自动调整网络规模的前向神经网络

给出了时间频率子波神经网络模型。这种新模型不仅能根据学习样本调整网络的权值，而且能自动确定网络的规模，这样，在子波网络参数自适应的基础上，提出了结构自适应的新概念。同时，又通过改变作用函数类型，提出了一条确定神经网络规模的新途径，避免了网络设计中的盲目性。     

一种基于自适应子波神经网络的船舶噪声分类方法

基于自适应子波神经网络提出了一种船舶噪声分类方法，构造了一种用于船舶噪声分类的自适应子波神经网络分类器，并应用该分类器对前置处理后的三类船舶噪声进行了自动地提取识别特征，并分类。该方法所获得的特征空间与以ＡＲ建模方法获得的特征空间相比，类别之间的可分性好，特征数目少，分类结果令人满意，证明了该方法的优越性     

基于子波神经网络的函数逼近

分析了神经网络中非线性函数与子波变换母函数的关系，研究和于非线性函数逼近的子波神经网络的结构设计方法，函数逼近实例证实了结论的正确性。     

子波神经网络在故障诊断中的应用研究

根据旋转机械常见的故障类型和故障信号时域采样数据,以子波空间作为模型识别的特征空间,采用信息熵为代价函数的神经网络学习算法,由于波神经网络对故障进行学习和诊断,实验结果表明,子波神经网络的故障诊断方法在在了不解故障信号频率结构的情况下,即可对平衡和非平衡故障信号进行诊断,适于设备在线监测及设备的巡检。     

一种基于广义子波基函数选择的智能化神经元集聚模型

针对神经网络中传统神经元模型在结构和信息存储能力上存在的不足,提出了一种基于广义子波基函数网络的神经元集聚模型。在对一类非线性函数的逼近中,与传统的神经元模型相比,新模型不仅收敛速度极快,非线性逼近能力更好,而且还使神经网络具有了内部结构变尺度自适应调整和广义信息存储等智能化特点,更符合生物原型的实际情况。仿真实验验证了新模型方案在此类函数逼近问题中应用的可行性和高效性,从而为智能化神经网络的设计提供了一种新的思路和方法。     

利用子波基函数神经网络进行预测

提出了一种利用子波基函数神经网络对自动控制系统进行预测的新方法。子波基函数神经网络利用局部获得信息完成函数映射,从实验数据中提取时频特征,基于以前观察获得的数据来预测未来的输出结果。在这篇论文中,我们提出了一种实现子波基函数神经网络的结构和算法,并给出了一个时间序列预测的例子评价子波基函数神经网络预测的性能。     

子波神经网络在故障诊断中的应用研究

根据旋转机械常见的的故障类型和故障信号时域采样数据 ,以子波空间作为模式识别的特征空间 ,采用信息熵为代价函数的神经网络学习算法 ,由子波神经网络对故障进行学习和诊断 .实验结果表明 ,子波神经网络的故障诊断方法在不了解故障信号频率结构的情况下 ,即可对平稳和非平稳故障信号进行诊断 ,适于设备在线监测及设备的巡检     

基于神经网络计算的子波变换实现

本文首先阐明了子波变换理论利用可变时域和频域分辨特性表达信号、获取信号特征的原理，提出了利用神经网络计算方法计算子波变换系数的新方法，产讨论了与人视觉系统密切相关的子波变换神经元的特性，提供了计算机仿真子波变换信号的结果。理论分析和实验结果表明，子波变换不仅具有对信号多分辨表达的特征，而且可以有效地压缩被处理信号。     

范氏气体下单空气枪震源子波模拟

空气枪广泛应用于海洋地震勘探,但野外现场中震源子波的获取非常困难,条件也苛刻。因此利用空气枪震源子波模拟方法得到震源子波信号是一种行之有效的手段。以准静态开放式热力学系统与气泡振荡运动过程理论为基础,同时为了更符合空气枪中的高压气体,引入了范氏气体,建立了单空气枪震源子波模型。通过震源子波模型模拟与实测子波数据对比表明,单空气枪震源子波模型模拟的结果与实测子波能较好的吻合,从而得出了该模型能准确模拟实测子波波形,而且操作上方便实用。     

基于子波变换的自适应滤波

研究了基于子波变换的子波子带自适应滤波,它不仅加快了最小均方（ＬＭＳ）算法的收敛速度,有利于降低计算复杂度,而且改善了收敛性能。给出的谱线增强器的模拟结果证实了上述分析。     

基于LPMCC特征和小波RBF网络的语音识别

小波神经网络是结合小波变换理论与人工神经网络思想而构造出来的一种"新型的神经网络模型",融合了小波变换良好的时频局域化性质及神经网络的自学习功能。它通常可看作RBF网络的推广。本文构建了一个以Morlet母小波作为小波基,代替RBF网络中的激活函数的小波神经网络结构,并采用线性预测美尔倒谱(LPMCC)作为特征参数,进行了孤立词语音识别。实验结果表明此种方法抗噪性能好,识别效率高。     

基于Rough集的规则抽取技术

数据分类是数据挖掘的一个重要功能,神经网络以其良好的抗噪性和鲁棒性而成为一种广泛使用的数据挖掘工具,尤其是运用在数据分类中.但是,神经网络对用户来说是一个黑箱,所获得的知识隐含在神经网络的连接权中而难以理解.针对这种情况,建立了一个基于神经网络的数据分类系统模型,通过数据处理、网络训练、规则抽取等几个阶段,达到将获得的知识清晰化的目的.在系统中,首先对连续性数据作规一化和对语义性数据进行编码;然后经过网络训练而获取知识;规则抽取采用功能性方法:即把神经网络视为黑盒,随机产生输入得到相应的输出组成实例,然后采用Rough集的方法进行约简得出规则.     

基于小波神经网络的CFG桩复合地基承载力预测

针对BP神经网络学习时间长、收敛速度慢等缺陷,借助小波分析理论,将母小波平移和伸缩构成的小波基作为神经网络的激励函数,通过指导网络的初始化和参数选取,使网络以较简单的拓扑结构实现函数逼近,利用网络训练建立起承载力与其影响因素之间的非线性关系。在相同结构和参数下,与BP神经网络进行分析对比。结果表明：利用小波变换对数据时频局域化分析的能力并结合人工神经网络的自学习功能,使得小波神经网络预测模型具有较强的逼近和容错能力,预测结果比传统的BP神经网络具有更快的收敛速度和更高的精度。     

基于数据挖掘的自动化推荐系统算法

结合人工神经网络中的自适应共振理论（ART）及数据挖掘（Data Mining）技术来建构一个可自动聚类族群特征且能挖掘出关联特质的自动化在线推荐系统。探讨如何有效地运用数据挖掘技术从大量的数据库中挖掘出完整知识,以推荐适当的信息给使用者,帮助他们在浩大的信息流中找到真正需要、有用的文件或信息。整合ART及数据挖掘技术,并针对推荐系统的特性提出一种改进的ART算法（MART算法）。实例验证了算法的有效性。     

基于人工神经网络的非线性系统辨识

人工神经网络是一个非线性动力学系统，具有自适应、自组织、自学习等功能。本文利用人工神经网络具有表达任意非线性映射的能力，对非线性系统进行系统辨识。仿真结果表明，该方法是可行的，计算精度高。     

一种基于模糊神经网络的PID控制器

利用神经网络自学习自适应能力和快速计算能力,提出一种基于模糊神经网络的PID智能控制器．该系统将模糊技术、神经网络与PID控制结合起来,实现了PID控制的自适应和智能化．通过仿真实验表明,该控制方案与传统PID控制系统相比,无论是超调量还是稳定时间,效果都要好得多．     

基于小波变换的前馈神经网络在电器优化中的应用

利用基于小波变换的单隐层前馈型神经网络，模拟任意复杂的非线性映，地对电磁机构的优化问题，使用来自有限元分析的训练信息，通过选取一簇适当的紧支正交小波基函数，合成具有一定拓朴结构的小波网络，且对网络的训练过程是一个凸函数的最优化过程，从而能得到全局最优解，学习的收敛速度很快。我们将之应用于交流真空接触器直流激磁系统的优化设计中，取得了较好的效果。     

An evaluation of deep thin coal seams and water-beating/resisting layers in the quaternary system using seismic inversion

Non-liner wave equation inversion, wavelet analysis and artificial neural networks were used to obtain stratum parame-ters and the distribution of thin coal seams. The lithology of the water-bearing/resisting layer in the Quaternary system was also predicted. The implementation process included calculating the well log parameters, stratum contrasting the seismic data and the well logs, and extracting, studying and predicting seismic attributes. Seismic inversion parameters, including the layer velocity and wave impedance, were calculated and effectively used for prediction and analysis. Prior knowledge and seismic interpretation were used to remedy a dearth of seismic data during the inversion procedure. This enhanced the stability of the inversion method. Non-linear seismic inversion and artificial neural networks were used to interpret coal seismic lithology and to study the wa-ter-bearing/resisting layer in the Quaternary system. Interpretation of the 1-2 m thin coal seams, and also of the wa-ter-bearing/resisting layer in the Quaternary system, is provided. The upper mining limit can be lifted from 60 m to 45 m. The pre-dictions show that this method can provide reliable data useful for thin coal seam exploitation and for lifting the upper mining limit, which is one of the principles of green mining.     

基于小波网络的矿井提升机运行故障趋势预测研究

采用小波网络方法，通过对矿井提升机钢丝绳磨损度、空动时间、衬垫磨损寿命、闸瓦间隙、残压、制动盘偏摆度等关键特征参数的时间序列预测，实现了其特征参数的故障预报，由于小波网络比一般神经网络具有更多的自由度，从而使其具有更灵活有效的函数逼近能力，小渡神经元的良好局部特性和多分辨率学习实现了与信号的良好匹配，使得小渡网络有更强的自适应能力、更快的收敛速度和更高的预报精度，仿真和实验结果表明，预报精度满足要求。     

基于小波变换和人工神经网络的保护原理研究

提出了一种利用小波变换提取信号特征,并结合神经网络来识别电力系统短路故障的方法．该方法首先对测量信号作小波变换,提取特征量,作为多层前向神经网络的输入．对不同的输出要求,提出采用不同的神经网络,判断出发生故障的相位、性质和位置．