一种新的模糊神经元网络学习方法

提出了一种模糊神经元网络的学习算法即利用多 层多层模糊IF/THEN规则表达专家知识的神经网络学习方法，在以此构造的基于多源信息融合的分类系统中，采用了多层模糊IF/THEN规则进行分类。为了处理模糊语言值，提出了一种能够控制模糊输入矢量的神经网络体系结构。该方法能够对非线性实间隔矢量和模糊矢量进行分类，工程实验表明，此学习算法是切实可行的。     

一种新型模糊神经元网络控制器的设计方法

本文根据模糊基函数展开的性质构造出一种简化形式的模糊神经元网络（ＦＮＮ）。这种网络可以对任一种非线性函数进行全局逼近，因此它可以用于非线性控制系统。因为这种ＦＮＮ具有自适应性，所以用它实现的器可以更好地达到理想的控制效果，通过在模型参控制中的应用证明了此种ＦＮＮ的有效怀。     

用神经元网络辨识非线性系统中的网络结构选择*

本文定义了神经元网络的权值拟熵，在对多层前馈网训练的常规目标函数中加入权值拟熵作为约束项以改变网络的权值分布从而修定网络结构。将此方法用于一类非线性系统的神经网络辨识中可以优化网络模型输入项数和隐节点数目。     

多处理机系统上求解非线性方程组的异步并行拟牛顿法

异步并行算法由于在任何时刻它的进程不等待输入,因而异步并行算法与同步并行算法相比效率高得多,但往往算法分析极为困难,本文给出了多处理系统上求解非线性方程组的一种异步并行拟牛顿算法,证明了其收敛性,数值试验例子表明该算法有较好的收敛速度。     

一种新型的神经元网络及其算法

提出一种新型经元网络结构及其学习算法。这种改进型神经网络由两个子神经网络综合构成；线性神经网络和递归神经网络，该ＭＮＮ网络能用于在线学习对象的动态特性，从而提供一种能提高整个控制系统性能的自适应控制实现策略。仿真结果表明所提出的新型神经元网络是有效的。     

烟花算法求解非线性方程组

烟花算法是最近提出的一种效率较高的优化算法,已被用于求解众多的优化问题.给出利用烟花算法求解非线性方程组的方法.实验表明,所提出的算法对于求解变量耦合的非线性方程组比其他算法占有优势,进一步分析存在优势的原因.     

一种基于过程神经元网络的非线性动态系统辨识模型及应用

针对复杂非线性动态系统辨识问题,提出了一种基于过程神经元网络（PNN）的辨识模型和方法．根 据系统待辨识的模型结构和反映系统模态变化特征的动态样本数据,利用PNN 对时变输入／输出信号的非线性变 换机制和自适应学习能力,建立基于PNN 的系统辨识模型．辨识模型能够同时反映多输入时变信号的空间加权聚 合以及阶段时间效应累积结果,直接实现非线性系统输入／输出之间的动态映射关系．文中构建了用于并联结构和 串－并联结构辨识的PNN 模型,给出了相应的学习算法和实现机制,实验结果验证了模型和算法的有效性．     

用Excel解方程组

利用Excel中矩阵函数的强大的数据处理功能,用矩阵逆函数MINVERSE,克拉默法则,规化求解命令,和EXCEL中的IF函数和行列式值MDETERM函数四种方法,均可以方便的求出方程组的解.本文通过两个实例对上述方法做了详细介绍,并给出了题解图例.     

RBF神经元网络在非线性系统建模中的应用

本文从径向基函数神经网络的特点着手，分析了该网络存在的问题，并且对网络径向基函数中心的选取，计算以及网络的拓扑结构作了改进，最后用改进的径向基函数神经元网络对化工中的连接搅拌反应釜系统进行建模，结果表明方法有效。     

一种基于过程神经元网络辨识的PID控制模型及方法

针对非线性动态系统PID过程控制问题,提出了一种基于过程神经元网络辨识的PID参数自适应整定的控制模型和方法。利用过程神经元网络对于动态系统时变输入/输出信号的学习机制,在某种最优控制律下通过对被控对象进行辨识来追踪被控对象的输出对控制输入变化的灵敏度信息,实现参数自适应匹配的PID控制。给出了基于过程神经元网络辨识的PID控制系统结构以及相应的实现机制,实验结果验证了模型和算法的有效性。     

求解非线性规划问题的一种新演化算法

1.引言演化算法是建立在生物进化论基础上的算法,生物体可以通过遗传和变异来适应外界环境,物生其类,传种接代,这是生物的独特本领。各种生物所生的子代基本上像父代,这就是遗传;而所生的子代又不完全像父代,这就是变异。世代相传,使得生物体不断进化。演化算法就是利用了生物进化的思想而发展起来的一种通用的问题求解方法。由于其所具有的本质并行性以及自组织、白适应和自学习等智能特征,目前已广泛用于优化问题,它能克服传统优化方法的不足,寻找全局最优解。该方法是按照生物遗传进化世代繁衍的优生劣汰、演化出优良品种的特点,形成寻优的计算方法。特别是演化算法已成功地应用到那些难以用传统方法进行求解的复杂问题之中,从而成为一个引人注目的研究方向。     

一种改进的神经元网络联想记忆模型及其应用

本文给出了一种改进的神经元联想记忆模型及其在控制系统故障诊断中的应用。这种模型不要求输入的样本向量之间是正交的或近似正交的,而是对任意输入样本向量进行HADAMARD预处理,使得处理后的样本向量,与输出样本向量组成联想矩阵M,构成这种联想记忆模型。最后本文给出了一个简单的控制系统故障诊断的数值例子加以说明。     

一种基于数值积分的过程神经元网络训练算法

针对过程神经元网络的训练问题,提出了一种基于数值积分的学习算法。直接采用数值积分进行网络中动态样本与连接权函数的时域加权聚合运算,采用梯度下降法实现连接权函数特征参数及网络性质参数的调整。设计了基于梯形积分、辛普森积分、柯特斯积分等3种过程神经元网络数值积分训练方法,以太阳黑子数据预测为例进行仿真实验,结果表明,基于数值积分的过程神经元网络训练算法是有效的,其中辛普森积分算法的性能最优。     

一种概率过程神经元网络模型及分类算法

针对动态信号分类及与先验类别知识融合问题,提出了一种概率过程神经元网络模型．模型将贝叶斯概率分类机制与过程神经元网络动态信号处理方法相结合,通过在前馈过程神经元网络中增加一个模式单元层,以及采用归一化指数类型激励函数,实现基于贝叶斯规则的动态信号分类．分析了概率过程神经元网络分类机制与贝叶斯分类规则的等价性,给出了具体的学习算法,实验结果验证了模型和算法的有效性．     

利用ARMA模型估算功率谱的一种方法

本文将Levinson-Durbin算法和最小实现算法相结合，给出一种ARMA模型估算功率谱函数的新方法，从而避免解ARMA模型的非线性方程。     

用微分连续法解非线性方程组

§1.引言 设F:D?R~n→R~n,用迭代法求非线性方程组 F(x)=0 (1)或 f_i(x_1,x_2,…,x_n)=0,i=1,…,n (1’)的解。初值x~0与解x必须充分靠近才能使迭代收敛,连续法提供了一个获得与解x充分靠近的初值。方法的出发点是引进参数t∈[0,1],并构造同伦算子H:[0,1]×D?[0,1]×R~n→R~n代替F,使当t=0时H(0,x)=0有一已知解x~0,当t=1时     

两种解非线性方程组的四阶迭代方法

本文给出了两种新的解非线性方程组的迭代方法,证明了它们具有四阶收敛性,通过数值实例对几种不同的迭代方法和本文提出的两种新方法进行了分析比较,说明了本文方法的有效性.     

一种级联过程神经元网络及其应用研究

针对连续系统输入过程可分为若干时间阶段,输出为一个即依赖于当前阶段系统过程输入,又与前一阶段系统状态有关的离散过程,提出了一种级联过程神经元网络模型.将连续输入信号分阶段处理,不同阶段系统输入输出映射关系用不同过程子网络描述.考虑过程神经元网络计算的复杂性,提出了一种基于函数正交基展开的学习方法,利用基函数的正交性,简化计算过程.文中给出了学习算法,并以油藏开发三次采油过程模拟为例验证了模型和算法的有效性.     

一种分式过程神经元网络及其应用研究

针对带有奇异值复杂时变信号的模式分类和系统建模问题,提出了一种分式过程神经元网络.该模型是基于有理式函数具有的对复杂过程信号的逼近性质和过程神经元网络对时变信息的非线性变换机制构建的,其基本信息处理单元由两个过程神经元成对偶组成,逻辑上构成一个分式过程神经元,是人工神经网络在结构和信息处理机制上的一种扩展.分析了分式过程神经元网络的连续性和泛函数逼近能力,给出了基于函数正交基展开的学习算法.实验结果表明,分式过程神经元网络对于带有奇异值时变函数样本的学习性质和泛化性质要优于BP网络和一般过程神经元网络,网络隐层数和节点数可较大减少,且算法的学习性质与传统BP算法相同.     

神经元网络的FPGA硬件仿真方法*

提出了一种利用FPGA对生物神经元网络进行硬件仿真的方法.该方法充分考虑了多进程流水线模型中各神经元状态输出的时序问题,设计了节点选择器完成对流水线数据通路输出数据的保存和选择功能,实现了多状态耦合情况下精确的仿真方法.最后,利用该方法对Morris-Lecar神经元网络模型进行了FPGA硬件仿真,再现了Morris-...