用Hopfield网络优化空间机器人的路径

采用人工神经网络中的基本Hopfield网,实现了空间机器人的路径规划,解决了对两两给定通路的若干空间站点,空间机器人能顺序访问并最终返回起点的最短巡游路径问题．用Hopfield网解决最优化问题可针对不同的具体问题来设计网络的连接权及能量函数,从而扩展网络对解决具体问题的适应性,具有并行处理能力强、方法简单、容易实现等诸多优点．     

Hopfield神经网络算法求解路网最优路径

为了解决经典算法在求解大规模路网最优路径时运算时间长的问题,研究了Hopfield神经网络的特点,建立了一般路网的数学模型,根据Hopfield神经网络的特点设计了适合车辆诱导的路网Hopfield神经网络最优路径算法.采用动态邻接矩阵对该算法进行了优化,减少了运算时间.把该Hopfield神经网络算法应用于所研发的车辆诱导系统的最优路径求解中,并进行了实际路网测试,结果表明应用该算法能够正确求解路网的最优路径,且比经典算法的运算效率高.     

动态递归模糊神经网络及其BP学习算法

提出了一种新型的动态递归模糊神经网络，并根据动态递归神经网络的数学模型推导出其动态反向传播学习算法，仿真结果表明对于动态系统的辨识，动态递归模糊神经网络较传统模糊神经网络在辨识精度和稳定性方面具有更好的效果。     

一类非线性规划人工神经网络模型

以Hopfield连续模型为基础,本文提出了可用于求解具有多项式形式的目标函数、多项式形式的等式约束和多项式形式的不等式约束的非线性规划问题的人工神经网格模型。     

基于神经网络的精馏塔动态模拟

在Matlab/Simulink中对精馏塔进行了动态模拟研究,建立了精馏塔的通用动态数学模型,在Simulink中以S 函数的方式进行了实现,为了提高计算速度以实现实时动态模拟,相平衡计算采用了BP神经网络.文中用均匀设计法构造了训练集用于训练神经网络,在此基础上进行了不同组成条件下混合物泡、露点的预测,并对醋酸分离流程中的低沸点塔按两种开工情况进行了动态模拟.实际应用表明,神经网络方法具有良好的预测精度,计算速度大大高于迭代法,在分离过程动态实时模拟领域有良好的应用前景.     

云环境下的动态分段定价策略

为了提高云服务供应商的市场竞争力,解决云计算中定价策略存在的问题,分析了固定定价机制和动态定价机制的优缺点及动态定价中资源拍卖及议价机制的特点,提出了一种基于云服务订购的动态定价策略.首先供应商根据云服务资源的使用情况制定一个预定价格,然后根据客户的预定价格与实时市场价格决定实际收费价格,给予预定客户一定的优惠,以刺激客户提前订购服务.依据定价策略的原理将定价函数按照订购价格进行了分段,给出了分段收费函数,分析了定价策略给用户及供应商带来的利益,最后以定价函数为基础,利用公式分别量化了用户和供应商对实际收费价格的相对满意度,为云环境下供应商制定合理的定价机制提供了参考.     

神经网络技术在数据融合中的应用

在分析产生式系统与神经网络特点的基础上,介绍了一种如何将规则库转换为神经网络形式以及利用神经网络的学习能力和并行处理能力改善产生式系统的性能的方法．给出了一个在数据融合中应用该方法对雷达进行分类的例子．     

基于人工神经网络的转台框架结构动力修正

为解决转台框架设计中结构质量不均匀问题,利用人工神经网络的非线性映射能力对转台框架结构进行了动力修正。首先建立了转台框架振动频率与其结构参数的非线性神经网络映射关系,然后利用训练好的神经网络修正框架的结构动力模型,对网络映射的结构参数再次建模进行有限元分析计算,结果表明,该方法计算简单、使用方便,达到了转台框架各方向振动频率基本一致的结构动力修正的目的。     

灰色补偿RBF神经网络

给出了灰色系统与神经网络的一种新的结合方式—灰色补偿RBF神经网络。该网络利用RBF神经网络建立残差与数据间的映射关系,并采用其预测结果补偿灰色系统模型的预测值。仿真结果表明本方法优于其它灰色神经网络。     

改进BP神经网络算法在机器人轨迹优化中的研究

针对未知的全局环境,将整体任务分解为环境信息已知的一系列中间任务,即将整个机器人的运动分解成一系列直线运动,降低神经网络函数复杂度,并且将障碍物封装为简单图形,以减少整个运动过程中的中间任务的个数,进一步降低神经网络函数复杂度．利用BP神经网络高速并行计算的优点,建立神经网络函数,提出一种实时性较高的求取函数的负梯度方向的方法,控制机器人快速高效地完成中间任务,从而驱使机器人到达目标点并进行仿真．     

大型水泵机组的遗传BP神经网络算法

利用BP神经网络在处理非线形问题上的优势来处理大型水泵机组的传递函数的非线形。并结合遗传算法寻找适合机组传递函数的最佳网络拓扑结构，为了控制的实时性要求网络的结点尽可能的少，因此在遗传算法的适应度函数中将时间的因素考虑进去。结果是，考虑时间的算法得到的网络结构要优于不考虑时间的算法所得到的网络结构。     

基于人工神经网络的爆破震动速度峰值的预报

介绍了BP神经网络知识，建立了3层BP神经网络模型，并将此模型应用于爆破震动速度峰值的预测，并将其预测值与常规方法的预测值进行了比较．     

径向基神经网络在摩擦学中的应用

建立了润滑油摩擦学特性影响规律的径向基神经网络模型，可以较准确地计算和预测润滑油摩擦系数与负荷之间的关系，并进一步基于神经网络给出了两种不同润滑油之间的泛函数关系．为摩擦学设计和程序化计算和分析提供了一种方便且有效的工具．     

局部余弦神经网络在线滤波算法

针对复杂系统的输出含有大量局部平稳噪声,不能直接应用于在线建模的问题,本文将自适应局部余弦神经网络作为在线滤波器,并在分析Lipschitz a≥1函数局部余弦变换的基础上,提出网络的学习算法.仿真表明自适应局部余弦神经网络相对于维纳滤波,能更有效地去除局部平稳噪声.     

Optimizing neural network forecast by immune algorithm

1 INTRODUCTIONThe forecast of complicated nonlinear relation-ships among multi-factor ti me series can be ex-pressed as a multivariate ti me series analysis ,which si multaneously observes the dynamic processof a group of (multi-di mension) correlative randomvariables as a whole , while traditional linear fore-casting methods such as multiple regression mod-el[1], GM(1 ,N) model[2]seemto have many bar-riers on solvingthis complex nonlinearissue amongthese multi-factor ti me series .Artifi…     

RBF神经元网络的工业建模探讨

基于石墨化炉况的大量研究,提出采用径向基函数网络建立石墨化炉过程模型,以期实现精确控制.该模型计算机仿真结果非常理想,其拟和精度很高.     

三维重建的神经网络算法

本文根据Ｆｕｃｈｓ等人的结果,将三维重建问题转化为一有向不图的最小费用路径搜索问题,然后构造了一反馈型神经网络来求解这一组合优化问题,并对如何使网络跳出某些局部极小点,收敛到可行解给了了一解决方法,软件模拟结果证实了这一技术的可行性。     

对RBF神经网络的改进及应用

为了提高传统RBF神经网络的收敛速度、网络精度以及更好地满足实际需求,提出一个线性—非线性并列的新型结构的RBF神经网络模型,并且将该模型应用到水轮机数字协联模型的建立。实例表明,利用该模型对协联关系进行拟合,提高了精度,取得了较好的效果。由于改进后的RBF神经网络具有良好的性能,在许多领域具有应用前景。     

时延动态神经网络的稳定性分析

基于时延动态网络模型的优化计算易于收敛到非法解或局部极小解,以及其算法对模型参数和初始条件具有很强的依赖性等缺点,对时延动态神经网络的稳定性进行了深入地研究讨论,通过Razumikhin-type定理对时延动态神经网络的稳定性进行了分析研究.     

基于多传感器的模糊神经网络在工业污水处理中的应用研究

工业污水分析系统属于多目标控制系统,具有不稳定和不确定性,同时其处理过程具有多变量、非线性、时变和强随机性的特点,故建立精确的数学模型比较困难,模糊神经网络建模在此有一定优势.文章对基于多传感器的污水分析系统,利用模糊神经网络建模工具,对多传感器的过程动态模型进行了分析,提出通过神经多软传感器等对系统进行优化的解决途径,建立了基于多传感器的模糊神经网络污水处理系统模型,进行了实证对比分析.