基于进化计算的神经网络设计与实现

基于进化算法可有产解决神经网络设计和实现中存在的一些问题,使网络具有更优的性能。在此对基于进化计算的神经网络设计和实现的研究内容及进展情况进行综述,讲座了网络实现的关键问题,包括网络权重的进化训练,网络结构进化设计,学习规则进化选取以及进化操作算子设计等,并分析了相关的研究和发展方向。     

面向人工神经网络算法的数字VLSI 设计及实现

设计了一种数据位长可变的基于MIMD（Multiple Instruction Multiple Data）结构的通用人工神经网络 并行处理器APP（ANN’s Parallel Processor）,具有8 位、16 位、32 位等三种数据位模式．优化了处理器的关键运算 部件和内部数据通路,并且定制了类RISC 指令集,能够通过编程来实现多种ANN 算法．APP 处理器基于0.25mm 的CMOS 工艺设计,使用Cadence 公司工具对其进行综合,并与其它的神经网络实现手段进行比较．实验结果表 明,该处理器具有较好的通用性和实时性．     

人工神经网络

Artificial Neural Networks are a different paradigm forcomputing. Von Neumann machines are based on theprocessing/memory abstraction of human information processing.Neural networks are based on the parallel processing architectureof animal brains, which is a form of multiprocessor computersystem with simple processing elements, a high degree ofinterconnection, simple scalar messages, and adaptive interactionbetween elements.Learning in biological systems involves adjustments to thesynaptic co…     

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。     

人工神经网络与催化剂优化设计

在进行催化剂的配方设计时，由于其机理非常复杂，系统特性高度非线性化，各因素的交互作用比较明显，且催化理论中包含大量的非数值知识，难以进行定性或定量的描述，用传统的计算方法难以进行催化剂优化设计。 人工神经网络是由大量的简单单元——形式神经元高度错综复杂连接而成的网络系统。神经网络能实现任意的非线性映射，因此有可能对非线性系统进行建模；神经网络具有高度的并行结构，易于直接并行处理，因此可以获得非常快的总体处理能力；神经网络具有学习和适应能力，可以根据要研究的过去的数据记录来训练神经网络，还可以在线…     

基于WEB的人工神经网络材料设计系统

开发了一个基于WEB的人工神经网络材料设计系统。该系统用DelphiMIDAS技术结合ActiveX技术实现对数据库的维护;利用MATLAB的WEB技术结合其数据库工具箱和神经网络工具箱编写程序,从材料数据库中获得数据进行神经网络计算,并将结果通过WEB服务器返回给浏览器。     

基于人工示例训练的神经网络集成入侵检测

提出一种基于人工示例训练的神经网络集成入侵检测方法。使用不同的训练数据集训练不同的成员网络,以此提高成员网络之间的差异度。在保证成员网络个数的基础上,选择差异度较大的成员网络构成集成,以提高系统的整体性能。实验结果表明,与当前流行的集成算法相比,该方法在保证较高入侵检测率的前提下,可保持较低的误检率,并对未知入侵也具有较高的检测率。     

An analysis of the performance of Artificial Neural Network technique for apple classification

The purpose of this paper is to develop Artificial Neural Network (ANN)-based apple classifier. Testing effort is calculated using ANN method. The complete system is divided into two modules. In the first module, input (surface level apple quality parameter) from the different sources is collected by the software developed in Visual Basic through different input device like web camera, weight machine, etc. In the second module, the input data are used by ANN simulator to classify the apple according to their quality. The final result of an ANN model for apple classification is discussed; however, the modeling results showed that there is excellent agreement between the experimental data and predicted values. A low level of error prediction confirmed the fact that the Neural Network model is an effective instrument of the apple quality estimation. There is not any misclassification during testing. The paper presents alternative method for quality assessment of apple and provides consumers with a safer food supply.     

基于MATLAB的BP人工神经网络设计

本文介绍了BP人工神经网和MATLAB软件,并举例说明了MATLAB神经网络工具箱的用法.     

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。     

支持OpenCL 的GPU 加速人工神经网络训练

人工神经网络训练所包含的运算量随着网络中神经元的数量增多而加大,对于神经元较多的网络训练很耗时。提高人工神经网络训练速度的一个方法是对训练算法优化以减少计算量。由于人工神经网络训练算法包含大量的矩阵和向量运算,如果把优化的算法用运行在GPU上的OpenCL C语言实现,则训练速度相比传统基于CPU计算的实现会提高很多。从硬件的并行计算能力着手,以RPROP算法为例,对其运行在GPU上的OpenCL C语言实现作一些研究。     

利用进化规划设计人工神经网络

近年来,人们开发了许多的神经网络自动设计方法,其中进化算法与神经网络的结合最引人注目,形成一类进化人工神经网络。对用遗传算法实现神经网络的进化进行研究的时间最早,并得到广泛的评论,而最近越来越多的研究支持利用进化规划设计神经网络是一种更优的方法。该文讨论了这一领域的研究进展并阐明了进一步的研究方向。     

基于神经网络的人工嗅觉系统设计

利用半导体气体传感器的交叉敏特性，将气体传感器阵列与自适应共振理论神经网络相结合，构建了一个用于临场感机器人的人工嗅觉系统，用于对气体的定性识别。实验结果表明，该设计方案是可行的。     

自适应人工神经网络电机控制器设计

提出了一种自适应人工神经网络无刷直流电动机(BLDCM)转速控制器设计方法;针对传统PID调节器难以应对系统超调和短时振荡等问题,提出了一种结合人工神经网络和传统PID控制的新方法;首先建立了(BLDCM)的本体数学模型,在此基础上描述了将人工神经网络和PID控制相结合的模型,并对具体的控制算法进行了定义;最后,使用Matlab仿真工具对BLDCM控制实例进行了仿真;实验结果表明,结合人工神经网络和PID控制器的新控制方法具有响应快、鲁棒性强以及控制精度高等优点,很好地抑制了超调和振荡。     

参考作物蒸发蒸腾量的人工神经网络模型研究

根据河套灌区多年气象资料和Penman-Monteith法计算得到的参考作物蒸发蒸腾量(ET0)，回归分析了影响ET0的主成分。在此基础上比较了以4因子(平均气温、净辐射、相对湿度、2m处风速)和3因子(平均气温、净辐射、相对湿度)为输入向量，由Penman-Monteith法计算所得ETo为输出向量的BP网络ET0预报模型(BP-ET0)。研究表明，BP网络可以用于ET0的预报计算，4因子法和3因子法均简便可行，能满足生产的需要。相比之下，4因子法的精度更高。此研究是对传统ET0计算的补充。     

基于人工神经网络的数字式水平传感器

利用电容式传感器实现水平偏转角度的计算机检测,在考虑环境条件变化的情况下,利用人我神经网络实现偏转角与输出量值的非线性映射。     

基于量子计算多Agent的人工神经网络训练方法

人工神经网络是可用于建模和求解各种复杂非线性现象的工具.针对传统神经网络训练时间长、节点数目受计算机能力限制等缺点,提出了一种新的多Agent系统理论(MAS)和量子算法的人工神经网络.在人工神经网络训练方法中,每个神经元或节点是一个量子Agent,通过强化学习算法后具有学习能力,然后用QCMAS强化学习算法作为新的神经网络的学习规则.这种新的人工神经网络法具有很好的并行工作能力而且训练时间比经典算法短,实验结果证明了方法的有效性.