腊样芽孢杆菌DM423分批培养过程中生物量的人工神经网络软测量

利用静态多层前馈神经网络模型对腊样芽孢杆菌(Baeillus cereus DM423)(简称DM423)分批培养过程的生物量进行软测量．构建了以培养时间、温度、pH、溶氧和葡萄糖浓度作为网络的输入变量，生物量浓度为输出变量的5-5-1型的3层前馈网络，网络对DM423的生物量浓度估算精确度较好．分别对葡萄糖浓度、pH和溶氧的实际测量值施加干扰，对网络的鲁棒性进行检测，结果表明，所建立的神经网络具有一定的抗干扰能力。     

基于一类改进遗传算法的进化神经网络研究

分析传统遗传算法易早熟收敛的主要原因,提出一类改进的遗传算法以及一种基于改进遗传算法的前馈神经网络设计方法,用以同时完成对网络结构空间和权值空间的搜索。该算法将普通遗传算法的交叉算子和遗传算子进行改进,利用模拟退火算法、BP算法和小生境技术来加快算法的收敛速度,改善解的性能。通过对异或(XOR)、噪声模式识别等前馈神经网络性能的一组测试,与BP算法进行比较,实验结果表明,该算法能够有效抑制遗传算法初期收敛的发生,有效地提高多层前馈神经网络的收敛精度和收敛速度,由此得到的神经网络的泛化能力也较好,能够达到根据训练样本自动优化设计多层前馈式神经网络的目的,并可获得更为简洁的网络结构。     

溶氧控制对黄色短杆菌YILW合成L-异亮氨酸的影响

对黄色短杆菌YILW合成L–异亮氨酸的发酵溶氧条件进行了探索,构建了该菌合成L–异亮氨酸的代谢网络和代谢流平衡模型.在30 L发酵罐中考察了不同溶氧浓度下L–异亮氨酸发酵过程.研究结果表明：高溶氧浓度有利于菌体生长,15%溶氧浓度下产酸速率高且维持的时间长,有利于L–异亮氨酸的积累.为此提出了分段控氧模式：在菌体生长期,溶氧浓度控制为25%;在产酸稳定期,溶氧浓度控制为15%.在此溶氧控制模式下,在30 L发酵罐上补料分批发酵60 h,L–异亮氨酸产量可达31.8 g/L,糖酸转化率可达18.3%,且乳酸、丙氨酸等副酸明显减少.对此结果运用代谢流分析的方法进行论证,旨在从量的角度理解溶氧对L–异亮氨酸合成的影响提供理论基础,对进一步优化L–异亮氨酸发酵溶氧条件提供理论指导.     

双并联神经网络在线梯度算法的收敛性

双并联前馈神经网络是一个单层前向网络和一个多层前向网络的并向联接,在实现线性映射的同时也能够反应非线性映射,尤其对于弱非线性问题效果更为明显。在线梯度算法是训练神经网络的一种常见、高效的训练算法。研究了双并联前馈神经网络在线梯度学习算法的确定性和收敛性,证明了误差函数单调性质,给出了双并联前馈神经网络弱（强）收敛性结果,即误差函数的梯度趋于零,权值序列收敛于固定点等结论。     

智能神经元网络前向传播过程的硬件实现

在离线训练多层前馈网络的基础上,在FPGA中实现了智能神经元网络的前向传播过程.神经网络的学习采用改进的遗传算法,其中对遗传算法交叉、变异后所得结果的处理方面做了改进,并将整个进化过程分为渐进和骤变2个阶段.所构造的多层前馈网络具有智能神经元模型,从而提高了神经网络的收敛速度和泛化能力.在硬件实现中采用对称表求和算法逼近网络激励函数,用较少的存储空间在FPGA中构造智能神经元,使神经网络具有占用硬件资源少和工作速度高的优点.该方法应用于10000m同轴电缆仿真线的研究中,收到了良好的效果.     

基于神经网络的非线性随机系统的状态估计

针对惯性导航系统的特点，建立一个三层ＢＰ网络，用测量到的带有噪声的输出变量序列和状态变量作为样本，训练神经网络，经过训练的神经网络对噪声具有抑制能力，可用带有噪声有输出变量序列来估计状态变量的真值。     

基于聚类分析的人工神经网络洪水预报模型研究

应用模糊C均值(FCM)和自组织映射网络(SOM)两种方法将洪水流量过程线进行分解,并聚成不同的类别,结合多层前馈神经网络(MFN)建立了两个综合神经网络模型(FCMMFN和SOMMFN),进行洪水预报。在王家厂水库流域洪水预报的应用结果表明,两种聚类方法能够将流量过程分解为具有不同内在规律的若干过程,两种综合神经网络模型预报精度均优于单一的多层前馈网络模型,而且FCMMFN的精度高于SOMMFN。     

多层前馈神经网络的能力和结构设计方法综述

多层前馈神经网络的能力及结构设计，特别是其隐层单元数目的优化选定问题，受到人们的广泛重视，关于该问题，已有许多章对之进行讨论，并获得了某些设计方法和理论结果。本参考众多献，首先分析总结了关于多层前馈神经网络能力现有的理论结果，对其中最有指导意义的一些论点进行了重点叙述，并将已被采用的一些多层前馈网络的结构设计方法归纳为三种类型，即直接定型法，修剪法和生长法，最后，给出了我们的结论。     

基于神经网络的股票交易数据的预测研究

运用前馈神经网络预测时间序列的分析方法对股票数据进行了预测.通过对前馈神经网络时间序列数据预测网络模型的建立方法及预测方法讨论,基于BP网络对股票数据进行实际预测.预测精度明显高于传统方法,说明此种方法是可行的.BP网络可用于股票数据预测,其预测精度较高,但实际预测时,如何选择和确定一个合适的神经网络结构需进行反复实验.     

死端微滤牛血清白蛋白溶液膜通量的预测

为实现对不同操作条件(操作压力、料液质量浓度和温度)下的牛血清白蛋白溶液死端微滤膜通量的预测,以训练步数、绝对相对误差和相关系数作为预测的衡量指标,并对所建立的3层BP神经网络和RBF神经网络基本模型的内部参数进行了优化.优化的BP神经网络模型的拓朴结构为3-9-1,学习率为0.05,学习/训练函数为traingdx,隐层到输出层的传递函数为logsig,该网络对牛血清白蛋白(BSA)溶液膜通量预测的平均绝对相对误差为2.37%,相关系数为0.9960;优化的RBF神经网络的网络设计函数为newrbe,散布常数为400,该网络对BSA溶液膜通量预测的平均绝对相对误差为4.83%,相关系数为0.987 0.结果表明,BP神经网络优于RBF神经网络.     

以高盐渗滤液富集筛选氨氧化菌试验

目的研究利用渗滤液作为氨氧化菌富集培养基的可行性,筛选出的优势菌在不同条件下的脱氮效果,为渗滤液生物处理提供参考.方法通过对渗滤液富集后污泥进行氨氧化菌初筛和复筛结果选出的优势菌在静态试验下研究pH、进水底物浓度、溶解氧和盐度的影响和投加优势菌后氨氮氧化速率.结果 pH、溶解氧、底物质量浓度和盐度对优势菌的脱氮性能有一定的影响,优势菌的最佳pH为7.5~8,溶解氧质量浓度3 mg/L,进水底物质量浓度与所需溶解氧成正相关关系;优势菌表现出不同盐度耐受性,X1表现出耐盐特性,而X4表现出嗜盐特性.结论渗滤液高氨氮的特性使其有作为氨氧化菌富集培养基的条件,渗滤液富集筛选出的优势菌投加反应器后可有效提高反应器的氨氮去除率.     

Evaluation of dissolved oxygen in water by artificial neural network and sample optimization

Three important factors influencing directly the dissolved oxygen (DO) of river including the outflow, the water temperature and the pH, were used as input parameters to set up a BP neural network based on Levenberg-Marquant algorithm. The neural network model was proposed to evaluate DO in water. The model contains two parts: firstly, the learning sample is unified; secondly, the neural network is used to train the unified samples to ensure the best node number of hidden layer. The proposed model is applie...     

预测板式换热器污垢热阻的新方法

通过动态监测板式换热器冷却水污垢热阻及影响污垢热阻的松花江水水质参数（如pH值、溶解氧、铁离子、氯离子、细菌总数、浊度、电导率、化学需氧量、碱度和硬度等）变化。采用BP神经网络主成分分析、主成分回归、全要素BP神经网络三种预测方法建立板式换热器污垢热阻预测模型,选取1-15号样本为训练或回归拟合样本,16-20号样本为测试样本,并将三种方法的预测结果进行了对比。结果表明,三种方法均可对板式换热器污垢特性进行有效预测,而基于主成分分析的BP神经网络方法的预测结果误差小,优于另外两种方法。     

神经网络用于永磁同步电机系统波动力矩补偿

电机系统的波动力矩是影响精密伺服系统响应精度的一个关键因素，对恒速工作的永磁同步电机系统进行分析并提出了在电机系统控制指令中叠加补偿指令的抑制波动力矩方法，构造了相应的多层前馈神经网络模型，采用改进的BP网络--SPDS算法进行网络训练，实现了波动力矩补偿指令的计算，经样机系统验证得到了满意的波动力矩补偿结果。表明这种补偿构造方法具有良好的工程实用价值。     

基于启发式学习算法的空间柔性机械臂神经网络控制

针对非线性强耦合的空间漂浮基柔性机器人,提出了一种启发式学习算法的神经网络的前馈控制策略。首先通过拉格朗日法和假设模态方法建立了漂浮基柔性空间机器人的动力学模型,然后采用两个神经网络及一个PID控制器来构建前馈在线学习控制系统,其中一个神经网络充当前馈控制器,另一个神经网络通过学习逆动态模型来为前馈控制器提供在线学习参数,而PID控制器主要作为辅助补偿控制器。该控制策略不是在PID控制器的指导下进行学习,且无需预先的离线学习,因而学习精度更高,且减少了对学习样本选择不当的影响,采用固定中心参数,而扩展宽度采用启发式关系确定,网络权值采用改进的最优准则算法进行调整的算法来实现快速学习能力,具有较好的实时性。仿真结果证明了所提方案的有效性。     

Effect of initial substrate and biomass concentrations on anaerobic fermentative hydrogen production in batch reactors

The effects of initial substrate (5 -60 g/L) and biomass concentration (0.5 -3 g/L) on fermentative hydrogen production by mixed cultures were investigated in batch tests using glucose as substrate.The...     

输入元素非线性关联的前向网络及性能分析

利用前向网络输入元素非线关联的方法实现了从输入模式空间到输出标识空间复杂的非线性变换。推导了学习方法,并在学习过程把模式的平稳不变识别、比例不变识别及旋转不变识等条件构造在神经网络的权结构之中,使其具有模式不变识别能力,同时借助等权类的概念,极大地简化了网络的拓扑结构,降低了学习时间。     

基于单调约束的径向基函数神经网络模型

径向基函数(radial basis function, RBF)神经网络是一种高效的前馈式神经网络。它结构简单,具有良好的泛化能力,已经被广泛的应用于数据分类中。但是对于一些特殊的分类场景,如单调数据场景,神经网络还未充分发挥其潜能。针对此,提出单调径向基函数神经网络(monotonic radial basis function neural network, MC-RBF)。MC-RBF引入Tikhonov 正则化方法确保优化问题解的唯一性与有界性。试验结果表明,在处理具有单调性的数据集时,MC-RBF比原始的RBF神经网络具有更好的分类性能。     

基于模糊神经网络的自适应精确曝气系统设计

基于模糊神经网络理论,将自回归各态历经(ARX)模型与模糊神经网络模型(FNNM)相结合,设计一套具有自适应能力的前馈-反馈精确曝气控制系统,解决目前污水处理曝气过程中冗余曝气能源浪费、溶解氧波动大的问题.以污水厂处理PID控制生物池数据作为训练样本,以模糊神经网络自适应精确曝气模型仿真与传统PID控制比较,发现该系统...     

改进的粒子群动态过程神经网络及其应用

为克服前向过程神经网络收敛速度慢、精度低的问题,本文提出了一种基于改进的粒子群动态过程神经网络(IDPNN)。对于给定的全连接的过程神经网络,通过IPSO优化其连接权值和网络结构删除冗余连接使之成为部分连接的过程神经网络系统,从而降低了计算成本。将经过IPSO训练的动态过程神经网络应用于Iris模式分类问题,结果表明,改进的粒子群动态过程神经网络具有较高的收敛速度和精确性。