BP神经网络的IAPSOBPNN组合训练算法

针对BP神经网络易陷入局部极小点、泛化能力低的缺陷,提出了BP神经网络的IAP-SOBPNN(Particle Swarm Optimization with Immunity Algorithm Back Propagation Neural Network)组合训练算法,即免疫算法、粒子群算法和BP算法的组合.将此组合训练算法应用到非线性函数逼近和具有复杂非线性动力学特征的股价预测中,仿真实验表明,该算法避免了网络陷入局部极小点,提高了网络的泛化能力,同时为BP网络参数的确定提供了一条崭新的思路.     

基于模糊距离的RBF神经网络板形模式识别

针对BP网络在板形缺陷模式识别的应用中,由于网络本身存在收敛速度慢,学习时间长,容易陷入局部极小等结构性能不佳的问题,从而影响板形识别精度;文中提出了基于模糊距离的RBF网络板形缺陷模式识别法.RBF网络是一种局部逼近的神经网络,它在逼近能力、分类能力和学习速度等方面都优于BP网络.为了使板宽变化时网络结构不变,将模糊距离与RBF网络相结合进行模式识别,仿真实验结果表明,该方法与BP网络方法相比,网络收敛速度较快,而且识别精度较高.     

基于RBF神经网络的交通流预测

针对交通模型是一个非线性、不确定的复杂动力学系统,难以用精确模型来表达的问题,采用RBF神经网络建立交通流预测模型,具有较强的局部泛化能力,收敛速度快,克服了BP神经网络收敛速度慢、易陷入局部极小的缺点．实例仿真研究表明,该方法预测效果较好．     

一种前向神经网络训练算法的改进

针对前向神经网络（FNN）现有BP学习算法的缺点──收敛速度缓慢、容易陷入局部极小,提出一种快速、全局优化、简单通用的前向神经网络训练算法。这种方法将改进BP算法中的动量项由常量改换为一类关于常量的非线性函数。利用非线性特性,优化过程中能遍历局部极小,同时又具有突跳特性。结合升温策略,该算法在优化精度和网络训练速度两方面均有较大改善。通过对典型算例──异或问题的仿真,验证了算法的有效性和可行性。     

基于迭代学习的BP神经网络权值训练算法

针对传统BP算法存在收敛速度过慢、易陷入局部极小的问题,提出基于迭代学习的BP神经网络权 值修正算法。该算法将迭代学习的原理与神经网络相结合,同时采用本次训练误差和前一次的训练误差修正神经 网络权值,提高了网络训练速度。仿真结果验证了该算法的有效性。     

平方根UKF神经网络及其在预测中的应用

提出一种利用平方根无轨迹卡尔曼滤波(SR-UKF)进行神经网络权值估计的算法,该算法可以克服BP算法存在的学习速率缓慢、计算量大、容易使学习陷入局部极小等缺点.以Mackey-Grass混沌时间序列作为神经网络输入,运用SR-UKF算法、UKF算法、BP算法仿真神经网络.结果表明,SR-UKF算法较之BP算法具有更快的训练速度和更高的预测精度,且可以避免网络学习陷入局部极小,而相对于UKF算法又具有计算量小且能保证状态方差半正定的特点.     

并行遗传神经网络及其在机械故障诊断中的应用

在机械故障诊断中，对并发的故障进行诊断是一个备受关注的问题。为此，提出了用并行遗传神经网络诊断并发的故障的新方法。介绍了并行神经网络的结构、遗传算法的建模原理及并行遗传神经网络的结构和诊断机理。以某大型旋转机械为诊断对象讨论了该方法的实现技术，并与传统的BP(back—propagation)网络用于故障诊断的方法进行了比较。实验仿真结果表明，该方法在训练网络过程中能够避免网络陷入局部极小，加快网络训练的速度，减少诊断时间。     

基于RBF神经网络的电流保护

提出了一种基于RBF神经网络的全新的电流保护方式 该网络采用的是 3层RBF神经网络模型 ,由三部分构成 :故障类型与相别判断子网络ANN1;故障方向判别子网络ANN2 ;振荡识别子网络ANN3 对该模型进行了各种故障状态的测试 ,进行了仿真实验 ,并与BP网络进行了比较 ,发现RBF网络训练速度快 ,且证实了基于RBF网络的电流保护的可行性     

基于小波神经网络的风速预测及置信区间估计

小波神经网络是在小波变换理论和人工神经网络的基础上建立的一种新型网络模型,综合了两者的优点,克服了BP神经网络易陷入局部极小点和训练速度慢的缺点．本文建立了小波神经网络模型,采用最陡梯度下降法训练网络,将该网络用于对风电场小时风速的预测,并对预测置信区间进行计算．预测结果表明小波神经网络在训练速度和预测精度方面均优于BP神经网络．     

基于径向基神经网络的螺杆泵转速设定方法

为了研究受多种因素影响的螺杆泵转速控制系统,提出一种基于径向基神经网络的螺杆泵转速设定方法.利用径向基函数(RBF)神经网络对螺杆泵转速进行分析及预测,通过对螺杆泵的历史数据分析处理,得到螺杆泵转速的时间序列.将时间序列视为一个从输入到输出的非线性映射,并引入RBF神经网络来进行非线性映射的逼近.通过对网络进行学习与训练仿真实验,并与BP神经网络预测结果对比,表明应用RBF神经网络对螺杆泵转速进行短期预测精度更高、效果更好.该神经网络结构简单,非线性逼近能力强,通过对非样本点数据的实验验证,证明了该系统的可行性,具有一定的实用价值.     

齿轮—五杆机构的轨迹特性研究

采用计算机机构动画仿真的方法，对齿轮五杆机构的轨迹特性进行了研究。分析了该机构双曲柄存在的条件，两连杆铰接点Ｃ的轨迹曲线可到达的区域及该轨迹曲线形状随机构结构参数的不同而变化的规律，从而为齿轮五杆机构的轨迹综合提供了重要依据。     

数学优化方法在新安江模型参数率定中的应用分析

以3种数学优化方法及新安江(三水源)模型的理论为依据,介绍了优化方法在新安江三水源模型参数率定中的应用.将率定成果与API模型进行了对比,说明这3种优化方法在大宁河流域参数率定中应用效果良好,具有很好的参考和推广价值.     

霸县凹陷文安斜坡内带层序地层学研究

以文安斜坡内带深层为研究对象,应用高分辨层序地层学等方法研究识别隐蔽油藏.通过兴隆1井地层重新划分及高分辨率三维地震应用,将该区沙三、沙四段地层之间重新确定为不整合接触.在三级层序地层框架建立的基础上,刻画各体系域砂体展布特征,构建了坡折带控制沙四下自生自储岩性油气藏成藏模式.通过钻井实践,首次在霸县凹陷发现沙四下段含油层系及新的烃源岩层,实现了深层自生自储式油藏类型的勘探突破.     

密炼机转子的刚度计算

介绍了变截面梁变形计算的初参数法，运用该方法求密炼机转子的变形，并得到了精确的解。     

高等学校固定资产计提折旧问题探讨

中国现行会计制度规定,高等学校的固定资产不计提折旧。随着经济的发展和高等教育的改革,高等学校的经济成分越来越复杂,固定资产管理和核算中暴露出来的问题越来越突出。针对现行高校固定资产计价模式存在的问题,提出了对高校固定资产计提折旧的设想,研究了高校固定资产折旧的范围、折旧年限、折旧方法及会计处理办法。     

一类含间隙分布时滞的种群模型稳定性研究

主要借助螺线特性,对一类含间隙分布时滞的种群增长模型特征方程λ＋c＝d（1＋λT）     

红豆杉原生质体制备和培养研究

采用不同浓度的纤维索酶和果胶酶混合液对红豆杉种子的胚进行了处理,采用3％ 0.5％(m／v)的纤维索酶 果胶酶混合液效果好．得到了红豆杉胚原生质体;同时采用了B5、V-KM、MS3种培养基对所得到的原生质体进行了初步培养;实验结果表明．采用V-KM附加椰子汁(含天然植物激素)培养基培养胚性原生质体效果较好,并研究了植物激素的浓度和光照强度等对愈伤组织的诱导的影响,表明采用IAA和NAA对愈伤组织生长效果较好,光照强度在1000lx生长效果较好.     

浅析资产减值会计对利润的操纵

会计制度规定企业定期或者至少于每年年度终了，对各项资产进行全面检查，合理地预计各项资产可能发生的损失，并计提资产减值准备，既不高估资产或收益，也不少计负债或费用，从而避免虚增企业利润。但在实务中，一些企业却利用会计法规准则中的原则性，通过资产减值准备达到操纵会计利润的目的，本文即是从企业滥用资产减值入手，以实例来揭示企业计提秘密准备的意图，以引起业内人士的重视。     

扬声器的自滤波特性与D类功放失真的改善

应用动圈式扬声器的电—力—声类比等效线路对动圈式扬声器的频率特性进行了初步的研究,提出了利用扬声器的自滤波性能改善因D类功放移相网络引起信号相位失真的方法。同时,采用比较、反馈的方法对音频信号的谐波加以抑制,使得数字功放的总体失真指数下降。     

红土颗粒粒度的分维变化特征

借助分形几何理论,探讨红土在不同处理方法下其颗粒粒度的分维变化特征结果表明：红土的颗粒粒度具有线性分形结构的特点是客观存在的事实,其分维值的大小反映了土中颗粒粒度的分布情况,并与土的物理力学性之间存在一定的关系分维是描述土的颗粒粒度的一个新的特征参数