中的应用

针对传统BP神经网络容易陷入局部极小、收敛速度慢和确定隐含层的神经元个数比较困难等缺点,从结构和算法两方面对BP神经网络进行改进。改进后的网络具有较快的收敛速度和较短的运行时间,加强了BP神经网络的学习能力和自适应能力,并将其应用于物体的分类识别,取得了良好的效果。仿真结果表明了此改进方法的可行性和有效性。     

一种新型电源--燃料电池

首先介绍燃料电池的类型并比较各类燃料电池的优缺点,之后重点阐明质子交换膜燃料电池（PEMFC）的结构和基本工作原理,再通过燃料电池发电系统供电方式,讨论燃料电池在通信电源系统中的应用和发展趋势.     

普遍故障下神经网络隐层冗余容错的分析与应用

隐层神经元冗余是提高神经网络容错性的一个有效的方法,在神经网络分类器的容错设计中,这一方法得到了良好的效果,对单故障可以做到完全容错.但是这一应用仅仅只能应用于输出层为硬限幅函数的前向网络,并且只证明了对网络中单故障有效.在实际应用中,网络中的各个节点和权值的故障往往是普遍存在的,因此本文提出了一种隐层冗余结构,对普遍故障存在下隐层神经元冗余容错方法做以评估,得出的结论是应用这种隐层神经元冗余结构可以减小网络的全局故障率;并提出了针对一般前向神经网络的实用的隐层神经元容错方法,这种方法可以有效地提高网络在普遍故障下的容错能力.     

前馈型神经网络中隐藏层神经元的研究

本文采用前馈型神经网络及BP算法对3种飞机模型的复合畸变不变性识别进行了研究。结合以前用级联神经网络及聚类编码方法对同一问题的研究结果,对神经网络的隐藏层神经元的个数及其对识别率及权重训练的影响进行了研究,提出了减少隐藏层神经元的一种方法,以简化识别网络的结构。     

自由空间光互连洗牌型神经网络模型

首先介绍一种洗牌型自由空间光互连多层全互连神经网络模型。该模型的高神经元／权重比可以极大地压缩神经网络的互连权矩阵IWM（interconnectweightmatrix）。对于具有N2个神经元的单层二维全互连神经网络的IWM为N2×N2,而洗牌型全互连神经网络的IWM仅为4N2log2N。另外,洗牌型全互连神经网络整齐、简单的结构方便了网络的综合,特别是网络隐单元的综合,并且十分适合于神经网络的光学实现。然后描述了采用数字光技术实现光互连的洗牌型神经网络的系统模型、关键芯片结构以及关键技术。本文提出的模型和方法使实现与人脑神经网络规模（104量级）相当的实用化自适应光电子全互连神经网络成为可能。     

基于群智能算法优化神经网络的网络安全事件分析

研究一种基于群智能算法优化神经网络的网络安全事件分析模型,使用遗传算法和LMS算法对常规RBF神经网络中的隐含层神经元个数、基函数中心以及各层连接阈值和权值进行优化,得到最优解,从而提高RBF神经网络模型的训练效率和精度,提高基于RBF神经网络的网络安全事件分析效率和准确度。使用KDD CUP99数据集中的网络入侵事件数据对研究的网络安全入侵事件分析模型进行实例研究,测试结果表明,该分析模型相比常规神经网络算法建立的模型具有更高的识别准确率,能够准确识别分析正常事件和四种网络攻击入侵事件。