区间小波神经网络(I)-理论与实现

本文提出了前馈神经网络学习的一种新理论棗区间小波神经网络,不同于以往工作的是本工作的主要特点有:(1) 采用区间小波空间作为神经网络的学习基底空间,克服了以往神经网络基空间与被学习信号所属空间不匹配问题;(2) 由于采用区间小波理论,克服了原来被学习信号为适应神经网基空间而延拓所带来的不光滑性,使神经元数目得以节约,这在高维学习情形效果极为显著;(3) 神经单元所用活性函数不再为同一个函数.     

分类区间小波网络在目标识别中的应用

介绍一种区间小波的构造方法.并将区间小波与神经网络相结合,提出一种用于信号分类的分类区间小波网络,利用它解决小波网络的基底空间与被学习信号所属空间不匹配的问题.在分类区间小波网络模型中引入模拟退火策略,并采用自适应变学习系数训练网络.实验结果表明,将分类区间小波网络应用于雷达目标识别,可以减少神经元数目,提高网络收敛速度,并能较好解决高维学习的"维数灾难"问题,获得较好的分类效果.     

基于量子小波神经网络的传动装置模式识别

针对传统神经网络收敛精度低,以及用于故障模式识别能力差的问题,提出了将量子神经网络与小波理论相结合的量子小波神经网络模型.该模型隐层量子神经元采用小波基函数的线性叠加作为激励函数,给出了网络学习算法,并以某型传动装置监测信号的小波能量谱为训练样本,识别传动装置带有缺损的齿轮故障征兆.仿真结果表明,量子小波神经网络能够提高神经网络训练精度和故障征兆识别精度.     

一种改进的RBF网络结构及其参数的设计方法

针对神经网络在学习之后,模糊系统的原始结构被改变,或削弱了规则可解释性这一模糊系统突出特点的问题,给出了一种提取模糊If-then规则的径向基函数(RBF)神经网络结构。该神经网络结构具有能够同时清晰表达模糊控制系统输入空间划分和模糊规则可解释性的特点,克服了以往用神经网络提取模糊规则不能直观体现模糊语言规则可解释性的不足,并详细地讨论了此网络结构参数的设计方法。     

小波神经网络在NGN流量预测中的应用

基于下一代网络NGN（Next Generation Network）的运行环境,该文提出了一个的基于小波神经网络的IP流量预测方法。在神经网络预测模型中,神经网络中的转移函数使用小波函数来替代,从而建立小波基神经网络;同时,通过使用小波多分辨率方法将原始流量信号分解成不同频率成分的分量信号,然后使用分量信号作为训练样本训练小波基神经网络。通过前述方法建立NGN流量预测模型,并根据实际流量数据预测一天的流量。实验结果表明本方法相较未采用小波的神经网络预测方法,能显著提高流量预测精度。     

模拟电路故障特征提取的小波基选取方法研究

小波技术在高维故障特征数据的压缩及敏感信号提取已被广泛应用,但小波基的选取没有一个统一的标准;通过实际采样信号数据的小波分解、特征向量计算、波动性函数比较等技术对小波基函数的选取进行了研究;最后通过综合小波分析、神经网络等技术的模拟电路故障诊断系统的诊断实例验证了所提选取方法的有效性;使用9种常用小波基函数,分别对采样信号进行分解并计算波动性函数,并在模拟电路故障诊断系统进行验证;小波基函数bior2.2的波动较小且与诊断结果一致。     

基于小波神经网络的通用多变量非线性系统辨识算法和应用

在分析小波函数对L2(R)空间的逼近原理的基础上,给出了仅使用尺度函数的神经网络模型和网络学习方法,使得用于逼近低通系统的小波基函数大大减少,并给出逼近的理论依据.提出的小波神经网络模型的学习为线性LS参数估计问题,具有通用性和易用性,并具有线性系统中线性LS参数估计的优良性质,保证了在训练数据受噪声污染时的网络模型的推广能力.理论分析、仿真实验和实际应用结果都说明该辨识方法具有好的辨识精度和推广能力.     

区间小波神经网络(ⅠⅠ)--性质与模拟

证明了区间小波神经网络具有一致及L2逼近性质,且为相容的函数估计子,其学习收敛速度在d维情形不随d增大而减慢,本质上克服了神经网络高维学习的"维数灾难"问题,模拟实例验证了理论的正确性.     

区间小波神经网络(II)——性质与模拟

证明了区间小波神经网络具有一致及Ｌ２逼近性质，且为相容的函数估计子，其学习收敛速度在ｄ维情形不随ｄ增大而减慢，本质上克服了神经网络高维学习的“维数灾难”问题，模拟实例验证了理论的正确性．     

区间小波神经网络(ⅠⅠ)——性质与模拟

证明了区间小波神经网络具有一致及L²逼近性质,且为相容的函数估计子,其学习收敛速度在d维情形不随d增大而减慢,本质上克服了神经网络高维学习的“维数灾难”问题,模拟实例验证了理论的正确性. 关 键 词　神经网络,小波,多尺度分析,收敛.     

基于小波神经网络的PID整定与应用

提出了一种基于小波神经网络整定的PID控制方法。由于小波变换具有良好的时频局部特性，神经网络具有强大的非线性映射能力，自学习、自适应等优势，采用规范正交的小波函数作为神经网络的基函数构成小波神经网络。该网络兼有小波函数的紧支性、波动性以及神经网络的非线性映射能力，自学习、自适应能力等优点，渗碳炉控制实验结果表明．用该方法整定的PID控制系统收敛速度快。逼近精度高，鲁棒性好。     

小波神经网络测定复方苯甲酸酊中主要成分的含量

依据小波函数的非线性逼近能力和神经网络的自学习能力,用Morlet小波基函数代替传统的神经网络传递函数Sigmoid函数,克服BP神经网络易陷入局部极小等缺陷,建立了小波神经网络算法,用于紫外分光光度法不经分离同时测定复方苯甲酸酊中的苯甲酸和水杨酸。苯甲酸和水杨酸的平均加标回收率和RSD分别为101.1%,1.7%;102.1%,1.8%。结果表明,该方法不需要物理化学分离,分析速度快,精确度较高,适用于该制剂的含量测定。     

小波神经网络对风力发电机齿轮箱的故障诊断

为研究风力发电机组齿轮箱的故障特性,提高其工作的可靠性,提出采用小波神经网络对齿轮箱的故障进行诊断的方案。该方案采用小波包分析与径向基函数(RBF)神经网络相结合组成小波神经网络,以准确地识别风力发电机组中齿轮箱常见的故障。诊断结果证明了方案的可行性。该方案在风力发电机组齿轮箱故障诊断领域具有良好的实用前景。     

复励式无刷直流电机故障诊断研究

针对复励式无刷直流电机弱磁控制的故障信号特点,选择小波神经网络作为电机故障诊断方法.根据电机的故障树,确定了电流作为其故障诊断信号.以最常见的绕组短路和开路作为研究对象,通过对不同小波基函数的对比分析,选择coif5作为小波基函数.利用Mallat算法对典型电机故障信号进行了检测,采用第2层分解时的高频系数d2作为特征...     

基于模糊小波神经网络的提升机恒减速制动系统的研究

针对提升机恒减速制动系统采用常规PID控制方式、模糊控制方式存在控制效果差的问题,提出了一种基于模糊小波神经网络的提升机恒减速制动系统的设计方案。该系统采用小波基函数作为模糊隶属函数,利用神经网络的自学习能力和小波基良好的局部特性来增强模糊控制的自适应能力,并采用遗传算法对小波基函数的平移、伸缩因子以及控制器的连接权值进行训练,使网络参数达到全局最优。Matlab仿真结果表明,该系统具有良好的动态特性和较高的控制精度。     

连续小波过程神经网络及其仿真研究

在小波分析和过程神经网络理论的基础上，提出了连续小波过程神经网络模型，其隐层为过程神经元，隐层激活函数采用小波函数．该网络结合了小波变换良好的时一频局域化性质及过程神经网络可以处理连续输入信号的特点，因而学习能力强，精度高．给出了小波过程神经网络学习算法，并以航空发动机滑油系统状态监测为例，分别利用传统BP网络和小波过程神经网络进行预测．结果表明，小波过程神经网络收敛速度快，精度高，优于BP网络的预测能力，同时也为航空发动机滑油系统状态监测问题提供了一种有效的方法．     

基于小波神经网络的非线性系统预测控制研究

提出了一种基于小波基函数神经网络的未知非线性系统的一步超前预测控制算法。该方法利用小波网络学习这个非线性系统,并且应用小波神经网络模型作为系统的预测模型,控制信号直接通过极小化期望输出值与预测输出值之间的偏差来获得,通过对一非线性系统的仿真,表明了该方法的有效性。     

基于混合基函数分解的宽带连续谱信号分析

分析宽带信号时,对信号进行某种变换,准确而有效地分析信号是问题关键所在.提出了基于混合基函数的信号分解方法,通过引入过完备的分解基函数为成份复杂信号主要分量的提取创造有力条件,使得信号分解方法具备不同的分解特性,特别是结构性分解原则能够有效地提高结构紧密分量的分辨能力.选取过完备小波包基函数逼近连续谱主要分量,用余弦基函数逼近线谱主要分量,利用基追踪(BP)算法有效地提取了低频连续谱分量.通过对基函数的通带通性进行分析,选取合适的小波或小波包基函数.实验证实该方法通过引入稀疏性分解,仅使用少数小波包基函数就能够准确重构连续谱主要分量的时域信号形式.     

改进小波神经网络用于火电厂污染物排放量的预测

小波神经网络是神经网络学习的一种,其网络结构与典型的BP神经网络类似,隐含层所用函数为小波基函数,改进的小波神经网络相比于之前在数据预测方面有了明显的提高。火电厂的污染问题是关系到整个国计民生的大问题,如果能将小波神经网络的预测能力应用于实际生产过程,将十分有助于促进国家经济发展,提高人民生活质量。     

基于遗传小波神经网络的冷轧轧制力预报研究

依据小波函数的非线性逼近能力和神经网络的自学习特性，提出一种适合高维输入的小波神经网络建模方法，这种网络结构类似于多层感知器，不同的是隐层神经元的激励函数为小波基函数．为使小波神经网络具有更高的学习精度和更快的收敛速度，将遗传算法、小波神经网络和梯度下降算子结合起来，提出一种遗传小波神经网络．将该网络应用于冷轧轧制力的预报，仿真结果表明预报精度大为提高．