细胞神经网络应用于字符特征检测

细胞神经网络由于其连续时间的特性，因此在图象处理和图形辩识方面有着潜在的应用。本文在细胞神经网络理论的基础上，对字符特征检测过程进行研究。     

CNN理论应用于连通片检测器研究

本文在细胞神经网络原理的基础上,设计实现单细胞电路,研究了连通片检测器在细胞神经网络中的应用。     

细胞神经网络的理论研究

简要论述了细胞神经网络的原理、结构,并对细胞神经网络的动态范围及其稳定性进行了探讨。     

基于细胞神经网络的逻辑函数设计

基于细胞神经网络构造动态逻辑门是近年来一个全新的研究方向。由于非线性系统状态演化具有很强的非线性特征和丰富的动态模式,细胞神经网络在构建灵活、可重构的逻辑门电路中具有独特的优势。本文提出基于细胞神经网络的逻辑函数设计,首先设计了两输入线性可分布尔函数“与”门和“或”门的标准非耦合细胞神经网络的模板参数的求解过程,然后给出了使用运放实现的细胞电路设计以及功能之间转换的时序仿真结果。同时以此方式设计了另外12种两输入线性可分布尔函数的模板参数,实现了在电路结构不变的情况下,改变参数即能动态调整布尔逻辑的功能。     

非对称细胞神经网络稳定平衡点的存在性

利用饱和域的特性,和拟对角列支配矩阵与M-矩阵之间的关系,获得了非对称细胞神经网络(简称CNNS)的稳定平衡点存在的两个充分条件;在此基础上,通过定义一个更高阶的神经网络模型,推广了该网络存在稳定平衡点的结果;通过大量的模拟仿真,提出了非对称细胞神经网络完全稳定的充分条件,并就二细胞神经网络的情况给予了证明;最后,将本文的结果与已取得的结果进行了比较,并给出一个实例说明本文取得的结果优于已有文献取得的结果.     

基于小波神经网络的电力负荷预测方法

分析了小波神经网络的特点，研究了在电力负荷预测中小波神经网络存在的优缺点及适用范围。通过对小波神经网络和BP神经网络的结构和算法进行理论分析，并对实际电力负荷预测算例进行对比研究，指出小波神经网络本身适合对波动性的信号进行预测，而且在神经网络节点数目相同的情况下，小波神经网络比BP神经网络具有更高的预测精度，因此采用小波神经网络有利于减少隐节点数目。还指出由于当前的连续小波神经网络主要使用传统BP神经网络的随机初始化方法和基于梯度的训练算法，因此存在收敛性差的缺点。     

基于相对变分的边缘检测

边缘检测是机器视觉与图像理解中的基础问题,准确地提取轮廓有助于提高后续操作的质量和效率。在深入分析图像纹理结构、噪声及细胞神经网络算法(cellular neural network,CNN)的基础上提出一种基于相对变分正则化的细胞神经网络边缘检测方法。首先采用相对变分正则化的方法将图像的纹理进行平滑,去除纹理以及噪声对边缘提取的影响;然后再用标准的细胞神经网络算法对平滑后的图像进行边缘检测。实验结果表明:算法与Canny、CDCNN等算法相比,在没有重新设计新的复杂CNN模板参数的情况下,针对具有复杂纹理及含有一定量噪声的图片进行边缘检测,算法能得到更好的检测结果。     

神经网络在高性能交流传动控制中的应用趋势

本文首先对神经网络在高性能交流传动控制中的应用现状进行了总结，分析了神经网络在交流传动控制中的发展趋势，同时，论述了神经网络的实现技术。最后，对神经网络的未来应用进行了展望。     

基于遗传算法的神经网络励磁控制

介绍了一种实和的基于神经网络的励磁控制方式，将同步机的各种运行工况网点化作为基本论域选择有功功率Ｐ和机端电压Ｕｔ作为神经网络的输入，而将在每个网点下的最优线控制规律参数为神经网络的输出，将这些数据集合作为神经网络的训练样本，将训练后的神经网络作为同步机励磁控制器的各种仿真结果表明，这种控制措施是非常有效的，神经网络的范化能力能够保证系统的稳定性。     

基于模糊神经网络的同步发电机转子匝间短路预测

模糊神经网络是模糊逻辑与神经网络相结合而构成的，具备了模糊技术和神经网络技术的优点，从而被应用于电力系统故障诊断中，是一种使用方便的处理系统，基于模糊神经网络对同步发电机转子匝间短路故障预测进行研究，经过训练后的模糊神经网络，在对发电机转子匝间短路故障进行预测时，有较高的准确性和有效性。     

NOMEX纸及其应用

论述了神经网络在气体绝缘组合电器（ＧＩ捎）局部放电诊断系统中的应用，旨在神经网络的分类功能，应用实验室中的局部放电信号的模式，通过经过学习的神经网络，以识别未知的局部放电模式。结果表明，利用具有神经网络的诊断系统，可以获得传统的诊断系统无法获得的良好效果。     

神经元与神经网络（连载二）

神经元与神经网络（连载二）华北电力学院商国才２神经网络在人脑内，众多的神经元以各种方式联接在一起，组成了复杂的神经网络（即生物神经网络），行使复杂的信息处理功能。为了模仿人脑的结构，构造出具有某些人脑功能的智能机器，人类设计并制作了许多能够模拟神经元...     

基于神经网络模型的母线保护

提出了一种基于神经网络模型的母线保护。将母线上各电流互感器的不同特性全部放入到神经网络中，并将从各电流互感器获得的同步采样电流值作为神经网络的输入。依据获得的各个同步采样电流值对神经网络模型参数进行有指导性的自适应学习估计，在不同情况下估计出神经网络模型的最佳模型参数，即形成了一套完整的母线保护神经网络模型。依据这一方法估计出的神经网络模型，可区分不同情况下的母线内部故障和外部故障。     

双重BP神经网络组合模型在实时数据预测中的应用

在回归和延时神经网络的基础上，利用非线性组合预测方法的优点，提出一种新的预测模型--双重BP神经网络组合模型模型，选用某660MW机组的主蒸汽流量数据进行学习训练，实例计算结果表明双重BP神经网络组合模型可提高单项预测模型的精度，校核样本的平均相对误差为1.5%，而单独采用回归神经网络和延时神经网络进行预测的平均相对误差分别为2.7%和1.9%，证明双重BP神经网络组合模型具有很高的预测精度，可应用于火电厂实时数据的有效性验证。     

小波变换、神经网络和小波网络的函数逼近能力分析与比较

基于对小波变换和神经网络之间内在联系的分析，利用神经网络不同激励函数的线性组合构造出了相应的小波函数，得出小波函数作为神经网络的激励函数与普通神经网络的激励函数在本质上是一致的结论，并引入了小波网络。通过对小波变换，神经网络和小波网络函数逼近能力的理论分析与比较，认为小波网络在函数逼近方面具有明显的优势，并且分别利用这3种方式对一典型函数进行了仿真逼近的验证。     

基于RBF神经网络非线性预测模型的开关磁阻电机自适应PID控制

开关磁阻电机的非线性和变参数特性使得采用传统的PID控制很难取得较好的控制效果。人工神经网络在一定的条件下可以任意精度逼近任意非线性函数且具有较强的自学习、自适应、自组织能力。故将其与传统的PID控制相结合构成神经网络自适应PID控制策略，应用于非线性严重的开关磁阻电机，可实现对开关磁阻电机的高性能控制。同时，神经网络所具有的非线性变换特性和高度的并行运算能力使得其适合建立非线性预测模型进行参数预测。通过对被控系统参数的预测，可提高系统的动态响应性能。该文采用两个神经网络-BP神经网络和RBF神经网络来分别构成神经网络NNC和神经网络NNI。神经网络NNC进行自适应PID参数调节；神经网络NNI用来建立非线性预测模型进行参数预测。为进一步加快神经网络的学习收敛速度，该文采用变学习速率的神经网络学习算法，学习速率随收敛过程误差的大小而自适应地进行调整，这可大大加快神经网络学习训练的收敛速度，进一步提高系统动态响应速度。实验结果表明，系统的动态响应快，超调小，稳态精度高，鲁棒性强，有较强的抗扰动能力，具有较好的控制效果。     

利用神经网络检测电力系统的暂态稳定

电力系统暂态稳定检测是电力系统运行中的一个难题。神经网络在电力系统中的应用是一个比较活跃的领域，文章讨论了神经网络应用于暂态稳定的检测，包括神经网络模型的构建，样本的设计，样本输入／输出的计算等，并用实例加以验证。此外还引用了一种新型的ＢＬＱＰ神经网络模型。     

基于遗传算法和神经网络的倒立摆控制系统

以单级倒立摆为对象，介绍了一种融合遗传算法的神经网络控制方法。该方法采用以多层前馈神经网络作为遗传搜索表示方法的思想，以神经网络为基础，用遗传算法来学习神经网络的权系数，既保留了遗传算法的强全局随机搜索能力，又具有神经网络的鲁棒性和自学习能力。仿真结果证明：遗传算法和神经网络的结合，可兼有神经网络广泛映射能力和遗传算法快速全局收敛等性能。     

混凝土强度预测与设计的神经网络方法

首次提出混凝土强度预测与设计的神经网络方法。对普通混凝土、高强混凝土等多种混凝土建立了表现混凝土强度因果规律的神经网络方法，在已有混凝土试验资料基础上，进行了强度预测。与通用的回归分析方法所得结果对比，神经网络方法精度较高。通过实例给出了应用神经网络方法的强度预测结果。表明神经网络是混凝土强度，特别是高强混凝土强度预测和设计的崭新途径     

遗传算法改进的BP神经网络对汛期三门峡水库泥沙冲淤量的计算

本文针对BP神经网络收敛速度慢和易于陷入极小值的问题，采用将遗传算法全局寻优和BP神经网络局部寻优相结合的方法，提高了BP神经网络的计算精度和收敛速度。应用该模型和一般BP神经网络模型对汛期三门峡水库的泥沙冲淤量进行了计算和预测。数值结果对比发现，经遗传算法改进后的BP神经网络模型在降低计算和预测的平均误差的同时，迭代次数比一般BP神经网络模型也大大减少。因此适用于求解如计算水库泥沙冲淤量等非线性问题。