基于知识的神经网络及其在CRM中的应用

分析一般神经网络应用于CRM时存在的问题,提出将基于知识的神经网络应用到CRM领域。示例表明,基于知识构造出的神经网络不仅提高了网络的可解释性,而且降低了输出误差,提高了学习速度。     

成都市公共交通出行选择行为分析及影响因素探讨

优先和大力发展公共交通是缓解交通拥堵的重要举措,改善公共交通服务水平,提高公共交通的吸引力至关重要。本文运用采用意愿调查,收集数据,并建立多项LOGIT模型,分析对出行者的选择行为产生显著影响的因素。费用、到乘车站点时间、候车时间以及车内时间对公交的选择影响显著,寻找停车泊位的时间对私家车的出行影响显著。分析结果为制定有效的公交政策提供参考意见,以提高公交的服务水平,吸引居民采用公共交通出行。     

基于前景理论的居民出行方式选择

对于实际出行中居民心理因素对出行方式选择的影响问题,构建基于前景理论的居民出行方式选择模型,提出了一种更加符合人类思维习惯的出行方式选择方法。综合考虑居民对行程时间及出行费用两种指标的心理参照点,得出相对最能使居民满意的出行方式选择结果;通过不同参照点下出行方式的综合前景值的变化分析了参照点对出行方式的选择的影响;最后通过实例说明了此方法在出行方式选择中的应用。实验结果表明:行程时间参照点要求较低的小范围内居民倾向于公交出行,尽管出租车与私家车出行方式综合前景值趋势变化一致,但更大范围内的居民倾向于私家车出行,这与实际相符。所提方法为预测居民出行方式提供了一种新的途径。     

基于决策树的神经网络

传统人工神经网络模型采用试探的方法确定合适的网络结构,并随机地初始化参数值,导致神经网络训练效率低、结果不稳定.熵网络是一种建立在决策树之上的3层前馈网络,在熵网络基础上,提出了基于决策树的神经网络设计方法(DTBNN). DTBNN中提供了对神经网络参数的初始值合理设置的方法,并提出了由决策树确定的只是熵网络的初始结构,在实际的网络构造中需要根据实际应用添加神经元和连接权以提高网络的性能.理论分析和实验结果表明了这种方法的合理性.     

基于前景理论的居民出行方式选择

对于实际出行中居民心理因素对出行方式选择的影响问题,构建基于前景理论的居民出行方式选择模型,提出了一种更加符合人类思维习惯的出行方式选择方法。综合考虑居民对行程时间及出行费用两种指标的心理参照点,得出相对最能使居民满意的出行方式选择结果;通过不同参照点下出行方式的综合前景值的变化分析了参照点对出行方式的选择的影响;最后通过实例说明了此方法在出行方式选择中的应用。实验结果表明：行程时间参照点要求较低的小范围内居民倾向于公交出行,尽管出租车与私家车出行方式综合前景值趋势变化一致,但更大范围内的居民倾向于私家车出行,这与实际相符。所提方法为预测居民出行方式提供了一种新的途径。     

基于事例的推理中相似事例选择的神经网络方法

在基于事例的推理（CBR）系统中，为解决采用最相邻近法选择相似事例时属性权值不易确定的问题，提出事例的前提相似度和结论相似度的概念，并采用一种人工神经网络结构进行属性权值的学习． 该方法从事例库中自动获取属性权值，并用最相邻近法和学习到的属性权值进行相似事例选择．最后，在光动力治疗（PDT）鲜红斑痣（PWS）的临床病例库中应用该方法进行了试验．     

基于神经网络的语义选择限制知识自动获取

语义选择限制刻画谓语对论元的语义选择倾向,对自然语言的句法语义分析有重要作用,语义选择限制知识的自动获取也成为一个重要的研究课题。鉴于神经网络模型在自然语言处理的很多任务中都有出色的表现,该文提出基于神经网络的语义选择限制知识获取模型,设计了引入预训练词向量的单隐层前馈网络和两层maxout网络。在汉语和英语的伪消歧实验中神经网络模型取得了较好的效果,优于基于隐含狄利克雷分配的模型。     

基于知识的仿真在数字场景产生器中的应用

在反导导弹的研制过程中,数字场景产生器起着非常重要的作用。在对现有的数字场景产生器系统进行了深入分析的基础上,利用基于知识的仿真技术,提出了一种新的体系结构。在这种新体系结构中,利用面向对象和推理技术实现目标和背景的建模及其互动,从而解决了现有系统扩展性能差的缺点,同时不会影响场景产生的速度。     

基于模糊数学和神经网络的目标选择模型研究

目标选择模型是炮兵作战模拟研究的重要部分.根据目标选择需考虑的10个因素特点和其对目标选择的影响做了具体分析.在对目标选择考虑的因素进行量化时,采用模糊数学的方法,重点根据隶属函数的方法和原则来建立各单因素的隶属度函数并进行量化;在目标选择决策时,采用神经网络算法中的BP算法建立数学模型.并详细介绍了计算方法和步骤.最后,以某型自行火炮的目标选择过程为例,采用上述方法借助计算机进行仿真,其结果表明符合作战实际,证明使用模糊数学和神经网络的方法进行目标选择是正确和可行的.     

一种可用于基于内容智能检索的知识表示方式

在基于内容的智能检索中,多媒体信息的知识表示方式是应该首先解决的关键问题之一。文章总结分析了基于内容的智能检索中现有的一些知识表示模型,在此基础上提出了一种新的可用于基于内容的智能检索的知识表示方式,为今后的研究提供了一些新的思路和方法。     

基于神经网络集成技术构建IDSS知识库的研究

神经网络集成通过训练多个神经网络并将其结果进行合成,可以显著地提高学习系统的泛化能力,有助于工程技术人员利用神经网络技术来解决真实世界中的问题。在分析智能决策支持系统（IDSS）目前面临问题基础上,论述了神经网络集成实现的方法,对神经网络集成技术在构建IDSS知识库中的应用进行了研究,并成功进行了实现。     

基于时空特征向量的长短期记忆人工神经网络的城市公交旅行时间预测

针对"随着预测距离的增加,旅行时间预测的难度加大"的问题,提出了一种基于时空特征向量的长短期记忆(LSTM)和人工神经网络(ANN)的综合预测模型.首先,将24 h切分为288个时间切片,以生成时间特征向量;然后,基于时间切片建立LSTM时间窗口模型,该模型可解决长期预测的窗口移动问题;其次,将公交线路切分为多个空间切...     

基于神经网络的印刷体数学公式抽取方法*

在分析中文印刷文档版式及字符特征的基础上,提出了一种将决策树与BP神经网络相结合的数学公式抽取方法。采用决策树方法将孤立公式从文档中抽取出来,采用BP神经网络方法定位内嵌公式。实验表明,该抽取方法对中文文档的公式抽取具有较高的正确率、容错率和速率。     

基于深度神经决策森林的体域网数据融合方法

针对体域网的多传感器数据采集过程中存在的数据冗余大、特征信息模糊问题,提出了一种基于深度神经决策森林（DNDF）的数据融合方法。首先根据目标任务的实际需求,使用卷积神经网络进行相关特征提取,再将决策树放置到全连接层之后进行精细化数据分类。通过使用DNDF方法,不仅能够有效提取多维数据的关键特征,而且能够较好地兼顾数据间的关联性。实验以AReM数据集作为实验样本,结果表明,DNDF方法相对其他传统算法具有更好的分类准确率,分类准确率达到了96.5%。     

非脆弱递归滑模动态面自适应神经网络控制

针对一类非匹配不确定非线性系统的跟踪控制问题, 提出了一种递归滑模动态面自适应控制算法. 采用神经网络(neural network, NN)在线逼近系统不确定项, 通过设计递归滑模动态面有效综合反推步骤中每步跟踪误差之间相互影响和制约的关系. 该方法避免了反推法存在的“微分爆炸”问题, 克服了传统动态面方法对其低通滤波器时间常数和神经网络自适应参数摄动脆弱的缺点. 稳定性分析证明了该方法能够保证闭环系统所有状态半全局一致最终有界, 且跟踪误差可以收敛至原点的任意小邻域.     

一种基于神经网络和贝叶斯决策的人脸检测方法

提出了一种利用BP神经网络仿真、利用贝叶斯决策修正仿真结果的人脸检测方法.讨论了单纯使用BP神经网络作人脸的检测判定的不足,并在此基础上提出利用贝叶斯决策对神经网络的仿真结果进行第二次判定的方法.共使用MITEx人脸库的4 000个人脸与非人脸图像进行实验分析,正确率平均提升了3.63%,表明了神经网络的良好判定性能和使用贝叶斯决策进行修正的有效性和必要性.     

基于自适应神经网络的分数阶混沌系统滑模同步

针对一类异结构不确定分数阶混沌系统的同步问题,基于Lyapunov稳定性理论和分数阶系统稳定性理论,提出一种神经网络结合干扰观测器的主动反馈控制方法. 设计一种非线性干扰观测器对干扰进行观测,通过滑模控制对未观测出的部分干扰进行补偿,最终实现分数阶混沌系统的同步.与现有方法相比,采用的模型更符合工程应用实际,且不需要已知不确定项上界.数值仿真验证了所提出方法的有效性和正确性.     

基于神经网络的感知无线电学习与评估研究*

为了得到感知无线电最优决策,对感知循环、人工智能技术应用、基于遗传算法的感知引擎进行了分析。感知无线电决策机应该既考虑带宽、信号速率、功率等可变因素,又考虑费用等不可变因素。基于神经网络,提出了感知无线电决策机学习与评估模型,并研究、讨论了感知无线电知识库信息与决策机设计思路。