基于神经网络和遗传算法的锅炉燃烧优化方法

针对锅炉燃烧控制系统送风调节系统存在的弊端,遵照火电厂锅炉燃烧既要提高效率又要降低污染物排放的要求,对神经网络和遗传算法在火电厂锅炉燃烧优化中的应用进行了研究。首先借助燃烧特性试验数据,建立了火电厂锅炉燃烧特性的神经网络模型,然后应用遗传算法寻找送风调节系统最佳氧量设定值,进而调节送风量,实现锅炉燃烧的整体优化。仿真结果表明:应用该方法指导锅炉燃烧,不仅能使锅炉节能,还能降低排放的烟气中氮氧化物的含量,减少对环境的污染。     

快速收敛的BP神经网络算法

以标准BP算法为基础,应用Levenberg Marquardt最优化方法,提出了一种快速收敛的BP算法———LMBP算法。经实验验证并与标准BP算法及其它改进形式比较,LMBP算法大大提高了收敛速度,而且性能稳定。这为BP神经网络应用于实时性要求高的场合(如在线检测)提供了算法基础。该算法的缺点是计算量大,所需计算机内存大,不适合大型网络的计算。     

基于神经网络算法的网络安全评价模型

为了准确地评价复杂网络的信息安全水平,设计了一个具有网络安全评价功能的GABP算法评价模型.该模型通过引入德尔菲法等方法,建立了科学的评价指标体系.基于这一体系,通过修改BP算法和遗传算法的若干步骤,选取适当的目标函数,并对算法的流程进行精确控制,最终得到了一个具备这两种算法优点的GABP评价算法.该评价算法的仿真结果表明,只需输入复杂网络的信息安全监测数据,算法就可以准确评价出该网络的信息安全水平.     

一种社会网络搜索免疫优化算法

基于社会网络所表现出的强大的信息搜索和传播能力,提出了一种新颖的免疫优化算法--社会网络搜索免疫优化算法．该算法将优化问题的求解看作是信息的传递过程,利用经典社会网络搜索模型即Kleinberg网络模型的建模方法来构造免疫算法的寻优进化过程．通过网络的结构增长机制,分别由短程连接算子和长程连接算子来引入抗体种群中的新个体．当搜索进行到一定程度时,自适应地调整长程连接搜索概率,避免算法陷入局部极值,能够最终找到目标的最优解．短程连接算子和长程连接算子的引入充分利用了抗体种群的结构信息,加快了种群收敛速度,同时降低了算法陷入局部极值点的概率．通过对复杂函数优化问题的测试、理论分析及实验结果表明,与粒子群算法、克隆选择算法等已有算法相比,新算法可以更好地保持解的多样性,收敛速度快,求解精度高,鲁棒性强．     

基于模糊神经网络的系统模糊建模方法

提出了一种基于模糊聚类和模糊神经网络的模糊建模方法,该方法首先利用模糊聚类技术来确定系统的模糊空间和模糊规则数,然后利用模糊神经来调整模型的前件参数和后件参数,给出了详细的算法,并对仿真实例进行了研究,仿真实例表明,采用聚类技术能够获得好的初始值,使得计算加快,能够取得满意的结果。     

基于模糊神经网络的目标识别

提出了一种用于常规雷达目标识别的模糊神经网络．先将目标回波用树状小波变换进行特征抽取，然后用该网络进行识别．最后，给出了５类空中目标的识别实验结果     

基于BP神经网络算法的结构振动模态模糊控制

为了更合理、方便地控制土木工程结构地震动力反应,提出基于反向传播(back propagation, BP)神经网络的结构振动模态模糊控制算法。以结构地震动力反应数据训练神经网络建立结构分析模型,以时域模态坐标作为被控变量,实现系统降阶,使建立模态模糊控制规则所需要的模糊推理数量处于可接受范围内,并以体系能量最小作为控制目标制定控制规则。建立结构动力反应模糊控制数值模型,根据计算地震动力反应评价所提出算法的减震效果。结果表明:经过训练的BP神经网络可以准确地预测结构的地震动力反应,并可以据此建立模糊控制规则。仅对结构第一阶振型采用模态模糊控制就能达到满意的减震效果。采用主动质量驱动(active mass driver, AMD)最优控制力幅作为各楼层控制力的论域时,模态模糊控制减震效果与其存在差距;增大控制力的论域,可以得到更好的减震效果。     

基于遗传神经网络的大坝变形预测模型研究

神经网络具有自学习、修正误差的能力，遗传算法具有较强的全局随机搜索能力，两者结合可以优势互补．在编码、选择、交叉、变异等方面对基本遗传算法进行改进，提高其效率和性能，并利用改进的遗传算法对神经网络权阚值进行学习，同时确定最佳的网络结构，利用原型观测资料建立了大坝变形预测的遗传神经网络模型。模型具有良好的预测性能及泛化功能，为大坝安全监控提供了有力的技术支持。     

基于BP神经网络算法的结构振动模态模糊控制

为了更合理、方便地控制土木工程结构地震动力反应,提出基于反向传播(back propagation, BP)神经网络的结构振动模态模糊控制算法。以结构地震动力反应数据训练神经网络建立结构分析模型,以时域模态坐标作为被控变量,实现系统降阶,使建立模态模糊控制规则所需要的模糊推理数量处于可接受范围内,并以体系能量最小作为控制目标制定控制规则。建立结构动力反应模糊控制数值模型,根据计算地震动力反应评价所提出算法的减震效果。结果表明:经过训练的BP神经网络可以准确地预测结构的地震动力反应,并可以据此建立模糊控制规则。仅对结构第一阶振型采用模态模糊控制就能达到满意的减震效果。采用主动质量驱动(active mass driver, AMD)最优控制力幅作为各楼层控制力的论域时,模态模糊控制减震效果与其存在差距;增大控制力的论域,可以得到更好的减震效果。     

基于神经网络的视觉机器人模糊控制

设计人工神经网络(ANN)替代机器人的图像雅克比矩阵,基于ANN和视觉机器人构成的增广被控对象设计了模糊控制器,组成了基于神经网络和模糊逻辑的机器人视觉伺服控制系统,给出了实验结果.实验表明,该方法简捷、易行、有效.     

基于GA的BP网络模型在水文计算中的应用

分析了BP神经网络的缺陷和遗传算法GA的特点,在对BP网络模型进行多方面改进的基础上,提出了基于GA的BP网络模型算法,该算法利用遗传算法全局寻优能力强的特点,可克服神经网络易陷入局部极小、收敛速度慢的缺陷.研究表明,基于GA的BP神经网络模型用于水文计算是有效可行的,该算法具有广泛的应用前景.     

Application of hybrid coded genetic algorithm in fuzzy neural network controller

0　ＩＮＴＲＯＤＵＣＴＩＯＮＧｅｎｅｔｉｃａｌｇｏｒｉｔｈｍ (ＧＡ)ｗａｓｆｉｒｓｔｌｙｐｒｏｐｏｓｅｄｂｙＪｏｈｎＨ .Ｈｏｌｌａｎｄ ,ａｐｒｏｆｅｓｓｏｒｏｆｐｓｙｃｈｏｌｏｇｙａｎｄｅｌｅｃｔｒｉｃａｌｅｎｇｉ ｎｅｅｒｉｎｇ＆ｃｏｍｐｕｔｅｒｓｃｉｅｎｃｅ ,ａｔｔｈｅｂｅｇｉｎｎｉｎｇｏｆ 1970 ,ａｎｄｗａｓｉｎｔｒｏｄｕｃｅｄｉｎｔｈｅＨｏｌｌａｎｄ’ｓｍｏｎｏｇｒａｐｈｉｎ1975[1] .ＩｔｉｓａｓｔｏｃｈａｓｔｉｃｓｅａｒｃｈｉｎｇａｌｇｏｒｉｔｈｍｂａｓｅｄｏｎＤａｒｗｉｎ’ｓｅｖｏｌｕｔ…     

基于遗传神经网络的大坝变形预测模型研究

神经网络具有自学习、修正误差的能力,遗传算法具有较强的全局随机搜索能力,两者结合可以优势互补. 在编码、选择、交叉、变异等方面对基本遗传算法进行改进,提高其效率和性能,并利用改进的遗传算法对神经网络权阈值进行学习,同时确定最佳的网络结构. 利用原型观测资料建立了大坝变形预测的遗传神经网络模型,模型具有良好的预测性能及泛化功能,为大坝安全监控提供了有力的技术支持.     

基于流体神经网络的路径选择算法

通过比较通信网络和流体神经网络,得出了通信网络路径选择的最大概率准则,给出了基于流体神经网络的路径选择算法．实验结果表明,该算法的运算速度远远快于现有的路径选择算法．     

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…     

基于神经优化的最大熵图像重建算法

提出了一种基于Ｈｏｐｆｉｅｌｄ神经网络优化的图像重建算法。将图像重建问题转化为ＨＮＮ优化问题,取重建图像熵函数最大以及原始投影与再投影之间的误差平方和最小作为图像重建的优化目标,作为能量函数构造连续型ＨＮＮ模型,由ＨＮＮ能量函数极小化可得到重建问题的优化解。     

多子群粒子群集成神经网络

为了使参加神经网络集成的个体差异度较大,从而提高网络集成的泛化能力,本文提出一种新的基于多子群粒子群算法的神经网络集成方法.每个子群通过补充差异度独立训练出一批神经网络,从每个子群中选择一个最优个体参加网络集成,实验使用了UCI标准数据集.实验证明,该算法的识别能力要好于Boosting、Bagging等传统方法.     

基于一种混和遗传算法的模糊神经网络的优化

将遗传算法引入到模糊神经网络的学习过程中,提出了一种综合遗传算法和梯度下降法优势的混和遗传算法,它一方面改善了梯度法的收敛性,使模糊系统对专家知识的依赖性大为降低,提高了系统的智能化水平;另一方面有效提高了遗传算法的搜索效率,强化了系统的学习能力.仿真结果证明了算法的有效性.     

一种广义预测模型的研究

传统的预测方法存在着难以全面考虑影响因素，其中包括算法复杂、精度较差、实时应用等缺点，针对供热、空调、电力、供水等系统的负荷既受到环境因素等模拟量的影响，又受到节假日、上下班等开关量影响的特点，将模拟人脑逻辑思维的模糊技术与模拟人脑自学习的神经网络技术相结合的模糊神经网络引入到负荷的预测中，提出了一种新型的基于模糊神经网络的预测模型，并对输入量的选择进行了详细的分析，既考虑了历史数据的影响，又考虑了突发事件的作用，获得了较快的预测速度和较高的预测精度。     

DBD演算法BP神经网络水质综合模拟研究

建立水质模型对水体水质的变化进行模拟是一条有效的途径。由于污染物之间的相互作用以及水环境中物理、化学、生物、水力特征的高度非线性耦合，对其了解是有限的，致使传统的微分方程建模方法和数值求解在应用中遇到许多困难。本文采用BP人工神经网络进行河流综合水质模型的建模，为了加强模型的收敛速度采用学习速率自适应的DBD演算法，通过应用长江干流重庆段实测水质样本对模型进行的训练与检验表明：该模型用于一维水质综合模拟可行，且精度较高，为河流水质模拟提供了一条简便可行的新方法。