多层前馈模糊神经网络进行图像识别

神经网络和模糊技术在模式识别领域中已有了广泛应用,两者有着各自的优势。针对神经网络模式识别中所遇到的问题,为了进一步提高分类器在样本分布不清晰情况下的识别能力,本文提出了两各将模糊机制引入神经网络的方法－输入模糊化方法和隐层模糊化方法,并在此基础上分别构造了模糊神经网络。实验结果表明,模糊神经网络较好地结合了神经网络和模糊技术的优点,取得了比传统网络更好的识别结果。     

多层前馈神经网络在基于案例推理的应用

基于案例的推理（CBR）系统的增量式学习会使案例库逐渐增大,导致案例的检索时间较长,效率较低。多层前馈神经网络是构造性神经网络技术,很容易构筑及理解,具有较低的时间和空间复杂性和较高的识别率。利用该神经网络技术对案例库进行分类后,待求解的新问题只需在某个子案例库中进行检索,便可以有效地解决大规模案例库的能力与效率的维护问题,确保CBR系统的能力保护与效率保护兼顾的实现,为大规模案例库的应用提供技术保证。     

增强前馈神经网络对多点断路故障的容错能力

神经网络在发生多点断路故障时,网络中的多个隐层神经元及其相关的连接权同时失效。该文针对陷层神经元可以动态增加的一类前馈神经网络,提出了一种三阶段方法T3。T3先对网络进行一次训练,然后用验证集进行测试以确定网络的故障曲线拐点,在此基础上通过第二次训练自适应地增加冗余隐层神经元。实验表明,T3使用较小的冗余量就可以显著改善网络对多点断路故障的容错性,在网络的容错能力和结构复杂度之间较好地达成了折衷。     

常见遗传多层前馈神经网络实数编码的不合理性分析和改进

对遗传多层前馈神经网络常见的实数编码中不适合于优化权值大小、不利于交叉算子发挥作用等问题。进行了理论分析,提出了“最小模式”等概念,并据此对编码方式做了改进,通过一个实例的仿真结果表明改进后的编码方式具有较好的寻优效果。     

基于CPCI总线的航天器通信信号设备故障检测系统设计

针对当前航天器通信信号设备故障检测系统受到噪声影响,导致系统通信设备故障信号检测精准度低,检测时间长的问题,设计基于CPCI总线的航天器通信信号设备故障检测系统;CPCI故障模拟模块利用RS232串行线控制注入机,采用故障注入器执行故障注入CPCI总线,接收控制系统参数和指令,使用时钟分配芯片传输时钟信号,通过CPCI检测板卡模块,配合FPGA实现接口控制,完成系统硬件结构设计,利用任务间相互依赖关系,实现任务间相互检测,通过终端网工作站定期发送多路通信网相关信息,返回无疵点检测结果,采用二次相关算法,提取多通道通信故障信号详细信息,准确估算通信信号时延,排除多通道网络噪声影响造成的通信故障,完成系统软件部分设计;实验结果表明,基于CPCI总线的故障检测系统的故障信号检测时间仅为1.8 s,故障信号幅度最大为28 dB,最小为1 dB,与实际变化幅度一致,通信设备故障信号检测精准度较高,能够有效缩短通信设备故障信号检测时间。     

前馈多层神经网络BP算法与可靠性增长模型

本文叙述了可靠性增长和BP算法的基本概念,着重研究神经网络BP算法用于可靠性增长的预测方法。Gompertz模型是可靠性增长的一个很好的预测模型。本文引用文献中的多个实例,将BP算法预测结果与Gompertz模型预测结果相比较,结论基本上一致。这说明该方法不但可行,而且有简便、适应性强等独特优点。     

前馈多层神经网络的一种高效加速算法

前馈多层神经网络是应用最广泛的一种人工神经网络，在各门学科领域中都具有很重要的实用价值，其学习能力和容错能力对不确定性模式识别问题的求解具有独到之处。前馈多层神经网络所使用的BP算法虽然简单且易于实现,但收敛速度缓慢。因此基于收敛速度及存储空间的考虑，文中着重探讨了一种较实用的BP网络优化算法－向量序列的ε－加速算法，并对相关的收敛性和稳定性作了理论上的分析和研究。实验结果表明这种方法有很好的效果。     

基于前馈多层感知器的网络入侵检测的多数据包分析

提出了一种新型网络入侵检测模型,在该模型中,首先将截获的数据包结合历史数据包数据库进行协议分析,找出可能存在的入侵行为的相关数据包,然后采用前馈多层感知器神经网络对这些相关的数据包进行回归分析,最终获得检测结果。该模型与传统采用单数据包检测方式的网络入侵检测系统(NIDS)模型相比,具有更低的漏检率。     

基于自主诊断重构技术的航天器故障检测系统设计

传统航天器故障检测系统姿态定位能力较差,导致不能突破阈值,准确实现检测,且传统系统不具备重构能力;为解决上述问题,基于自主诊断重构技术,提出了一种故障检测的新方法,优化设计了航天器故障检测系统的硬件和软件部分,硬件设计采用EEC-I型检测器,为保证检测器的运行,对检测器的电压与电流范围进行了设置;设计采用MATLAB的数据采集器,选用Telnet接入端口,实现采集器的通信,确保数据的顺利采集;采用FIR滤波器,为保证信号的完整性对通带和阻带进行设置;设计采用4NIC-UPS27型号一体化不间断电源为航天器故障检测系统提供动能;软件设计基于自主诊断重构技术的航天器故障检测系统流程,运用小波网络算法对航天器的姿态角数据进行分析,预测航天器的姿态角的安全阈值,最后利用残差数据分布概率模型进行航天器故障诊断;实验结果表明,设计的基于自主诊断重构技术的航天器故障检测系统能够很好地从X、Y、Z三个轴进行检测,确定不同方位的航天器故障,在设定阈值后,提出的检测系统能够很好地分析阈值,实现残差突破,同时具备路线重构能力。     

基于跨越连接的多层前馈神经网络结构分析

任何连接方式的神经网络总可以归结为跨越连接网络。在传统多层前馈神经网络算法的基础上,提出了完全全连接神经网络的概念,给出了基于跨越连接的多层前馈神经网络算法。通过分析多层前馈神经网络的误差函数,从理论上证明了：相对于无跨越连接网络,基于跨越连接的多层前馈神经网络能以更加简洁的结构逼近理想状态。最后,用一个隐层神经元解决了XOR问题。     

基于DMDE算法的前向神经网络设计

针对神经网络结构与参数并行优化问题,提出一种基于动态多群体差分进化算法的前向神经网络设计方法。采用分层递阶结构原理构造算法个体,根据控制基因信息将个体分成不同的动态群体。通过对个体进行重构,实现进化过程中个体信息的充分交换与共享。设计基于群体适应度的控制基因更新方法来优化网络拓扑结构,克服结构优化的盲目与低效问题。将所设计的神经网络应用于大包线飞行控制律参数拟合中。仿真结果表明,该算法能快速有效地确定神经网络的结构和权值,所优化的网络在调参控制中具有较好的泛化能力。     

基于神经网络的计算机网络故障检测方法

人工神经网络的出现为网络故障诊断提供了智能化的手段。介绍了将BP人工神经网络运用于网络故障诊断的实现途径,并在分析标准算法的基础上提出了改进BP算法的一种方法。仿真表明,改进后的算法在收敛速度和准确性上有明显的提高。     

基于神经网络观测器的飞控传感器在线故障诊断

为提高无人机飞行安全可靠性,针对飞行控制系统中常出现的传感器故障以及非线性气动力模型参数难以确定的问题,提出了基于BP神经网络观测器估计的故障诊断方法;引用LM改进算法对网络参数进行调整,构造了神经网络观测器模型逼近非线性系统,并运用于飞行控制系统进行在线数字仿真,对垂直陀螺输出卡死故障、恒偏差故障和恒增益故障分别进行仿真分析;仿真结果表明,所设计神经网络观测器可以有效估计系统输出,在线诊断传感器故障。     

基于神经网络的网络入侵检测系统设计

把神经网络作为异常检测系统的统计分析部分的一种替代方法,用来识别系统用户的典型特征,对用户既定行为的重大变化进行鉴别。将模式匹配与人工神经网络技术结合在一起,构成一个以已知的入侵规则为基础、可扩展的动态入侵事件检测系统。自适应的进行特征提取与异常检测,实现高效的入侵检测及防御。用神经网络来过滤出接收数据当中的可疑事件,并把这种事件转交给系统作进一步的处理。这种结构可以通过减少系统的开销和IDS误报率来提高监测系统的效用。     

基于免疫遗传算法的前向神经网络设计

针对传统BP算法训练速度慢、易陷入局部最优等缺点,该文提出了一种采用免疫遗传算法设计前向神经网络的方法。为解决神经网络权值随机初始化带来的问题,介绍了一种基于免疫的多样性模拟退火法(SAND算法)来进行神经网络权值初始化。仿真结果表明,该算法比混合遗传算法有更高的性能。     

基于免疫原理的网络故障多层检测模型

传统网络故障检测模型的误检率较高、自适应性较差。为此,提出一种基于生物免疫机制的层次检测模型。根据树突细胞分化机制,建立包含固有检测层、模糊判断层和自适应性检测层的免疫模型,使用固有检测层和模糊判断层的双重检测技术降低网络错误检测率,利用自适应性检测层对未知故障进行自我学习。实验结果表明,该模型具有较高的检测率和较低的误检率。     

多层前向神经网络的新型二阶学习算法

提出了多层前向神经网络的新型二阶递推学习算法。该算法不仅能使用网络各层误差而且使二阶导数信息因子反向传播。证明了新算法等价于Ｎｅｗｔｏｎ迭代法并且有二阶收敛速度。它实现了Ｎｅｗｔｏｎ搜索方向和Ｈｅｓｓｉａｎ阵逆的递推运算,其计算量几乎与普通递推最小二乘法相当。由算法性能分析证明新算法优于Ｋａｒａｙｉａｎｎｉｓ等人的二阶学习算法。     

基于大规模训练神经网络的微小故障在线检测

神经网络已经广泛应用于系统建模和模式识别领域。但为了逼近未知的参数或者系统动态,需要大量的神经元达到足够的逼近精度,因此导致了计算负荷的增大。运算量制约着大规模神经网络计算,无法使其应用到实际的在线系统中。CPU处理无法保证在线数据的同步运算,需要借助图形处理单元GPU(Graphic Processing Unit)来解决实时性同步运算问题。首先,利用RBF神经网络的持续激励PE(Persistent Excitation)特性对系统输入进行分析,减少神经元的数目且优化设计算法,从而提高逼近精度。其次,基于LabVIEW平台,利用LabVIEW的GPU高性能分析工具包实现神经网络算法和并行计算。最后,在一台航空低速轴流压气机中开发基于大规模训练神经网络的LabVIEW系统。实验结果表明,提出的方法可以实现对系统的在线实时运行,满足航空失速检测的要求。     

基于BP神经网络的入侵检测系统设计

传统的入侵检测技术在建立统计模型、规则库管理和检测性能等方面存在着缺陷和不足,影响了入侵检测系统的实际应用效果。本文提出并利用Matlab神经网络工具箱建立一个基于BP神经网络的入侵检测系统。实验结果表明,该算法在提高入侵检测系统的检测准确率、降低误报率和漏报率等方面具有一定的优越性,收敛速度较快。