变结构神经网络模型的BP算法及其应用研究

神经网络模型是一种非常有效的数据处理工具,但是存在结构确定困难的缺点.针对神经网络算法的这种缺点,提出了变结构神经网络模型.此模型增加了神经网络隐节点的决策变量,并对此决策变量进行松弛.在采用BP梯度算法确定神经网络结构的同时,确定网络参数.由于电缆的状态监测是时序数据,将此模型应用于电缆的状态监测过程中,能体现出较好的适应性.     

零误差密度最大算法的分析研究

前馈神经网络的学习通常以均方误差为目标函数(MSE),易陷入局部极小,而零误差密度最大算法(Z-EDM)以误差在零点的概率密度函数为神经网络新的目标函数,能够达到全局最优.将Z-EDM算法应用到BP网络中,并通过仿真将两者进行了比较,实验结果表明,Z-EDM算法在分类方面要明显优于MSE算法.并且对这一算法进行了分析,可知以优化此目标函数的神经网络的学习仍是基于经验风险最小化原则,通过仿真将基于Z-EDM算法的BP网络与支持向量机(SVM)在两分类方面进行比较,结果表明此算法对于某些数据集具有与SVM近似的性能,但总体上性能仍不及基于结构风险最小化的SVM.     

PSO-BP网络算法在汽车悬架优化中的应用

在研究汽车悬架系统模型及神经网络的基础上,提出将PSO-BP网络算法应用于汽车的悬架优化中。该算法采用PSO学习机制,改善了BP学习算法收敛速度慢、全局收敛差的缺点。通过建立的数学模型并用该算法对汽车悬架的刚度和阻尼进行优化。结果表明,此算法明显改善了汽车悬架的性能,提高了汽车的平顺性。同时该算法和试验数据也为悬架系统的进一步研究提供了参考。     

基于神经网络的表面粗糙度识别算法

提出一种新的表面粗糙度识别算法,该算法利用从标准样块上通过采样得到的散射光强度分布数据,把表征光强分布的数据和样块的标称值分别作为神经网络的输入和输出,采用改进的ＢＰ算法对神经网络进行训练。训练后,把某一工件的散射光强度分布数据输入给神经网络,则网络的输出就是该样块的表面粗糙度数值。该算法充分利用了神经网络的泛化能力和学习能力,可正确识别Ｒａ在０．８μｍ以下的被测表面,并可避免误识别     

基于PSO-RNN的光伏发电功率预测研究

针对光伏发电功率预测对电力系统的安全稳定和经济运行问题,本文提出了基于粒子群算法优化脊波神经网络的光伏功率预测模型。采用脊波函数作为隐含层激励函数的神经网络,即脊波神经网络,同时采用粒子群算法优化脊波神经网络的权值,并以实际光伏发电站的历史光伏发电数据和气象数据作为仿真算例,对预测模型进行仿真和测试。仿真结果表明,与BP神经网络预测模型相比,基于粒子群算法优化脊波神经网络预测模型的日平均绝对误差和日最大绝对误差均有所降低,证明粒子群算法优化脊波神经网络的预测模型具有较高预测精度,不仅加快了脊波神经网络收敛速度,而且避免了陷入局部最优解,具有一定的实用性及可行性。该研究为光伏发电功率预测提供了理论参考。     

基于神经网络的并行布局算法

根据神经网络串行布局算法,进一步研究并提出了与布局问题相适应的神经网络并行计算模型及并行布局算法,以负载平衡及系统通信开销最小为目标。理论分析结果表明,运用该算法能达到此目标,且具有布局质量高、收敛快、计算简单等特点,适于神经网络并行布局。     

粗糙集模糊神经网络软件质量预测

以面向对象的软件度量为研究对象,首先采用SOM神经网络离散化度量元因子矩阵数据,接着对于得到的离散化的矩阵数据采用粗糙集理论的属性约简算法进行属性约简,然后根据约简得到规则构造模糊神经网络的网络结构,并采用BP算法对网络进行训练,最后通过仿真实验验证了该算法。     

基于粒子群算法的电站锅炉效率优化研究

该文以电站锅炉燃烧系统为研究对象,针对电站现场无法在线计算锅炉热效率的问题,利用BP神经网络建立了锅炉的热效率模型,并在此基础上,采用粒子群优化算法对锅炉运行参数进行优化。仿真结果表明,BP神经网络效率模型具有较高的精度,粒子群优化算法优化算法可以用于电站锅炉的热效率优化。     

基于改进BP神经网络的手写邮政编码识别

为解决手写邮政编码识别困难的问题,引入改进的粗网格特征提取方法,对神经网络的网络输入进行简化,并且采用基于LM算法的BP神经网络来进行网络学习。LM算法是一种改进的高斯-牛顿算法,此算法通过简化的网络输入,进一步提高了网络学习的精度、稳定度和学习速度。仿真结果验证了此算法在手写邮政编码识别中的有效性。     

一种神经网络模型在混凝土配比设计中的应用

本文描述了人工神经网络的模型和算法，给出了BP神经网络模型和算法的相关变量的处理方法。用这种方法，对混凝土配合比试验数据进行分析预测，效果良好。说明BP神经网络模型可用于混凝土混合比强度预测中。     

公路网最佳路径算法的研究

道路最佳路径的算法是公路网信息化建设中的电子导航系统的关键技术之一,首先对公路网抽象出数学模型,定义出公路网的抽象数据类型,用二维数组存储表示,然后对最短路径的经典逄法即Dijkstra算法进行了分析,最后对优化算法进行分析和比较,从而给出优化算法。     

基于RBF神经网络的超市客户保持预测模型研究

利用RBF神经网络数据挖掘算法建立了超市客户保持预测模型,在MATLAB开发环境下进行程序设计和仿真分析,并与BP算法进行对比,完成了超市客户保持预测的任务,分析了该算法的优越性.     

应用VHDL语言的FFT算法实现

针对目前数字信号处理中大量采用的FFT算法都需要软件来处理的问题，基于FFT算法的原理，采用硬件描述语言(VHDL)和现场可编程逻辑门阵列(FPGA)，建立了算法逻辑的硬件模型，并编程实现其逻辑运算功能，完成了FFT算法的硬件描述，经测试表明，数字信号的处理速度提高了10％～20％，特别适用于复杂信号的频谱分析，增强了数据处理的可靠性和稳定性。     

基于概率选择的次优移动Agent迁移策略研究

针对原有网络结构开销较大、负载分配不均等缺点,提出一种区域核心式移动Agent服务注册模式.针对移动Agent路由选择问题提出了一种模拟蚁群算法的路由选择新算法,并给出了一种基于概率P的移动Agent迁移策略,改变了传统迁移只按照某种标准下的最优路径进行的模式,使移动Agent可以充分利用网络中的各条符合时延条件的通路进行迁移;模拟自动控制理论中的反馈思想,使移动Agent执行任务的同时,担任修正路由信息的任务,使路由表的信息始终保持次优状态.仿真实验证明,提出的移动Agent迁移体系在收敛速度、容错性、系统开销和迁移时延等方面有明显改进,并且可以有效缓解在网络负载较重的情况下出现的网络节点阻塞以致移动Agent丢失的情况.     

聚类分析在毕业生就业预测中的应用

为了预测毕业生的就业情况,采用聚类分析技术中基于模型的统计方法,参考COBWEB算法,根据历年毕业生的就业情况及相关信息建立数据库,并建立模型进行评估,针对各种因素对学生就业情况造成的影响,对即将毕业的学生进行就业预测。     

环境监测生物传感器的研究和发展

综述了生物传感器在环境监测领域的应用和最新进展。讨论范围包括水环境、大气环境、土壤等各个方面，并展望了环境监测生物传感器的发展方向。     

基于改进Apriori算法的SCADA系统事故后数据分析

SCADA系统调度中心保存了大量的数据,如何有效地利用这些数据进行故障、事故分析处理已成为一个重要的课题。提出改进的关联规则Apriori算法对调度中心的数据进行分析处理,提高事后辅助分析决策能力。首先分析了Apriori算法应用的局限性,然后从数据处理和分层挖掘两方面对传统Apriori算法作了优化。对SCADA系统历史数据库的挖掘结果表明,此算法对加快故障、事故的分析和处理有一定的指导意义。     

多元符号的安全算术编码

为提高传统算术编码TAC(traditional arithmetic coding)对密文和选择性明文攻击的抵抗力,提出一种基于多元符号的安全算术编码M-SAC(M-ary security arithmetic coding)方案.该方案将数据压缩与加密相结合,利用加密密钥改变信源符号在编码区间中的位置,进而改变TAC的编码区间和编码码字.仿真结果表明:在静态和自适应模型下,当译码器利用错误密钥译码时,该方案比二元随机算术编码BRAC(binary random arithmetic coding)得到的误符号率SER(symbol error rate)更高;该方案既不影响压缩效率又能实现对数据的有效加密,对密文和选择性明文攻击有很强的抵抗力.     

一种基于流密码的改进数据加密技术研究

在使用流密码技术加解密信息时,发送方和接收方都需要相同的密钥流生成器,其安全性依赖于密钥流生成器。为了提高其加密速度和安全性,提出基于流密码技术的一种改进的数据加密算法：接收方不再使用密钥流生成器,而是将发送方的密钥流用RSA算法加密后传送给接收方。     

供求关系的可计算模型研究

如何从人工智能的角度来描述人们的意识行为,关键问题是要建立能够正确反映这一事实过程的数学映象．在分别讨论了单层感知器的线性可分性和不可分性的基础上,利用单层感知器对XOR函数的不完全感知特性,建立了供求关系的可计算模型,并揭示了该博弈系统的隐秩序．该模型的建立为博弈过程的计算机仿真创造了条件,并拓宽了感知器的应用范围．