反馈神经网络在动态过程数据校正中的应用

以全混流反应器为例 ,对反馈神经网络在动态过程数据校正中的应用进行了研究 ,并对 Elman网络及其改进形式进行了比较。由校正结果得出 ,Elman网络引入自反馈后 ,能更好地反映系统的动态特性。     

砂土液化判别的人工神经网络方法

应用人工神经网络原理，根据地震液化的实测资料，建立了 ８个因素综合考虑的预测砂土液化的ＢＰ神经网络模型．通过实例计算与模型评价，验证了该模型的科学性、高效性并较规范法具有更高的预测精度，不仅为砂土液化提供了又一新的研究方法，而且为进一步完善规范公式提出了建议．     

基于密度聚类的模糊神经网络和CHP分解过程建模

针对基于样本数据的复杂系统建模问题,提出了基于密度聚类的模糊神经网络（DFNN）的建模方法,研究了利用密度聚类原理提取数据样本的内在规则的理论和方法,提取的规则能较好地反映样本数据输入输出的对应联系,根据提取的规则给出了模糊神经网络的模型结构.本文以化工生产过程过氧化氢异丙苯（CHP）分解反应过程为对象进行仿真建模,结果显示在模型精度和可靠性上均优于基于c均值聚类提取规则的模糊神经网络模型（CFNN）.     

基于神经网络模型的信息融合技术

介绍了信息融合概念以及在信息融合领域中常见的BP神经网络和在此基础上发展而来的模糊神经网络和混沌神经网络,指出利用神经网络技术与信息融合技术相结合进行分析研究具有较大的拓展空间,信息融合的神经网络适用于更广泛的领域.     

基于神经网络的动态系统建模

阐述了基于神经网络动态系统建模的理论依据。将传统的系统辩识方法与神经网络的信息加工能力融合在一起，给出一类非线性动态系统建模结构和方法     

基于CNN算法的网络信任等级模型研究

提出一种基于CNN算法的网络信任等级模型,解决用户节点信任值的高低对整个网络信任度造成影响问题。使用设定好的卷积神经网络对用户节点数据进行训练,完成用户信任等级分类工作,在提高执行效率的基础上,对数据完成有效分类,确定用户特征属性的具体维度范围,并通过噪声、运行时间、准确率和分类精度等不同方面对不同算法进行对比验证模型,实验结果表明,改进后的算法在集群环境下执行的效率得到很大提升,能够高效处理实验数据。     

概率积分法预计参数选取的神经网络模型

在综合分析概率积分法参数与地质采矿条件之间关系的基础上,采用人工神经网络方法建立了概率积分法参数选取的模型．模型采用改进的BP优化算法,运用我国典型的地表移动观测站资料作为学习训练样本和测试样本。对网络模型的计算结果与实测值进行了对比分析．分析结果表明：用人工神经网络方法求算概率积分法参数结果更接近于实际．对提高开采沉陷预计精度具有积极意义．     

基于神经网络的高速公路交通流预测模型及其应用

以宏观动态交通流模型为基础,分析了模型中各个参数之间的函数关系,给出了基于BP 神经网络理论的高速公路交通流预测模型建立的方法,对高速公路进行建模,该模型可以通过对高速公路交通流信息的实时采集对参数进行动态的修正,达到交通流信息预测的准确性要求.     

一组样条神经网络建模

采用一组样条基函数作为三层前向神经网络中各隐层神经元的传递函数,再以其加权和函数作为网络的非线性输出特性,构成一种样条神经网络模型.仿真实验表明,该网络具有良好的识别非线性系统的性能.     

一种基于径向基神经网络的组合预测模型

根据基于最近邻聚类算法(NNCA)的径向基(RBF)神经网络和自回归求和滑动平均(ARIMA)两种方法,建立了各自的单项预测子模型,并利用RBF神经网络对两个单项预测子模型结果进行组合预测,得到最终的预测值.将该模型应用于长沙市某路段的交通流量预测,实验结果证明了该预测模型的有效性,采用组合预测模型比单一预测模型的预测精度有了较大提高.     

结构动力特性的人工神经网络预测

在 Kolmogorov多层神经网络映射存在定理基础上 ,证明了一个三层神经网络可以描述机械结构设计变量与其动力特性参数之间的映射关系 ,给出了预测机械结构动力特性的人工神经网络实现方法 ,并通过仿真算例验证了该方法的有效性     

基于神经网络的多源信息融合在发酵产物效价预测中的应用

利用神经网络对影响发酵过程的多源信息进行融合,得到发酵产物的效价预测.通过应用,比较了BP网络和RBF网络的融合预测效果.实例结果表明,RBF网络的预测结果略好于BP网络,预测结果准确,方法可行.     

基于神经网络的沥青路面实际老化预测系统的研究

在实验室测定沥青短期老化数据基础上,利用MATLAB建立BP神经网络系统,通过沥青路面实际老化数据调查与处理,用国内几个地区不同使用年限的沥青路面实际老化25 ℃针入度数据训练,预测得到寒区沥青路面不同使用年限的沥青25 ℃针入度等沥青路面实际老化数据,为建立沥青模拟老化与实际老化的关系提供理论依据。     

卫星通信中动态神经网络预失真算法研究

随着OFDM、WCDMA等高峰均比调制方式在卫星通信中的应用,以及卫星通信的传输速度高速化,传统的功率放大器预失真技术已经不能适应下一代卫星通信。针对上述问题,提出了一种动态神经网络预失真方法。该方法通过对输入信号进行幅相分离,分别利用动态神经网络进行预失真处理,并给出了所设计预失真方法的数学推导。仿真结果表明,该方法能够有效减小计算量并提高预失真的性能,从而可以较好地消除功率放大器的非线性特性和记忆效应,比功率放大预失真方法更具有实用价值。     

Dynamic Control for Robot Manipulator Based on the Neural Network

ＤｙｎａｍｉｃＣｏｎｔｒｏｌｆｏｒＲｏｂｏｔＭａｎｉｐｕｌａｔｏｒＢａｓｅｄｏｎｔｈｅＮｅｕｒａｌＮｅｔｗｏｒｋＳＵＮＤｉｓｈｅｎｇ；ＳＯＮＧＳｈｉｎｍｉｎ（孙迪生）（宋新民）（ＲｏｂｏｔＲｅｓｅａｒｃｈＩｎｓｔｉｔｕｔｅｏｆＨＩＴ，Ｈａｒｂｉｎ，１...     

BP和RBF网络的结构动力响应预测对比

主动控制中存在时滞效应,在线实时预测结构响应,可以解决这个问题。不同的神经网络对结构响应的预测效果是不同的,针对BP网络和RBF网络的不同特点,对它们的预测效果做了对比研究。仿真结果表明,RBF神经网络训练速度快、精度高,可及时为主动控制建筑结构响应提供较为准确的优化性能指标,从而为实现在线实时控制结构响应提供优良的保证。     

基于动态模糊神经网络的非线性系统辨识

在分析模糊神经网络辨识特点及现状的基础上,设计了一种适用于非线性多输入系统的辨识模型。本模型将T-S模糊模型与5层动态模糊神经网络结构相结合,通过参数学习算法优化辨识结构,对辨识模型进行反馈调节,得到的辨识精度较高。另外,对输入数据采用归一化的方法进行预处理,加快了网络的辨识速率。最后,通过仿真实例证明了该设计的有效性,为模糊神经网络辨识结构的设计提供了一种新的思路和方法。     

基于约束卷积神经网络的轿车款式识别

为了对车辆款式和型号进行分类筛选,降低侦查人员的劳动强度,提出了一种用约束卷积神经网络实现轿车款式识别的方法,相比车辆类型识别更为精细。首先通过测试进行正面"车脸"的识别,然后尝试整车车身(并带有部分背景)的识别。测试结果表明,对于包含部分背景内容的整车车身识别,在卷积神经网络中添加约束条件后,误识别率有4.06%的降幅,从而验证了该方法的有效性。     

基于AHP的人工神经网络模型的建立

针对神经网络的结构特性，提出将层次分析法（AHP）与BP神经网络相结合的思想，即利用层次分析法在筛选对因变量最有影响的因素（自变量）方面独特的性质，来决定BP神经网络的输入变量的个数。并在此思想上建立了AHP与BP相结合的网络模型，又设计了相应的算法。该模型不仅解决了输入待定的神经网络输入维数难确定的问题，而且加快了网络的收敛速度，增强了网络的适应能力。并将新建立的模型应用到经济预测中，得出了比常规经济学模型更优的效果。     

基于神经网络的非线性系统复合内模控制

利用RBF神经网络逼近连续非线性系统的α阶积分逆系统,并对原非线性系统及其逆系统构成的伪线性系统采用内模控制方法进行复合控制,从理论上分析了滤波器对跟踪误差的影响,仿真结果表明,内模控制与逆系统方法相结合的复合控制方案是处理非线性问题比较有效的方法之一。