人工神经网络BP算法的改进及其在无损检测中的应用

采用多层感知器（MLP）与误差反向传播算法（er-ror back-propagation algorithm)构造与监督训练人工祖辈 经网络,采用了改进的非线性激励函数与学习率的误差反向传播算法,超声无损检测的计算机模拟与实验结果表明,改进的BP算法收敛速度较之BP算法明显加快。     

关于多层感知器的函数逼近能力

给出一个关于多层感知器（ＭＬＰ）连续函数逼近能力更为普遍的新结论，表明ＭＬＰ的函数逼近能力与隐层数目及隐层神经元特性函数的选以关系不大，而主要是决定于ＭＬＰ的支神经元数目。     

典型人工神经网络的结构、功能及其智能系统中的应用

人工神经网络已在各个领域得到广泛的应用，尤其是在智能系统中的非线性建模及其控制器的设计、模式分类与模式识别、联想记忆和优化计算等方面更是得到人们的极大关注；本文从网络在智能系统中建模及控制器设计的具体训练结构入手，详细介绍了BP网络在系统控制中的典型应用方式，并根据不同网络所具遥功能，从性能对比的角度对人工神经网络在上述各方方面的应用给予综述。     

人工神经网络技术的发展与应用

神经控制是一种新型的控制系统,其在动态模拟、建模和控制方面应用广泛。为了更好地研究人工神经网络技术,对人工神经网络的起源和发展历史作了回顾,阐述了人工神经网络的一般结构特性,讨论了几种常用的人工神经网络的忧缺点以及目前在工程应用中的情况,并用较先进的例子对其应用作了说明,然后对其发展与应用作了展望,以期对人工神经网络的研究与应用提供参考。     

人工神经网络典型模型的比较研究

人工神经网络是近年来发展起来的一门新兴学科,具有较高的研究价值。介绍了人工神经网络的基本概念,针对人工神经网络在不同的应用领域如何选取问题,对感知器、BP网络、Hopfield网络和ART网络四种人工神经网络模型在优缺点、有无教师方式、学习规则、正反向传播、应用领域等方面进行了比较研究。可利用其特点有针对性地将人工神经网络应用于计算机视觉、图像处理、模式识别、信号处理、智能监控、机器人等不同领域。     

人工神经网络典型模型的比较研究

人工神经网络是近年来发展起来的一门新兴学科，具有较高的研究价值。介绍了人工神经网络的基本概念，针对人工神经网络在不同的应用领域如何选取问题，对感知器、BP网络、Hopfield网络和ART网络四种人工神经网络模型在优缺点、有无教师方式、学习规则、正反向传播、应用领域等方面进行了比较研究。可利用其特点有针对性地将人工神经网络应用于计算机视觉、图像处理、模式识别、信号处理、智能监控、机器人等不同领域。     

小世界人工神经网络模型及其应用研究

关于优化神经网络模型的快速性和精度,为了寻找最优的神经网络结构,在复杂网络的研究方法对多层前向神经网络模型的基础上,提出一种在层次结构上处于规则型到随机型神经网络过渡的中间网络模型-NW型多层前向小世界人工神经网络模型.利用对多层前向规则神经网络中神经元以某一概率p随机化向后层跨层连接,构建新的神经网络模型,然后将不同跨层概率下的小世界人工神经网络应用于函数逼近.在设定精度相同情况下对不同概率下的收敛次数做比较,仿真发现随机化加边概率p处于p =0.08附近时的小世界人工神经网络比同规模的规则网络和随机网络具有更好的收敛速度,实验证实采用NW型小世界多层前向人工神经网络模型,在精度和收敛速度上均得到提高.     

基于感知器模型的布尔函数实现

通过对感知器模型的研究,结合数字电路知识,实现了基本逻辑运算,并通过MATLAB验证了感知器能够实现逻辑运算,并能进行正确分类。     

基于感知器模型的布尔函数实现

通过对感知器模型的研究,结合数字电路知识实现了基本逻辑运算,同时用MATLAB验证了感知器能够实现逻辑运算,并能进行正确分类.     

人工神经网络在材料设计中的应用及其若干共性问题的研究

应用人工神经网络进行材料设计已取得了可喜的进展，本文回顾了人工神经网络应用于材料制备工艺研究时的一些共性问题，如：样本筛选、网络结构的确定、加快网络训练速度、改善网络预测效果、最优工艺参数的确定等，并给出相应的解决办法。     

人工神经网络在函数逼近中的应用研究

利用径向基函数网络研究了人工神经网络在函数逼近中的应用。分析了网络结构对逼近性能的影响。利用MATLAB神经网络工具箱进行仿真。实验结果表明,神经网络具有很好的函数逼近性能,其中RBF网络的逼近性能更优。     

记忆神经网络的研究与发展

首先,根据记忆神经网络训练形式的不同,介绍了强监督模型和弱监督模型的结构特征和各自应用场景以及处理方式,总结了两类主要模型的优缺点;随后,对两类模型的发展和应用（包括模型创新和应用创新）进行了简要综述,总结了各类新模型在处理自然语言过程中所起的关键作用;最后梳理了记忆神经网络处理自然语言所面临的复杂性挑战,并预测了记忆神经网络未来的发展方向.     

BP神经网络在网络通信中的应用

该文根据神经网络的原理和BP神经网络的特点,说明将BP神经网络技术应用在网络通信中的优势,并根据其特点从三个方面介绍了BP神经网络在网络通信中的应用,最后分析目前神经网络技术在网络通信中应用研究的现状和发展趋势。     

基于扩展卡尔曼粒子滤波算法的神经网络训练

神经网络的训练是一种非线性系统的辨识问题,基本粒子滤波算法已被成功用于训练神经网络,但基本粒子滤波算法在建议分布的选择上并没有考虑当前时刻观测值的影响,本文针对该问题提出使用扩展卡尔曼滤波器来生成建议分布。由于扩展卡尔曼滤波器在传递近似建议分布的均值和协方差的过程中充分利用了观测值信息,从而可以更好地描述神经网络权值的后验概率分布。实验结果证明,使用扩展卡尔曼滤波器作为建议分布的粒子滤波算法性能明显优于基本粒子滤波算法。     

人工神经网络在汽液相平衡常数预测中的应用

汽液相平衡常数的计算在化工分离过程中至关重要 ,传统方法参数众多 ,计算过程复杂 ,耗用机时多。本文在文献数据的基础上 ,首先利用过程模拟软件DesignⅡ对汽液相平衡常数进行了计算 ,然后使用三层BP神经网络及L -M算法对汽液相平衡常数进行预测 ,并以其他多种算法作为对比。结果表明 ,预测数据与实验数据吻合相当好 ,L -M算法运算速度明显快于其他算法 ,总耗机时大大缩短     

基于人工免疫网络的神经网络集成方法

提出基于人工免疫网络的神经网络集成方法AINEN。在用Bagging生成神经网络集成之后,将人工免疫网络的原理应用到神经网络集成,组成了一个从微观上看是一个一个的神经网络,而从宏观上看是一个大的人工免疫网络的集成。通过在微观层次上提高神经网络集成的个体之间的异构度,在宏观层次上提高免疫网络的适应度,从而降低集成的泛化误差。AINEN与GASEN方法在标准数据集上进行的实验表明,AINEN能取得更小的泛化误差。     

人工神经网络在汽轮发电机组故障诊断中的应用

基于ＢＰ神经网络，结合船舶汽轮发电机组故障诊断问题，提出了一个适合于复杂、非线性系统的块层化神经网络诊断模型，并开发了一个诊断系统。通过实验优化了网络参数，经在某船舶汽轮发电机组进行的运行实验，验证了诊断模型高效的自组织、自学习能力。初步试验结果表明诊断系统是有效和可行的。