一种新的分布式神经模糊控制器

提出了一种分布式神经模糊网络和自学习模糊控制器的构成方法。它是CMAC模型的一种扩展,使其能进行模糊推理和构成自学习的模糊控制器。该方法除具有CMAC优点外,还具有以下特点：输入数据通过模糊划分和隶属函数后自动编码,对精度没有限制;从现场数据直接获取控制规则,即使对未训练的数据,也能结合插值和泛化两种能力,推理给出合适的输出。学习实例证明了方法的有效性。     

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。     

Behavior Evolution of Multiple Mobile Agents under Solving a Continuous Pursuit Problem Using Artificial Life Concept

In engineering aspects, the goal of artificial life is to incarnate unique behaviors or phenomena of living creatures in nature into artifacts like computers. Artificial life can provide a useful methodology for multiple mobile agent learning which is full of autonomy and creativity. In this paper, a neural network is used for the behavior decision controller. The input of the neural network is decided by the existence of other agents and the distance to the other agents. The output determines the directions in which the agent moves. The connection weight values of this neural network are encoded as genes, and the fitness of individuals is determined using a genetic algorithm. Here, the fitness values imply how much group behaviors fit adequately to the goal. The validity of the system is verified through simulation. Moreover, in this paper, we could have observed the agents' emergent behaviors during simulation.     

遗忘神经网络模型及其BP算法

为解决跨时间数据训练神经网络时的数据选择问题,提出在神经网络的训练模型中引入遗忘系数,从而建立了一种改进的前馈神经网络模型——遗忘神经网络模型。介绍了该模型的基本原理,并给出了其BP算法。     

实现人工神经网络知识增殖能力的一种方法

具有知识增殖能力的神经学习系统是人工神经网络发展的一个重要方向,备受研究人员的关注．传统上对神经学习系统知识的增殖或重用研究偏重于对个体网络的改造,根据知识积累和继承的思想,引入自治神经网络(autonomous artificial neural network,AANN)的理念,以此作为构造知识可增殖神经学习系统的基础,利用群体网络的方法成功解决了神经学习系统的拓展和知识增殖问题．AANN和一般神经网络的区别在于其自治能力,采用AANN模块构造的神经学习系统,具有知识增殖能力,其可靠性、可拓展性和灵活性都得到提高．实验结果表明,该方法构造的群体网络系统可有效继承其模块所学习的知识．     

基于人工神经网络的中长期负荷预测算法

当前中长负荷预测的大部分方法都衍生于传统的线形统计理论,难以解决复杂的非线性问题。文中结合BP人工神经网络技术,利用人工神经网络所具有的非线性映射和函数逼近功能对中长期电力负荷进行了研究,提出了一种中长期电力负荷预测的思路。并利用北京市的实际数字对未来若干年的用电量进行了预测,实验结果表明,该算法具有较好的准确性和可行性。     

神经网络状态监测和诊断的分布式实现

工业设备的大型化和工业过程的日趋复杂,使得对工业过程的状态监测和故障诊断显得尤为重要。文中在多元统计过程控制方法的基础上,将神经网络用于过程的监测,并在基于CORBA技术的多客户端工业过程中实时监测软件系统实现。考虑工业系统故障预知的滞后,软件设计中采用了特殊的复合神经网络结构以便于维护和拓展。FCCU的实验数据表明:系统能很好监测和判断过程运行状态,并且能够在客户端图形化显示,操作简单。     

基于遗传算法和神经网络的特征提取

特征提取是模式识别领域的一个重要的研究方向,特征提取可以提高分类的效率与效果。本文将遗传算法与神经网络结合起来运用于特征提取,对在数据中起显著作用的特征进行筛选,除去冗余和次要特征,得到特征子集。通过对UCI机器学习数据库中的sonar数据进行试验,结果表明可以有效地提取出重要的特征。     

基于BP人工神经网络的图像压缩技术过程及分析

本文介绍了BP人工神经网络在计算机图像压缩中应用的原理,对其实现的过程进行了详细的阐述,并通过采用非线性网络和最速下降法实现了图像压缩。分析结果表明:可以通过牺牲压缩率,增加隐含层的神经元数来提高重建图像的质量。     

A New Relaxation Procedure in the Hopfield Network for Solving Optimization Problems

When solving an optimization problem with a Hopfield network, a solution is obtained after the network is relaxed to an equilibrium state. The relaxation process is an important step in achieving a solution. In this paper, a new procedure for the relaxation process is proposed. In the new procedure, the amplified signal received by a neuron from other neurons is treated as the target value for its activation (output) value. The activation of a neuron is updated directly based on the difference between its current activation and the received target value, without using the updating of the input value as an intermediate step. A relaxation rate is applied to control the updating scale for a smooth relaxation process. The new procedure is evaluated and compared with the original procedure in the Hopfield network through simulations based on 200 randomly generated instances of the 10-city traveling salesman problem. The new procedure reduces the error rate by 34.6% and increases the percentage of valid tours by 194.6% as compared with the original procedure.     

基于神经网络的GIS空间数学模型研究

文中对空间数学模型的建立方法以及不同方法的优缺点进行了分析比较,指出基于人工神经网络的建模方法是目前GIS应用领域中行之有效的方法之一,最后通过实例对该方法的有效性进行了验证。     

基于BP神经网络的车牌自动定位方法

提出了基于BP神经网络的车牌自动定位方法。实验表明，由此建立的车牌自动定位模型适角于各类机动车辆，总定位率为99．5%，达到了业务使用的要求。     

一种基于BP神经网络的异步电动机转子速度辨识

针对异步电动机直接转矩控制系统,基于三相异步电机方程提出一种新型的采用人工神经网络辨识电机转速的方法.利用BP神经网络强大的函数逼近能力,对电机转速进行在线辨识.理论推导证明了其可行性,仿真和试验结果表明了该方法具有较好的静动态性能.     

基于BP与RBF神经网络经济预测模型的研究

该文结合经济预测理论和BP神经网络算法和RBF神经网络的特点,研究浙江省基于BP神经网络算法和RBF神经网络算法的人工神经网络的经济增长预测.实证研究数据结果表明,人工神经网络具有较好的预测精度,但是各种神经网络进行经济增长预测的数据不一样,有些误差非常大.人工神经网络可以为宏观经济部门决策提供很好的参考依据.     

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.     

神经网络与遗传算法在传统化工企业中的应用

传统化工企业中产品的配方优化是一个很关键的问题。文章提出了一种新的配方优化方法——人工神经网络和遗传算法方法(ANN-GA)，这是在经验设计和数据处殚领域的一种新方法。     

人工智能的新发展:人工神经网络及其应用

文章从人工智能的角度阐述了一种快速收敛的ＰＩＤ神经网络控制模型,其模型的网络结构简单,学习收敛速度快,初值选取方便,把ＰＩＤ神经网络应用于延迟系统,取得了理想的控制效果。此模型的应用充分体现了人工智能的特点。     

分数倍抽样率转换器的时变网络结构及其FPGA实现

提出了分数倍抽样率转换器的高效时变网络结构的设计方法,并用现场可编程门阵列（FPGA）实现.通过对分数倍抽样率转换器的多相结构与时变网络结构的比较,指出在实现分数倍抽样率转换器时,时变网络结构克服了分数延迟的问题,结构简单;整个设计采用并行工作方式以提高系统的运算速度;采用低抽样率下进行滤波运算,从而大大降低了运算量.以I/D=256/1 023倍抽样率转换器为例,用FPGA XC2V250-5来实现时变网络结构的设计,芯片利用率为61%,最高工作频率可达92.225 MHz.     

基于特征脸及人工神经网络的人脸识别

人脸是一个复杂的多维可见模型,开发人脸识别的计算模型是比较复杂的.介绍了一种基于信息理论的编译人脸图像的识别方法.该方法涉及两个方面:一是使用主成分分析进行特征提取;二是使用前馈反向神经网络进行识别.并使用400张人脸图片(40类)测试了该方法,识别率高达97.018％.     

混合语音识别系统的一种新的简化神经网络结构

研究适用于隐马尔可夫模型（HMM）结合多层感知器（MLP）的小词汇量混合语音识别系统的一种简化神经网络结构。利用小词汇量混合语音识别系统中的HMM状态所形成的规则的二维阵列,对状态观测概率进行分解。基于这种利用HMM的二维结构特性的方法,实现了用一种由多个简单的MLP所组成的简化神经网络结构来估计状态观测概率。理论分析和语音识别实验的结果都表明,这种简化神经网络结构在性能上优于Franco等人提出的简化神经网络结构。