盈亏平衡分析的非线性与动态模型研究

盈亏平衡分析法在现代化企业管理实践中得到广泛有效的应用。作根据企业经营环境复杂性，动态性等特点，分别建立了盈亏平衡分析的非线性，动态模型，研究了各模型的适用范围和应用解法。     

非线性系统动态辨识和预测的新方法

将人工神经网络方法同统计建模技术结合起来，提出了研究随机型离散非线性系统辨识和预测问题的新思路，研究了ＮＡＲＭＡＸ模型“两阶段辨识”算法的原理和实施策略。仿真结果和应用实例表明了新算法的有效性。     

树网络上的连通p-median问题

给定一个连通图G=(V,E),每一个顶点和边都赋予一个非负的权重,传统的p-median问题是要找出V的一个包含p个点的子集H,使得其余各点到H的赋权距离和最小。如果要求由H导出的子图是连通的,则称之为连通p-median问题。该文研究树网络上的连通p-median问题,给出了一个O(pn)的算法,随后把该算法推广到带有禁选点的树网络上。     

基于拓扑有效连通路径的有向网络链路预测方法

链路预测旨在利用已有的网络拓扑信息来挖掘未知连边,具有较高的应用价值.大部分已有的基于拓扑结构的方法,关注节点对之间的路径数或者预测节点对的出入度,未有效挖掘节点对之间的连边长度和连边上节点的影响力对相似性的影响.针对此问题,该文提出了基于拓扑有效连通路径的链路预测方法,并分析了不同路径长度在节点度、半局部中心性和H-...     

新型BP网络用于非线性化学体系的研究

提出了一种杂化ＢＰ网络模型及新型变步长算法，使常规ＢＰ算法的收敛平稳性及收敛速度获得了改善，对两类非线性化学体系的实例研究表明该网络较多元线性回归及常规ＢＰ网络具有更好的学习与预测效果。     

能量有效的无线传感网连通支配集构建算法

无线传感器网络在数据传递过程中容易造成广播风暴,导致能量消耗过多,且不能适应网络的动态拓扑结构变化.文章提出了一种基于连通支配集的无线传感器网络能量有效算法,支配节点考虑能量剩余、邻居数量等参数,构建支配集组成较高能量的网络骨干,简化了构建过程,可避免频繁构建主干网带来能量大量消耗.实验结果证明该算法具有较好的算法性能...     

基于模糊对向网络的非线性动态系统辨识新算法

以模糊对向网络为辨识模型,利用它所具有的模糊逻辑系统和神经网络两者的优点,在模糊C－均值聚类方法的基础上引入新的聚类目标函数,并证明了它的优化条件,将模糊聚类和最小二乘法相结合,提出一种模型参数学习的新算法,在直流电弧燃弧时间建模研究中的应用结果表明提出的算法是有效的。     

新型BP网络用于非线性化学体系的研究

提出了一种杂化ＢＰ网络模型及新型变步长算法，使常规ＢＰ算法的收敛平稳性及收敛速度获得了改善，对两类非线性化学体系的实例研究表明该网络较多元线性回归及常规ＢＰ网络具有更好的学习与预测效果。     

非线性多元回归分析的神经网络方法

提出了利用前馈神经网络进行非线性多元回归分析的方法,该方法能有效解决传统多元回归分析难以解决的非线性多元回归问题;并提出了进行非线性多元回归分析的BP改进算法,通过实例验证了其有效性.     

输入元素非线性关联的前向网络及性能分析

利用前向网络输入元素非线关联的方法实现了从输入模式空间到输出标识空间复杂的非线性变换。推导了学习方法,并在学习过程把模式的平稳不变识别、比例不变识别及旋转不变识等条件构造在神经网络的权结构之中,使其具有模式不变识别能力,同时借助等权类的概念,极大地简化了网络的拓扑结构,降低了学习时间。     

基于萤火虫算法的脑效应连接网络学习方法

脑效应连接网络学习是人脑连接组研究的一个重要研究课题,准确识别脑效应连接网络对于脑疾病的早期诊断以及病理研究具有重要意义.本文将萤火虫算法与贝叶斯网相结合,提出了一种带有繁殖机制的脑效应连接网络萤火虫学习方法.新方法使用K2评分作为目标函数来衡量萤火虫个体的绝对亮度,利用萤火虫种群的寻优来完成脑效应连接网络的学习,并利用繁殖机制对种群实施进一步的优化.首先将一种仅含少数边的脑效应连接网络表示成一个萤火虫个体,并通过萤火虫个体的定向移动操作以及随机移动操作逐步构建脑效应连接网络;然后每经过一定代数的寻优后,萤火虫种群执行一次繁殖过程,以优化效应连接网络的质量.最后,当算法收敛时,将萤火虫种群中绝对亮度最高个体所代表的网络结构作为学习到的最优脑效应连接网络.在多组模拟数据集上的实验结果验证了新算法中繁殖机制的有效性,且与其它算法相比,新算法具有明显优势.在真实数据上的实验也表明了算法的潜在实用性.     

基于双萤火虫种群并行搜索的脑效应连接网络学习方法

为了从功能磁共振成像（fMRI）数据中识别到高质量的脑效应连接网络,提出双萤火虫种群并行搜索的脑效应连接网络学习方法. 利用2个萤火虫种群寻优完成脑效应连接网络的学习,将萤火虫种群划分为精英种群和普通种群. 通过精英种群的定向移动和普通种群的随机移动,分别逐步构建脑效应连接网络;在网络构建过程中,利用种群迁移操作动态地调整精英种群和普通种群的种群规模,以实现两种群之间的信息交流. 每隔一定代数,使用基于多样性度量的种群自适应更新机制,动态地进行2个种群的更新. 在多组模拟数据上的实验结果表明,新算法与其他算法相比,在识别总体性能上具有明显优势. 在真实数据上的实验表明了算法的潜在实用性.     

基于动态模糊神经网络的产品成本估算

针对在产品方案设计阶段成本估算信息少且颗粒度大的问题，结合神经网络和模糊工程技术提出了动态模糊神经网络（DFNN），采用模糊推理的信息处理方法，在学习过程中隐层层数及维数根据规则不断变化，神经网络结构呈现动态.研究了动态模糊神经网络的学习过程、网络动态算法及模糊知识处理方法，建立了成本估算模型，并开发了基于动态模糊神经网络的成本估算软件，实现了利用产品方案设计信息自动进行成本估算.以挖掘机和液压油缸为例进行验证，结果表明该方法具有较强的信息处理能力，并提高了成本估算模型的柔性.     

基于神经网络的平面五杆可调机构的动力学解析模型

应用Kane动力学方法对平面可调五杆机构进行了动力学分析,建立了平面五杆机构的动力学解析模型。并研究了构件几何参数和物理特性对广义驱动力矩的影响规律。在此基础上,应用BP神经网络对可调五杆机构逆动力学模型进行了辨识,将整个动力学模型系统分为3个子系统,分别采用BP神经网络系统对广义质量矩阵、向心力哥氏力矩阵和重力矩阵进行学习,求解得到可调平面五杆机构的逆动力学模型问题。     

基于神经网络的弹性连杆机构动力响应分析

针对求解弹性连杆机构动力响应过程的复杂性和耗时性，提出了基于人工神经网络中的向后传播网络的机构动力响应分析模型，利用训练后网络所给出的近似函数关系式，推导出网络输出参数对网络输入参数的灵敏度计算公式，将训练后的网络以及求解灵敏度的方法应用于弹性连杆机构的优化设计和可靠性分析中，可减少动力响应分析时间，提高设计效率。     

基于模糊神经网络的非线性系统预测函数控制研究

针对预测函数控制难以很好地实现非线性系统控制的问题,将模糊神经网络与预测函数控制相结合,设计一种基于模糊神经网络的非线性系统的预测函数控制器。用模糊神经网络辨识非线性系统的模型,辨识结果送到预测函数控制中,从而得到预测模型,最终得到最优的控制量。通过Matlab计算机仿真,可以看出此控制器对于非线性系统具有良好的控制效果和鲁棒性。     

基于小波网络的非线性逼近股票分析方法

针对传统方法在股票走势最高点和最低点的预测上不尽人意，收敛速度慢且精度不高的问题，利用小波空间中函数的多分辨分解思想，构造了一种用于学习的小波网络模型．该模型通过子网络酊擎习并且把它们并入整个网络学习，达到全局最优解．实验表明，该网络不但对股价走势逼近的收敛速度快,而且精度高，股票走势最高点和最低点也明显．     

基于小波神经网络的简支梁桥损伤识别

针对小波神经网络对一维信号逼近能力强的特点,利用灰色理论中的关联分析法,对结构损伤特征参数和损伤指标进行灰关联分析,将所获得的参数间关联度作为把结构动态特征参数整合为一维输入量的权值,进而提出了基于灰色关联分析的小波神经网络模型。为提高网络的收敛能力和逼近效果,应用局部学习策略改进了小波神经网络的学习算法。仿真结果表明,利用上述方法进行结构损伤识别,识别结果明显优于传统的神经网络模型。     

基于大数据分析的非线性网络流量组合预测模型

针对传统方法不能对网络流量变化特征进行准确描述,并且预测精度较低的问题,提出了基于大数据分析的非线性网络流量组合预测模型.通过对非线性网络流量数据进行有效分解,获得不同尺度的分量,利用混沌理论对多尺度分量进行相空间重构获得流量子序列.构建改进鸟群算法优化模型,并对重构后的网络流量子序列进行预测和组合,获得网络流量预测结果.结果表明,所提模型能够精确地描述网络流量的非线性、周期性以及长相关性等变化特征,具有较高的预测精度.     

基于动态贝叶斯网络的目标侦察信息处理研究

动态贝叶斯网络是对具有随机过程性质的不确定性问题进行建模和处理的有力工具．战场环境随机变化使得侦察信息处理变的复杂化，从而影响决策的具体方式或决策方向．本文提出将隐马尔可夫模型图形模式与模糊推理结合起来构成DBN，将其用于战场侦察情报的推理分析．首先建立动态贝叶斯网络的环境变化感知模型，而后应用Viterbi解码算法获得当前隐合序列最优估计，通过HMM状态转移矩阵可预测出未来环境变化趋势，最后应用模糊推理得到问题的最优的决策或优先采用的解决方式．仿真结果表明了模型的可行性．