视觉初级皮层区超柱结构的自组织适应模型

在视皮层的初级皮层区中，有许多非常规整的柱形功能结构，它们形成的局域网络具有抽取视图像中最基本的微小特征的能力，视皮层的等级组构为许多心理现象提供了生理解释，这不仅对模式识别、计算机视觉有重要的价值，而且对人工智能系统知识的获取和知识表示都具有非常重要的意义，通过构造一个金字塔状的神经网络层次模型，来对模拟视网膜的输人点阵信息进行逐级加工，在计算实现上使用了无监督的自组织语义映射结构，以使模型具有一定的自适应能力，强调的是认知心理功能的计算依托和生理基础。     

视觉初级皮层区超柱结构的自组织适应模型

在视皮层的初级皮层区中，有许多非常规整的柱形功能结构，它们形成的局域网络具有抽取视图像中最基本的微小特征的能力．视皮层的等级组构为许多心理现象提供了生理解释，这不仅对模式识别、计算机视觉有重要的价值，而且对人工智能系统的知识获取和知识表示都具有非常重要的意义．通过构造一个金字塔状的神经网络层次模型，来对模拟视网膜的输人点阵信息进行逐级加工．在计算实现上使用了无监督的自组织语义映射结构，以使模型具有一定的自适应能力．强调的是认知心理功能的计算依托和生理基础．     

旋转机械故障可视化方法的研究

将高维的各种故障样本数据经降维和聚类后，在二维的平面上显示出来，使每种类别的故障占据平面的不同区域，从而达到故障可视的目的。据此能很好地对新的样本进行故障识别，还可以对故障的发展趋势进行预测。采用Ko—honen的自组织神经网络方法可以对故障样本数据进行降维和聚类。实例说明了该方法的正确性。     

基于HMM和自组织映射的网络入侵检测算法

随着网络入侵多样化的发展,传统的防火墙、数据加密等防御方法已经很难保证系统和网络资源的安全,为此,设计了基于隐形马尔科夫模型HMM和自组织映射SOM的网络入侵检测方法。首先建立了自组织映射-HMM的双层入侵检测模型,采用样本数据训练SOM网,然后将测试数据输入SOM模型获得观察序列对应的攻击类别的后验概率,将此后验概率用于训练HMM模型获得概率初始分布和状态转移概率等各参数。最后,通过比较测试数据在各模型下发生概率的大小来获取对应的攻击类别。仿真实验表明本研究方法能有效实现网络入侵检测,较经典的HMM方法以及改进的神经网络方法,具有较高的检测率和较低的误报率,同时具有较少的检测时间。     

自组织映射法在机械故障诊断中的应用

自组织映射是由Ｔ．Ｋｏｈｏｎｅｎ提出的一种人工神经网络模式,它能把高维的信息数据以有序方式映射到低维的网络上,形成一种拓扑意义上序图,由于其有序性,使得信号空间圈成为许多输入信息及其关系的群落图,每个图可用灰度深浅不等的方块阴影表示出来,这种可视的图形表示了机械运行的状态,人们可以非常直观地从图上判断机械运行状态,从而使得机械运行状态的监测和故障诊断更为简便。     

自组织映射法在机械故障诊断中的应用

自组织映射法是由Ｔ．Ｋｏｈｏｎｅｎ提出的一种人工神经网络模式,它能把高维的信息数据以有序方式映射到低维的网络上,形成一种拓扑意义上的有序图。由于其有序性,使得信号空间图成为许多输入信息及其关系的群落图。每个图可用灰度深浅不等的方块阴影图表示出来,这种可视的图形表示了机械运行的状态。人们可以非常直观地从图上判断机械运行状态,从而使得机械运行状态的监测和故障诊断更为简便。     

企业自组织分形公司结构探讨

对企业自组织分形公司的结构进行了初步研究,并详细分析了分形公司的框架结构、分形元的组成、目标管理的分形结构和动态结构等。     

基于自组织理论的居民出行方式结构模型

分析了自组织原理对居民出行方式选择系统的适用性。从协同学角度分析并提出了控制变量和序参量。对该系统相变过程进行了数学描述。以长春市为例构建了序参量模型,描述了长春市居民出行结构系统,建立了其序参量方程,为制定交通管理措施奠定了基础。     

基于自组织网络的货郎担问题解决方案

货郎担问题（Traveling Salesman Problem，TSP）作为组合数学中的经典问题，具有一定的研究价值．首先陈述了基于自组织网络（Self-Organizing Maps，SOM）的TSP问题的解决方案，然后着重分析为什么SOM网络能够体现这样的计算智能，并探讨了如何将其应用到其它的优化问题当中．     

智能制造系统的自组织单元结构研究

对于一个智能制造系统,系统单元结构的自组织能力是非常重要的。本文阐述了自组织系统在结构上应满足谐振,放大,反馈,非线形及低信息量来源这五个基本条件,利用智能工程中的集成智能单元,建立了具有自组织单元的基本结构,分析了自组织能力的实现原理,并提出了IMS自组织单元的基本结构,该结构具有良好的开放性,便于实现嵌套式建模,具有很强的知识库进化能力,并且能与其它系统集成。     

基于SOM神经网络的人力资本聚类分析

对人力资本数据进行知识的发现,可以了解未来各地区人力资本的演化进程,从而对连带的一系列的社会问题如教育、劳动力结构等将有一个充分的认识。正确的人力资本预测结果将对政府制定与此相关的政策意义重大,利用数据挖掘中的SOM神经网络技术,对各地区的人力资本进行了聚类分析,得出中国各地区的教育结构分为5个层次的结论。聚在一起的地区在教育的结构层次上具有一定的相似性,而且与各地区经济发达程度密切相关并得到部分结论。     

基于SOM神经网络的凝汽器故障诊断研究

应用自组织特征映射(SOM)神经网络实现凝汽器的故障诊断。介绍了SOM网络的结构和学习算法;总结了凝汽器的故障集、征兆集和故障特征数据。在MATLAB环境下给出了凝汽器故障诊断的具体实例,表明该方法是一种可行有效的凝汽器故障诊断方法。     

模式可拓识别及其神经网络模型

提出了“模式可拓识别”概念．给出了由预处理、可拓特征或模式基元的抽取和选择,以及可拓识别等部分组成的模式可拓识别系统方案．同时,给出了一高维模式可拓识别(分类)器的通用、有效的神经网络模型．     

自适应特征空间扩张神经网络

为解决复杂的非线性可分问题中前馈式神经网络收敛缓慢的问题，提出一种新的神经网络模型--自适应特征空间扩张神经网络。该模型在标准前馈式神经网络的前端增加一个自适应特征空间扩张层，自适应地增强原始模式的表达，将原来的非线性可分问题转换成线性可分问题或者减小其非线性程度，从而加快网络的收敛速度。一系列的实验，特别是双螺旋线实验表明，该网络模型不仅具有很快的收敛速度，而且具有很好的泛化能力。     

基于小波奇异熵和SOM神经网络的微电网系统故障诊断

针对微电网系统运行方式灵活、拓扑结构多样的特点,基于对小波变换、奇异值分解和泛化信息熵基本理论的分析,揭示了小波奇异熵能够对故障信号给出确定的量度,将小波奇异熵与自组织特征映射(self-organizing feature map, SOM)神经网络相结合,提出一种能够适应微电网系统拓扑结构变化情况的故障诊断方法。 利用PSCAD4.2建立了微电网故障仿真系统,进行故障诊断仿真试验。 试验结果表明:该方法不受故障位置、故障时刻等因素的影响,在微电网系统拓扑结构发生变化的情况下,能实现有效的故障诊断。     

A robust feature extraction approach based on an auditory model for classification of speech and expressiveness

Based on an auditory model, the zero-crossings with maximal Teager energy operator (ZCMT) feature extraction approach was described, and then applied to speech and emotion recognition. Three kinds of experiments were carried out. The first kind consists of isolated word recognition experiments in neutral (non-emotional) speech. The results show that the ZCMT approach effectively improves the recognition accuracy by 3.47% in average compared with the Teager energy operator (TEO). Thus, ZCMT feature can be considered as a noise-robust feature for speech recognition. The second kind consists of mono-lingual emotion recognition experiments by using the Taiyuan University of Technology (TYUT) and the Berlin databases. As the average recognition rate of ZCMT approach is 82.19%, the results indicate that the ZCMT features can characterize speech emotions in an effective way. The third kind consists of cross-lingual experiments with three languages. As the accuracy of ZCMT approach only reduced by 1.45%, the results indicate that the ZCMT features can characterize emotions in a language independent way.     

一种基于CMAC神经网络的板形模式识别新方法

针对传统的板形识别模型在识别板形时,由于板宽的变化需要不同拓扑结构的神经网络才能完成板形模式识别任务,网络学习工作量大,网络存在收敛速度慢,易陷入局部极小等结构性能不佳的问题,建立了一种新的基于CMAC神经网络的板形模式识别模型。该模型利用欧式距离差得到网络的输入神经元,并在权值更新算法中引入了动态学习率。通过仿真实验表明该方法简单、实用,识别精度较高,克服了传统的识别模型的缺点和不足,有效地提高了板形模式识别模型的速度和精度。     

水文预报的神经网络模式分类预报方法

基于时间序列的相空间扩维思想,利用神经网络的感知器分类原理,提出一种水文预报方法.直接从水文单因素时间序列滑动生成多维空间的一个相型分布中寻求水文现象变化的规律.并利用湖北省宜昌市沮漳河洪水资料对该方法做了初步验证.     

基于神经网络的模式识别及其应用

神经网络系统具有自学习和自适应的能力,同时有很强的容错性和鲁棒性,善于联想、综合和推广,故特别适用于处理难于语言化的模式信息。本文简述了BP神经网络的基本原理及其在模式识别中的应用,并进行了相应的仿真。