BP神经网络在麻花钻圆度误差检测中的应用研究

在麻花钻圆度误差的检测中,将BP神经网络算法引入到相应的数据处理中,以拟合出其棱边投影的椭圆表达式系数。在神经网络训练时,以钻头棱边采样点的坐标及其适当的组合作为网络的5路输入,以其输出与常数1的差值的平方为性能指标;根据梯度下降法来调整隐层神经元与输出神经元之间的连接权值,而输入层至隐层之间的连接权值不变,性能指标达到预定值时,获得一组稳定的权值,该连接权值即为钻头棱边的椭圆表达式系数;然后据此求出其较高精度的圆度误差。     

改进的BP神经网络模型预测充填体强度

为了准确评价和预测充填体强度,采用改进的BP神经网络算法,利用实验室做的18组充填体单轴抗压强度试验结果,建立了充填体强度与影响因素之间的5-7-1网络模型结构(输入层为5个神经元,隐含层为7个神经元,输出层为1个神经元,输入为胶砂比及各胶凝材料掺量,输出为充填体28 d单轴抗压强度).结果表明,改进的BP神经网络对于充填体的强度具有良好的预测能力,建立的网络模型不仅收敛速度快而且训练精度高,对充填体强度的预测结果与训练数据和测试数据的最大相对误差仅为4.23％.     

多值多门限神经元函数的相关性和频谱分析

为衡量单个多值多门限神经元的计算能力,引入了与多值多门限神经元函数有关的2个代数几何概念:相关性和扩展频谱.利用相关性,给出对于一组固定的输入函数,不同输出函数个数的上限.利用扩展频谱,给出为了使得神经元能够计算任意输出函数,所需输入函数个数的下限.这2个界限,给出了单个多值多门限神经元的计算能力.同时,输入函数个数的下限,给出了当用多值多门限神经元组成的三层前馈神经网络实现任意多值函数时,网络复杂度的下限.     

基于模糊神经网络的深基坑变形预测

针对深基坑变形控制系统中的不确定性、模糊性因素多的问题,将模糊控制理论与神经网络技术相结合,采用非线性神经元构成的神经网络结构,把对应的网络输入、输出表达为输入、输出信息的模糊数隶属度,建立了一种基于模糊神经网络的深基坑施工变形预测模型.结果表明,利用模糊度隶属函数对基坑施工进行动态控制具有较好的实用效果.     

高斯投影正、反算及换带计算程序

该程序可用于国家投影带和地方任意投影带的高斯投影正、反算及相邻两带的高斯平面坐标的换算．根据用户的需要,高斯平面坐标中的横坐标y值，可以输出（或输入）其自然值，也可以输出（或输入）加上带号和加常数500km的y值．为叙述方便，这两种情况以y和Y加以区别．     

一种用于雷达信号分选的改进型神经网络

基于雷达信号分选的应用需求，对传统自组织特征映射（SOFM）神经网络进行了分析，提出一种结构自调整的改进型SOFM神经网络，并进行了分选仿真．结果表明，该网络能够通过增加或删减输出神经元的数目，自动调整神经网络的规模使其与实际输入模式的类别数目相适应，从而取得了较好的雷达信号分选效果．     

竞争型径向基过程神经网络时序分类器

针对时序分类问题,提出一种竞争型径向基过程神经网络时序分类器.给出了复合竞争过程神经元单元的定义,引入复合竞争过程神经元隐层,利用竞争型径向基过程神经网络输入为时变函数的特点,由复合竞争过程神经元单元完成对过程式输入信息的模式匹配和时空聚合运算,给出了具体学习算法,省去了输出层线性连接权的计算,简化了网络结构和训练过程,提高了网络泛化能力.最后以UCI数据集多变量时序分类问题验证了分类器的有效性.     

中厚板轧机应力状态系数神经网络模型

为寻求计算应力状态系数的新方法,以4200轧机轧制的大量实测数据为基础,利用Matlab神经网络工具箱,以轧制前、后钢板厚度为输入神经元,以实测轧制压力并依靠压力公式进行逆运算获得的Qp为输出神经元,建立了轧制变形区的应力状态系数与轧件轧制前后钢板厚度对应关系的BP神经网络模型和GRNN神经网络模型.结果表明,用人工神经网络算法预测应力状态系数是可行的;且通过GRNN神经网络模型和BP模型的对比,说明GRNN网络具有更高的精度和更强的泛化能力.     

具有时滞的Hopfield神经网络的周期解

假设具有时滞的Hopfield神经网络的每个输出响应函数是满足Lipschitz条件的有界函数,当该网络的输入信号始终以正常数ω为周期,并且在网络参数满足一定的条件时,通过构造适当的Lyapunov泛函的方法,得到了该类网络必存在唯一的ω-周期解,并且其余各解都按指数收敛于该周期解的一些判据,通过实例对所得到的判据进行了直观性解释。     

DB小波与RBP神经网络的短期电力负荷预测

基于DB小波与BP神经网络,提出一种DB小波与RBP神经网络的方法对短期电力负荷预测.运用DB小波能够精确地提取时间序列的细微特性和RBP网络的输出反馈作为输入神经元数据增加了数据信息量的特点,构建了DB与RBP预测模型,经实际数据证明该方法提高了预测的精确性.     

多值神经元函数的频谱近似

为衡量多值神经元函数与其扩展频谱之间的误差,定义了多值神经元输入函数和输出函数之间的近似误差,并给出误差的下限.通过限定下限为0,给出单个p值神经元能实现的函数应该满足的充分条件,这也是单个神经元计算能力的一个衡量指标.给出了当输入函数不满足正交条件时,多值神经网络复杂度的下限.     

基于BP神经网络的热舒适性指标计算

人的舒适性与其影响因子之间存在着复杂的非线性关系,由于人工神经网络能够反映非线性的映射关系,因此利用神经网络可实现对舒适性指标的计算．首先对BP神经网络做了一个简要介绍,并建立了一个用于训练计算舒适性PMV指标的3层网络．以Fanger公式计算了输入样本的期望输出值,利用输入样本与期望输出值对网络进行训练．神经网络达到误差要求后计算PMV指标,其中未经网络训练的样本计算结果与Fanger公式计算结果平均偏差为0．026,最大偏差为0．113,计算误差均在工程应用的允许范围之内．     

一种局域连接前向人工神经网络结构的研究

双隐层标准前馈网络只要其隐层节点数足够多就能解决任何形式的分类问题。应用标准网络识别多模式类分类问题时存在以下缺陷；１．对不同模式类均使用相同数目的隐层元；２．增加新模式类后，网络要重新学习．３．网络识别的机理研究困难。笔者提出了一种局域连接前馈神经网络的结构，其隐层神经元与输出神经元裥的局域连接，学习算法与ＢＰ算法。     

河川日径流预报的混沌神经网络模型

将混沌理论和神经网络相结合,建立了径流预报的混沌神经网络模型.利用混沌理论的相空间重构技术计算饱和嵌入维数,将其作为神经网络的输入层神经元个数;根据模型预测步长确定输出层神经元个数.对黄河干流三门峡站的日流量时间序列进行了模拟和预报,取到了较好的预报效果,为河川径流的预报工作提供了新方法.     

一种基于神经元的解耦控制算法

根据解耦原理和神经网络的思想,提出一种新的解耦方法－神经元解耦。文章以三输入三输出系统为例,详细分析了神经元解耦的学习方法,及其在多变量系统中的工作机理。仿真结果表明,该方法是有效的。     

反馈神经网络对非自治的非线性离散系统的近似能力

人工神经网络理论是解决非线性问题的有力工具。章研究了离散型反馈神经网络模型的建立，基于带有输入的非线性离散系统的输出可以被一类反馈神经网络输出神经元的状态向量任意逼近，笔将已有的反馈神经网络近似非线性离散系统的能力从定常系统推广到时变系统，对反馈神经网络近似非线性离散系统的能力进行了扩展研究，针对于更普遍的非自治的非线性离散系统，证明了它们在有限时间段内的输出轨迹可以被反馈神经网络输出神经元的状态向量近似到任何程度。     

A Chaotic ANNs Model for Rivers Daily Runoff Forecast

将混沌理论和神经网络相结合,建立了径流预报的混沌神经网络模型.利用混沌理论的相空间重构技术计算饱和嵌入维数,将其作为神经网络的输入层神经元个数;根据模型预测步长确定输出层神经元个数.对黄河干流三门峡站的日流量时间序列进行了模拟和预报,取到了较好的预报效果,为河川径流的预报工作提供了新方法.     

Hermite前向神经网络隐节点数目自动确定

从函数逼近论出发,构造了一类以Hermite正交基为激励函数的前向神经网络.在保证网络逼近能力的前提下,令其输入层至隐层的权值和各神经元阈值分别为1和0,导出了基于伪逆的隐层至输出层最优权值的直接计算公式.并针对Hermite前向神经网络,提出一种依照学习精度要求而逐次递增型的隐节点数自动、快速、准确的确定算法.对多个目标函数的计算机仿真和预测结果表明,该神经网络权值直接确定方法和隐节点数自动确定算法能很快地找到最优的隐节点数及其对应的最优权值,且网络具有较好的预测能力.     

改进的小波神经网络在管道泄漏故障诊断中的应用

提出一种增加基于小波神经网络输入与输出节点的部分直接连接网络结构,并且根据输入征兆对输出故障的影响程度的具体情况赋予不同的连接权值,这样就明显突出了输入与输出层即征兆与故障之间的直接关联性,有利于小波神经网络模型的稳定性,同时加快了网络的收敛速度,并能快速而准确地对故障进行分类诊断。将改进的小波神经网络应用于管道泄漏故障的诊断,收到良好的效果。     

晶体振荡器老化预测的径向基函数神经网络法

建立了预测石英晶体振荡器老化的一种径向基函数神经网络模型,这种人工神经网络由输入层和输出层组成,输入层由计算径向距离范数的非线性神经元组成,输出层由一个计算径向基函数的神经元组成.提出了确定规格化径向距离尺度因子的一种方法,并在此基础上导出了一种径向基函数神经网络的学习算法,这种算法具有计算形式简单和易于实现的优点,适合于用加速老化法和外推法进行石英晶体振荡器老化预测的实验数据处理.