前向网络隐空间分类超平面的构造

本文讨论单隐层前向网络输出神经元所对应的隐空间分类超平面的构造问题,它直接对应于网络隐层至输出层的连接仪的设计,研究结果表明,网络隐层至支的连接权可均取为＋１,输出神经元的阈值也仅可取为１／２加上几个有限的整数中的一个,从而可以以通过对网络输入层节点至隐节点的连接权的训练,获得有效解决两类问题的前向网络。     

前向神经网络动态学习

在网络中同一隐层的所有神经元对不同样本的输出所构成的向量相应线性无关、本文利用这一基本事实,对每一隐层引入了一相关向量及相应的无关度,根据无关度对该隐层神经元数目进行删除或增加,同时适当调整相应的网络权值,这样做既可以避免对隐层神经元的预先确定,同时还可以在学习过程中逃离局部极小。根据删除神经元对网络所带来的误差的详细分析,给出了确定删除隐层神经元的最估规则,数据实验表明了该方法的有效性。     

对多层前向神经网络研究的进一步看法

本文从函数逼迫的观点,讨论了样本量有限地重要性,简单回顾了学习理论的发展及其与神经网络的关系,指出学习理论对多层前向网络研究的重要性。     

基于前向神经网络的音乐情感识别分类算法

为解决单模态数据在音乐情感分类上的局限性,并同时提高对音乐情感分类的准确性,文中提出了一种基于前向神经网络的多特征融合音乐分类算法。在传统的前向神经网络模型中融入切比雪夫正交多项式簇作为隐藏层各神经元的激励函数,使每一层神经元的激励函数各不相同。利用梯度下降学习算法来进行网络参数的有监督训练;同时利用音频、歌词中不同模态的数据,使其形成多模态数据,来进行音乐情感分类模型的训练。实验测试结果表明,该算法对音乐情感的分类具有较好的效果,平均准确率为78. 37%,具有良好的有效性与可行性。     

含二次Sigmoidal神经元的前向网络的分类能力

本文分析了一种的神经元模型－－二次Ｓｉｇｍｏｉｄａｌ神经元对前向神经网络的分类能力的改进程度,结果表明：在隐层及输出层无论采用多阈值还是单阈值二次Ｓｉｇｍｏｉｄａｌ神经元,三层前向网络分类经Ｃｏｍｍｉｔｔｅｄ Ｍａｃｈｉｎｅ只能提高３倍。     

级联遗传算法优化设计前向神经网络

文章提出了一种新的用遗传算法优化设计前向神经网络结构和权重矢量的方法。这种算法采用二进制与浮点数混合编码 ,对神经网络结构用二进制编码 ,对神经网络权重矢量用浮点数编码 ,并设计了与混合编码相对应的交叉、变异、选择算子 ,既保留二进制编码简单、易操作的优点 ,又具有浮点数编码搜索空间大、精度高、稳定性好、运算速度快的优点。优化算法包括两级级联的遗传算法。第一级遗传算法实现快速的局部寻优 ,而第二级遗传算法提高全局寻优能力。     

基于二进前向神经网络的Ad Hoc网络节点识别方法

提出了一种基于二进前向神经网络的无线移动Ad Hoc网络节点识别方法。安全问题是无线移动Ad Hoc网络的一个关键性问题,路由协议的安全尤为重要,本文针对恶意节点的主动攻击提出了一种基于二进前向神经网络的无线移动Ad Hoc网络节点识别方法,该方法可以有效的避免恶意节点接入网络,从而提高了网络路由的安全性。     

交互式图像检索系统应用前向神经网络

近年来基于内容图像检索中的研究重点是反馈技术,它缩短了图像的底层视觉特征和用户的高层语义概念的不一致,大大提高了系统的检索精度。本文站在机器学习的立场,讨论了在前向神经网络中的三种经典网络学习算法：BP、FP、RBFN,并分析了反馈技术在网络中的应用特点。并且展望了相关技术的发展前景和研究方向     

前向散射雷达目标成像实验研究

为了验证前向散射雷达在检测和成像方面独特的应用以及在在反隐方面的优势,做了模型实验和实际车辆成像实验,实验表明:前向散射雷达系统通过发射单频连续波能够对穿过基线的目标进行检测和成像.该雷达系统具有结构简单、容易实现的优点,而且不受吸波涂层的影响,使得该体制雷达在探测隐身目标方面有着独特的优势.     

嵌入前向网络的虚时间法UPC

在分析文献１虚时间表法不足的基础上,提出利用前向网络动态调整虚时间法表参数的ＵＰＣ算法。本文算法具有选择性强,检出率合理,动态响应特性好等特点。计算机仿真验证了本文算法的优越性。     

BP神经网络对固井信号分类能力的研究

本文研究了BP神经网络对固井信号的分类能力．首先应用理论框模型分析了不同层状介质结构的回波，并系统深入地研究了层状介质物理参数的变化对BP神经网络分类的影响。理论研究结果表明，当各层介质参数在一定范围内变化时，不影响网络的正确分类，即BP神经网络对固井信号分类具有很强的Robust性。本文也给出了对实际困井信号的分类结果，其正确识别率在叨％以上。该研究结果反映出BP神经网络具有很强的信号分类能力，对将其用于固并信号分类的工程实际有重要价值。     

可靠性数据模拟生成的研究

为使可靠性评估结果有较高的准确性和可信性 ,就要求样本量足够大 ,而实际上获得这些数据是件困难的事 ,因此能否通过模拟仿真的方式在原有数据的基础上进一步产生与原样本具有同样统计规律的数据以扩大样本量值得尝试探索。正是基于这样的考虑 ,运用人工神经网络方法对可靠性数据进行了模拟仿真分析并结合不同样本数据与传统方法进行了对比 ,得出了有益结论     

用于遥感图像分类的简化并行神经网络

本文通过分析遥感图像各类样本的分布特征，提出了一种适用于遥感图像分类的简化并行神经网络（PRNN）。该网络包括了多个彼此相似的原子网络，每一类样本通过一个或多个专门的原子网络作预处理，从而大大提高了整个网络的动态性。实验结果表明，简化并行神经网络（RPNN）能够并行复杂的遥感地物样本。并能够取得较高的分类精度。     

Study of Sentiment Classification for Chinese Microblog Based on Recurrent Neural Network

The sentiment classification of Chinese Microblog is a meaningful topic. Many studies has been done based on the methods of rule and word-bag, and to understand the structure information of a sentence will be the next target. We proposed a sentiment classifica-tion method based on Recurrent neural network (RNN). We adopted the technology of distributed word represen-tation to construct a vector for each word in a sentence;then train sentence vectors with fixed dimension for dif-ferent length sentences with RNN, so that the sentence vectors contain both word semantic features and word se-quence features; at last use softmax regression classifier in the output layer to predict each sentence’s sentiment ori-entation. Experiment results revealed that our method can understand the structure information of negative sentence and double negative sentence and achieve better accuracy. The way of calculating sentence vector can help to learn the deep structure of sentence and will be valuable for dif-ferent research area.     

基于卷积神经网络的Android流量分类方法

深度学习就是机器学习研究的过程,主要通过模拟人脑分析学习的过程对数据进行分析。目前,深度学习技术已经在计算机视觉、语音识别、自然语言处理等领域获得了较大发展,并且随着该技术的不断发展,为网络流量分类和异常检测带来了新的发展方向。移动智能手机与大家的生活息息相关,但是其存在的安全问题也日益凸显。针对传统机器学习算法对于流量分类需要人工提取特征、计算量大的问题,提出了基于卷积神经网络模型的应用程序流量分类算法。首先,将网络流量数据集进行数据预处理,去除无关数据字段,并使数据满足卷积神经网络的输入特性。其次,设计了一种新的卷积神经网络模型,从网络结构、超参数空间以及参数优化方面入手,构造了最优分类模型。该模型通过卷积层自主学习数据特征,解决了传统基于机器学习的流量分类算法中的特征选择问题。最后,通过CICAndmal2017网络公开数据集进行模型测试,相比于传统的机器学习流量分类模型,设计的卷积神经网络模型的查准率和查全率分别提高了2.93%和11.87%,同时在类精度、召回率以及F1分数方面都有较好的提升。     

用神经元网络识别仿射变换下的飞机模型

本文推广了付立叶描绘矛的方法,产生了一组在任意仿射变换下都不改变的不变量,用这些不变量来训练一个三层网感知器对飞机模型进行识别和分类.在本文中我们引进了一个加速算法可以大大减少学习时间.最后,给出了用这个神经网分类器进行识别和分类的结果及其抗噪声性能.     

基于BP神经网络的社团分类研究

社团分类对研究复杂网络及其特性具有重要意义,为此提出将神经网络的分类特性应用于社团分类中,以BP神经网络为模型,以Zachary研究的俱乐部成员关系网络为测试数据,利用社团节点与神经网络节点之间关系的相似性模拟社团分类结果,根据成员关系图建立邻接矩阵,利用邻接矩阵关系进行实验设计建立BP神经网络,通过已知样本学习和检验样本检验,实现成员关系网络的分类模拟,数值实验结果表明文章运用的仿真方法是可行有效的.     

基于贝叶斯神经网络的垃圾邮件过滤方法

垃圾邮件过滤是当前互联网应用中急需解决的一个重要课题，日益受到人们的关注。本文提出了一种基于贝叶斯神经网络BNN(Bayesian Neural Network)的垃圾邮件过滤方法，利用贝叶斯推理和神经网络相结合的贝叶斯神经网络算法对用户给定的正常／垃圾邮件集合进行训练，得到邮件过滤模型。并且提出了一种有效的特征选择方法，采用信息增益准则，有效降低了特征维数。经过实验测试，本文提出的方法可以实现对垃圾邮件的有效过滤。     

ATM交换网的神经网络控制研究

本文提出了采用ＢＡＭ神经网络实现Ｂａｎｙａｎ通信网交换的方法，并从理论和仿真角度证明了其网络流量比传Ｂａｎｙａｎ网有显著提高。     

基于自适应遗传算法优化BP神经网络

传统的BP算法具有简单可塑的优点,但是存在着容易陷入局部极值、收敛速度慢等无法克服的缺陷。遗传算法是一种全局搜索算法,具有很强的全局搜索能力。因此,文中设计了一种自适应遗传算法优化BP神经网络的方法,并通过对数字信号的实例仿真,证明了经过改进优化后的BP神经网络具有很好的应用前景。