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。     

人工神经网络的软测量技术在发酵过程中的应用

针对在生物发酵过程中一些关键参数难以在线测量的问题，介绍了工业过程先进控制系统中的软测量技术。讨论了利用人工神经网络的两种典型结构实现发酵过程中关键参数(如细胞浓度、基质浓度、产物浓度)在线测量的软测量方法。     

基于混合多神经网络的软测量建模研究

对多神经网络的建模方法进行探讨,并将线性模型结合在多神经网络中,对多神经网络进行改进,仿真结果表明其泛化能力得到了提高.     

结合机理和RBF的污水处理过程水质软测量模型

针对活性污泥污水处理过程强非线性、不确定性和时变性等综合复杂特性,本文研究了污水水质COD的检测技术现状,并总结了现有水质软测量模型的存在问题,最后建立适应大范围变化工况条件、并具有较高精度的多模型结构的水质软测量模型。其中,工况识别机制采用案例推理技术实现,每个局部模型采用机理模型结合RBF神经网络技术实现。     

非线性软测量建模的神经网络拓扑结构

用神经网络为非线性软测量建模,用于推断估计不可在线测量的变量,利用训练样本集的单调投影指数直接估算隐层神经元数目,有较为满意的逼近精度。     

基于神经网络的打浆度软测量技术研究

针对制浆造纸自动控制中打浆度的测量问题，提出采用基于神经网络的软测量技术进行打浆度测量，用BP算法建立了打浆度软测量的神经网络模型，给出了神经网络建模的具体实现方法．仿真结果表明，基于神经网络的软测量方法用于纸浆浓度的测量是可行和有效的．     

微生物生长过程中菌体浓度的软测量

菌体浓度是微生物生长过程中关键的质量指标，作者利用ＲＢＦ神经网络建立了微生物生长过程中菌体浓度的软测量模型，探讨了软测量模型的动态校正方法，通过仿真验证了该方法的有效性。     

应用神经网络软测量技术测定洗涤过程纸浆的残碱含量

提出了基于扩展Elman网络的测定洗后纸浆残碱含量的软测量模型，并且用它对洗后纸浆残碱含量进行了线测量，结果表明了该软测量方法的有效性。     

BP人工神经网络在加氢汽油干点软测量中的应用研究

汽油干点是石油加工过程中汽油质量的一个重要指标,但实际生产中还没有合适的可用于实时测量这一参数的仪器,本文运用软测量技术,通过BP人工神经网络建立了软测量模型,并嵌入到DCS控制系统中对汽油干点进行实时预测和推断,在实际应用中取得了良好的预测效果.     

神经网络在软测量技术中的应用

软测量技术是通过数学模型来估计工程上难以检测的变量值。由于神经网络方法能够描述高度非线性的输入输出关系,因此,基于神经网络的软测量技术已经成为很有吸引力的研究领域,它将辅助变量作为神经网络的输入,将主导变量作为其输出,通过训练网络来实现主导变量在线估计。对基于神经网络的软测量技术进行了综述并详细介绍了神经网络软仪表的结构和方法,给出了神经网络软仪表的系统开发框架,讨论了它在过程控制中的应用,对其发展作了简要的展望。     

基于神经网络的PID控制

论文讨论了基于神经网络理论的PID控制,并将其应用到了直流调速系统的仿真中,仿真结果表明它具有良好的鲁棒性。     

主观Bayes与神经网络组结合的信息融合目标识别

针对神经网络在信息融合中的应用所存在的一些问题,受人的视神经网络的启发,提出了一种基于Bayes方法的神经网络组方法,并把它应用到了特征级融合中进行模式识别。仿真试验结果表明,和用单一的神经网络相比,利用神经网络组方法提高了网络收敛速度、缩短了网络的训练时间,提高了对目标的识别率,并且增强了对目标识别的稳定性。     

基于神经网络的自动星图识别算法

神经逻辑网络(NLN)是一种神经网络与专家系统相结合的神经网络模型，本文探讨一种基于模糊神经逻辑网络的星图识别算法。在大视场多星定位系统的星图识别中，该算法比直接匹配法有较快的识别速度和较高的识别精度。     

基于神经网络聚类的研究

提出了一种基于Kohonen网络的改进聚类算法,并给出了基于数据仓库平台的具体实现方案。通过对实例的聚类测试,对算法本身的若干指标进行了研究分析。     

基于神经网络的迭代控制研究

利用迭代学习控制过程记忆的期望控制ud(t)、期望轨迹yd(t)以及跟踪误差ek 1(t),提出了用迭代学习控制理论进行系统控制律设计的方法,并基于神经网络的拟合算法拟合出控制系统PID控制器的参数,实现了对系统的迭代学习控制.研究表明,这种方法实现的PID控制器结构简单,作用于系统可获得较佳的动态特性和较强的鲁棒性.仿真实例表明了这种方法具有很好的可行性和实用性.     

基于RBF神经网络的超市客户保持预测模型研究

利用RBF神经网络数据挖掘算法建立了超市客户保持预测模型,在MATLAB开发环境下进行程序设计和仿真分析,并与BP算法进行对比,完成了超市客户保持预测的任务,分析了该算法的优越性.     

基于人工神经网络的气体定性分析方法

提出将气体传感器阵列与交馈神经模式识别技术相结合,解决气体传感器的“交叉敏”问题,从而完成气体的定性、定量分析;针对常规ＢＰ算法的缺点,构造了基于自适应调整步长和加动量因子的改进ＢＰ算法用于前馈神经网络的训练;通过实验对Ｈ２、ＣＨ４、ＣＯ等三种气体进行了识别,结果表明利用气体传感器阵列和前馈神经网络进行气体定性分析是可行的。     

基于人工神经网络的岩土工程位移预测研究

从神经网络理论及应用实践等几个方面分析研究了目前岩土工程位移预测神经网络模型存在的几个问题,并提出了几个可供借鉴的其它模型.最后,提出了一种进行位移预测的进化神经网络模型,并采用一个工程实例进行了研究,其结果验证了前述分析研究的结论,说明了本文分析的合理性.     

基于DCT和神经网络的视频版权保护算法

针对目前数字水印技术对视频版权保护和抵抗攻击时存在的一系列问题,提出了基于DCT、数字水印、神经网络和数据加密等技术的有效算法．该算法首先将原始水印信息采用Arnold变换进行置乱处理,然后运用神经网络将水印嵌入到宿主视频中,提取时利用确定的神经网络实现水印的盲提取．实验结果表明,该算法具有较好的不可见性和鲁棒性．     

基于优化神经网络的小麦品种分类研究

为提高基于图像处理的小麦品种识别的准确率,首先选取L8998、内乡188、9023、优展1号、豫麦47、周麦12等6个品种作为研究对象,对采集到的小麦颗粒图像进行中值滤波后采用迭代式阈值法分割图像,提取出颜色、形态和纹理3方面共16个特征,然后通过构建神经网络研究了小麦品种的识别准确率与品种数量之间的关系.最后,为避免网络因达到局部最优而停止训练,利用MIV算法计算了各输入特征参数对分类结果的平均影响值,进而使用遗传算法对网络结构进行了优化.结果表明,随着小麦品种的增加,分类的准确率逐步下降,当待识别的小麦种类增加到6类时,优化后的神经网络的样本识别准确率从81.3％增加至85.6％,有效提高了小麦品种分类的准确性.