用粗集-模糊神经网络评定空袭目标威胁程度

针对模糊神经网络运算过程中,当模糊规则较多时,网络学习速度慢,方法实时性差的缺点,本文提出采用粗糙集理论对该模型进行优化,该方法利用粗集数据分析方法,通过知识约简从数据中推理逻辑规则,并用约简后规则集作为模糊神经网络的规则将输入映射到输出的子空间上:在这个子空间上用改进的BP算法训练进行逼近.实验结果表明:通过粗集数据挖掘后提取的规则,不仅规则数目减少,且规则是不完全规则,减少了网络输入维数和各层神经元的个数,提高了网络运算速度,满足了系统实时性要求.     

用粗集-模糊神经网络评定空袭目标威胁程度

针对模糊神经网络运算过程中,当模糊规则较多时,网络学习速度慢,方法实时性差的缺点,本文提出采用粗糙集理论对该模型进行优化,该方法利用粗集数据分析方法,通过知识约简从数据中推理逻辑规则,并用约简后规则集作为模糊神经网络的规则将输入映射到输出的子空间上：在这个子空间上用改进的BP算法训练进行逼近。实验结果表明：通过粗集数据挖掘后提取的规则,不仅规则数目减少,且规则是不完全规则,减少了网络输入维数和各层神经元的个数,提高了网络运算速度,满足了系统实时性要求。     

基于模糊贝叶斯网络的态势威胁评估模型

针对传感器测量数据的不确定性,提出基于模糊贝叶斯网络的态势威胁评估模型,该模型首先将不确定性数据分为模糊域和概率域两大类,然后在模糊域使用模糊综合评判得到威胁目标的动态威胁度,接着运用可能性概率转换理论将模糊表示的动态威胁度转化成概率域知识,最后在概率知识域使用贝叶斯网络推理算法得到目标的威胁等级.实例计算表明,该方法能够较好的反映威胁源的威胁等级,为武器系统选择跟踪打击目标提供决策依据,具有一定的实用性.     

评估知识生产绩效的BP神经网络模型

把知识生产划分为批量型知识生产和订单型知识生产两类,绘制了它们的流程,并系统地比较了它们与传统制造行业供应链的差异。针对知识生产的流程更加复杂多变,供应链更新更快且对象更难于量化的特点,提出了批量型和订单型两类知识生产的绩效评估指标体系,在此基础上通过BP神经网络模型,得出了它们的绩优度,为知识生产绩效的评估提供了参考和依据。     

基于神经网络分色算法的补偿模型

神经网络模型在分色算法中具有预测不确定和精度较低的缺点,在其基础上提出了补偿模型。该模型将神经网络预测CMYK 的各通道差值拟合成L*a*b* 多项式的函数,并对CMYK 值进行补偿。通过对该模型的实验测试表明,采用CMYK 值进行补偿后与原模型相比,提高了分色算法的精度,并且其分色精度要高于其他常用的模型。     

神经网络模型及其在计量与测试中的应用

本探讨了神经网络模型及其在计量与测试中的应用。以反传（BP）神经网络为例，详细讨论了神经网络模型结构、学习算法，推导了一种优于常规BP算法的递推预报误差算法，并给出了应用实例。     

基于积因子方法的空中目标威胁排序研究

积因子方法是在层次分析法基础上改进的定性分析与定量分析相结合的决策分析方法,适用于多准则决策问题。通过实例和仿真实验用积因子方法根据威胁程度的大小对敌空袭目标进行排序,介绍了威胁评估和排序的求解过程,以此提供敌空袭目标对我保卫目标或区域所构成的威胁等级。实验结果表明,积因子方法可以解决利用传统层次分析法在威胁评估排序中产生的逆序问题。     

故障诊断的模糊神经网络模型

论证了单症兆和多症兆诊断的模糊模型分别与一定条件的单层神经网络等价，从而建立了单症兆和多症兆诊断的模糊神经网络模型。基于模糊诊断原理，阐述了模糊神经网络模型是由若干独立单元组成的可扩充的组合式结构，进而提出一种修改或扩充子网络或子结点及其权重连线的可塑性学习方法。基于此模型建立了旋转机械故障诊断专家系统，以现场实际例子对模型的应用进行了说明。     

赊销客户信用度分析的神经网络模型

根据企业与客户之间的互动关系,作出影响客户信用的价值因素和行为因素分析,引入数据挖掘算法中的神经网络模型,进行客户信用等级的评价,以此制定相应的赊销政策,控制客户信用风险。     

空调负荷计算的神经网络模型

本文提出了在空调负荷计算中引入神经网络模型的思想，介绍了神经网络的概念、原理及其在空调冷负荷计算中的应用方法。     

基于神经网络的空调器噪声故障诊断

噪声是影响家用空调器质量的一个重要因素,提出了一种用BP神经网络识别空调器噪声源的方法.利用声学分析仪对空调器的噪声信号做频谱分析,提取噪声信号的频谱特征构造模式特征量,设计一个三层BP神经网络经学习训练后进行空调器的噪声源识别,为空调器的噪声故障诊断及其减振降噪提供指导.     

Artificial Neural Network Methods for the Solution of Second Order Boundary Value Problems

We present a method for solving partial differential equations using artificial neural networks and an adaptive collocation strategy. In this procedure, a coarse grid of training points is used at the initial training stages, while more points are added at later stages based on the value of the residual at a larger set of evaluation points. This method increases the robustness of the neural network approximation and can result in significant computational savings, particularly when the solution is non-smooth. Numerical results are presented for benchmark problems for scalar-valued PDEs, namely Poisson and Helmholtz equations, as well as for an inverse acoustics problem.     

标准量插入神经网络实时误差修正技术研究

误差修正技术是提高测量仪器精度的重要途径，本详细介绍了具有时变系统误差与随机误差的非稳定动态测量过程实时误差预测修正方法，即：用标准量插入法实时分离误差，采取神经网络建模法对分离出的误差进行实时建模，跟踪误差的变化，对其进行预报修正，通过自行研制的动态测角仪对这种误差修正技术进行了验证，使该测角仪的精度提高近10倍。     

运用人工神经网络对物理标准的量值进行预先估计

通过建立物理标准的某一物理量值与该物理标准的其它特性指标之间的神经网络模型,求解得出该物理量值。研究结果表明此方法性能良好,可望成为预先估计物理标准量值的有效手段。     

An Efficient Model for Batch Annealing Using a Neural Network

A comprehensive process model, capturing heat transfer, phase transformation, and microstructural evolution, was recently developed for efficient process cycle design of a batch annealing operation. However, the high computation time for such an integrated model makes it difficult to design process cycles for a battery of furnaces or their model based online control. In the present work, an accurate prediction tool has been derived using neural network modeling from the simulations of the comprehensive process model. Using this approach, the computational efficiency of this prediction tool increases by over 100 times, making it amenable to cycle design of multiple furnaces or their online process control. Subsequently, an exhaustive search technique and genetic algorithm have been used to optimize the coil dimensions to maximize the plant productivity. It was found that batch annealing productivity can be maximized by optimizing the coil inner diameter, while constraining the coil width and outer diameter at the maximum permissible dimensions.