神经网络余数制系统与余数制神经网络模型

余数制和神经网络各有其独特优点，将其有机结合这些优点得以充分发挥。将神经网络结构和方法引人余数制信号处理系统，构造出完成余数约化运算和余／十转换运算以及余数加法运算的新结构，开辟了高速实时信号处理的新途径．将余数制引入神经网络，即神经网络中的数据、权值均按余数制表示和运算，构造出一种新的感知机模型—余数制神经网络，由于余数制运算具有一种独特的非线性特点，使这种模型比常规神经网络具有更强的功能。     

时间序列神经网络预测方法

本文从信息论的角度出发，讨论了利用神经网络理论构造时间序列预测模型的可能性和关键问题，并在此基础上提出３种时间序列神经网络预测方法，它们是：神经网络非线性时间序列模型，神经网络多维时间序列模型和神经网络组合预测模型。将上述模型应用于实例的结果表明，在非线性信息的处理能力和预测精度方面都有很大提高。进一步，对今后智能信息预测方法的发展方向进行了探讨，提出了智能信息预测系统的结构模型。     

函数链神经网络的GA辅助训练方法

本文提出了将遗传算法(GA)和δ规则相结合，来调整一种无隐层的前向网络神经网络一函数链神经网络的参数及结构的方法，并将提出的算法用于2bit异或和曲面拟和问题，实验结果良好。     

动态分布参数神经网络时空稳定性分析

本文将Ｈｏｐｆｉｅｌｄ自联想神经网络和Ｋｏｓｋｏ异联想神经推广到无穷维状态空间动态神经网络，即动态分布参数神经网络，并给出了它们的有界性和稳定性。尤其是还研究了带微分算子的多维分布参数神经网络的时空稳定性以及保证稳定情况下所应满足的边界条件，最后，还给出了一个应用实例。     

基于神经网络的图像混合噪声消除

神经网络在智能化信息处理和非线性滤波方面的优异表现，使得越来越多的人将神经网络应用到图像处理中。提出一种将非线性滤波器和神经网络结合所构成的滤波器，实验证明这种滤波器在消除图像的混合噪声、保护图像的边缘信息方面具有明显的效果，通过对受到较大噪声影响的输入图像进行滤波，可使输出图像的信噪比提高10dB以上。     

RBF神经网络在传感器故障诊断中的应用研究

针对传感器在自动化系统中的重要性，指出了传感器故障诊断的必要性、可行性以及实现的基本方法。根据神经网络的原理与特点，阐述了RBF神经网络的基本理论和优点，提出了一种基于RBF神经网络用于传感器故障诊断的思路和方法。     

神经模糊卡尔曼滤波器的设计研究

提出一种将模糊逻辑和神经网络与卡尔曼滤波器有机融合为一体的信息融合方法，该方法既体现了模糊逻辑用语言来进行知识表达的特点，也融合了神经网络的自学习性和自适应性，其中自适应性的体现则是利用了神经网络的BP算法．仿真证明了神经模糊卡尔曼滤波优于常规卡尔曼滤波。     

基于神经网络的自适应控制应用现状及发展

通过神经网络与自适应控制的结合，提出了两种基于神经网络的自适应控制系统（MRAC和STC),主要从应用角度出发，介绍了神经网络自适应控制的研究现状及今后的发展，并与常规自适应控制进行比较，指出了利用神经网络的自身特点，应用于控制系统中的优越性和可行性。     

广义知识存储原理与高阶广义神经网络

本文在仔细分析神经网络知识存储方式的基础上，提出了高阶广义神经网络的概念和构成原则，讨论了其中一种典型的智能神经元模糊以及据此实现高阶广义神经网络的各项性能，最后将其与标准的ＢＰ算法进行了比较。     

基于神经网络模型测试生成的学习策略

本文描述一种基于组合电路的Ｈｏｐｆｉｅｌｄ神经网络模型的测试生成系统，重点介绍了系统中实现神经网络学习并记忆基于电路拓扑的知识信息的学习策略，从而将基于电路拓扑的知识与数学计算结合起来，最后给出了实验结果。     

基于遗传算法和人工神经网络的颅内压监测

通过对目前颅内压检测方法优缺点的分析,提出一种新型的颅内压检测方法——基于遗传算法和人工神经网络的颅内压监测。该方法利用误差反向传播神经网络建模,利用遗传算法优化,克服误差反向传播算法效率低下,易陷入局部极值的缺点。通过测量4～6个脑血流动力学参数,输入进此颅内压预测模型,即可得到所需颅内压值。     

基于GA-BP神经网络的人脸检测

传统的BP神经网络算法收敛过慢、局部收敛不理想,影响其工作性能。针对以上不足以及人脸图像数据大等问题。提出GA-BP神经网络对人脸图像进行检测的新方法:将遗传学习算法和误差反向传播算法相结合的混合算法来训练前馈人工神经网络,使网络收敛速度加快和避免局部极小。通过实验表明该网络不仅收敛速度快,而且易达到最优解。证明该网络对人脸图像检测具有高的检测精度。     

基于遗传算法演化网络的字符识别研究

将神经网络应用于字符识别,对BP网络和经遗传算法演化后的BP网络进行比较研究.计算结果表明,在训练效果与识别效果两个方面,遗传算法演化后的网络具有更好的识别效果,并能够大幅度提高网络训练时的收敛速度.通过理论分析其原因后得出结论,利用遗传算法做字符识别具有更优的性能.     

Mobile Station Positioning Using GSM Cellular Phone and Artificial Neural Networks

In this paper, we describe a novelapproach to mobile station positioning using a GSMmobile phone. The approach is based on the use of aninherent feature of the GSM cellular system (themobile phone continuously measures radio signalstrengths from a number of the nearest base stations(antennas)) and on the use of this information to estimatethe phone's location. The current values of the signalstrengths are processed by a trained artificial neuralnetwork executed at the computer attached to themobile phone to estimate the position of the mobilestation in real time. The neural network configurationis obtained by using a genetic algorithm that searchesthe space of specific neural network types anddetermines which one provides the best locationestimation results. Two general methods are explored:the first is based on using a neural network forclassification and the second uses functionapproximation. The experimental results are reportedand discussed.     

基于遗传神经网络的AOA跟踪算法

提出了一种在非视距传播环境中基于遗传神经网络的到达角定位跟踪算法。首先使用遗传算法优化后向传播神经网络的初始权值,将优化后的GA-BP神经网络对AOA测量值进行修正,用最小二乘算法确定移动台的位置,再用卡尔曼滤波器配合相关检测距离门对移动台实施跟踪。仿真结果表明,该算法能有效地实现移动台的动态跟踪,且性能优于传统BP神经网络和LS算法。     

基于遗传神经网络的入侵检测模型

这篇文章提出了一种基于遗传神经网络的入侵检测模型-进化神经网络入侵检测系统(ENNIDS),模型的核心模块利用遗传算法优化神经网络来实现,结合了误用检测和异常检测技术,并从理论上分析了该模型各个模块的功能和实现技术.我们在UCI机器学习数据库的入侵检测数据集上进行了实验,实验结果表明:该模型在检测正确率、误警率等方面能获得校好的性能。     

基于遗传算法改进的洪水预报模型

根据人工神经网络处理大规模非线性动力系统、遗传算法具有较好的寻优能力的特点,将二者有机的结合起来,提出了基于遗传算法改进的洪水预报模型,并将其应用于四川省达州市州河流域的水文预报。实验结果表明,本模型能够减少训练次数,提高预报精度,能更好的对洪水进行预报。     

用于入侵的自适应遗传算法训练人工神经网络

给出了一种能和网络结构一一对应的、合适的染色体编码方法.用物种入侵的遗传算法训练人工神经网络,在入侵过程中,遗传算法自适应地调整交叉算子和变异算子.提出了一种根据平均适应度值确定入侵物种规模的方法,并详细描述了算法步骤,最后通过实验证明了本文算法的有效性和优越性.     

基于GA-BP神经网络的茶叶蔗糖量检测模型研究

采用近红外光谱技术结合反向传播人工神经网络算法建立了茶叶中蔗糖含量的检测模型,并通过引入遗传算法改进了模型预测质量.预测模型采用120个茶叶掺蔗糖样品的傅里叶变换漫反射光谱数据建立.对另外42个样品的预测结果表明,基于传统的反向传播人工神经网络算法模型的相关系数为0.738 0,预测均方根误差为3.075 4,正确识别率为83.3％;增加遗传算法后相关系数提高到0.941 9,预测均方根误差为1.3176,正确率为88.1％,训练误差减小一个量级以上.实验结果表明,反向传播人工神经网络模型可用来检测茶叶中的蔗糖含量,同时,引入遗传算法优化了神经网络的初始权值和阈值,使预测误差更小.     

基于情感神经网络的风电功率预测

风力发电功率预测对于风能并网具有重要意义.采用一种可用于复杂系统和模式建模的新型神经网络——情感神经网络,对风力发电功率进行预测.为防止ENN在训练时陷入局部最优解,提出采用遗传算法对其进行训练.采用预测误差的均方根和标准差衡量预测准确性、稳定性,对ENN性能进行了检验.结果表明,相比于人工神经网络、支持向量机和自滑动回归模型,ENN能够获得更高的预测准确率和预测可靠性.