基于改进NB分类方法的网络异常检测模型

在神经网络的数字VLSI实现中,激活函数及乘累加等计算部件是设计中的难点.区别于使用乘法器及加法器的传统方法,该文提出的LMN方法基于查找表(即函数真值表),使用逻辑最小项化简提炼出函数最简逻辑表达式后,可直接生成结构规整的门级电路,除线延时外,电路只有数个门级延时.以非线性函数为例对该方法进行了介绍,结果表明当定点数位数较少时,算法在速度及误差方面具有更好的性能.     

基于神经网络VLSI与噪声信号的故障诊断

为了改变传统的基于软件的机械故障诊断模式，以及发挥神经网络超大规模集成电路(vLSI)的优势，提出了一种用于故障诊断识别的脉冲频率调制(PFM)模拟神经网络脉冲流vLSI电路。实现了一种脉冲流数字模拟混合突触乘法／加法器电路，而且该神经网络电路的突触权值不需要学习调整．降低了电路的复杂性。以此电路为基础．设计了进行主轴承磨损故障诊断的神经网络故障识别系统。利用含有故障信息的噪声信号代替传感器安装困难的基于振动信号的特征值提取，最后．根据代表待识别信号与标准故障模板之间欧氏距离的电路输出端电容电压值可以判断出故障类别。该电路具有较高的识别精度．可以实现噪声故障信号的实时在线识别。     

逻辑神经网络汉字识别部件的硬件设计

介绍由１６位ＣＰＵ,动态ＲＡＭ阵列,训练分类等逻辑组成的印刷体汉字识别部件的设计原理和管理软件。     

关于多变量开关函数化简的问题

本文提出n维立方体及顶点编号方法的模型,应用它可以解决多变量开关函数化简问题。该模型能全面准确地揭示出n维空间中2~n个多变量开关函数每个最小项之间相邻的数学关系,相邻单元的组合关系,并给出合并最小项的差值合并定理及系统化简方法,方法简单直观,可获得最简表达式。这对大规模集成电路设计和计算机辅助开关电路设计具有十分重要的意义。     

基于能量密度的小波神经网络

本文提出了基于能量密度构造单隐层前向小波网络用以逼近复杂非线性函数。在时频定位分析的基础上，引入了能量密度的概念，用其作为选择小波元的标准。在本文中给出了网络构造算法及相应的学习算法，并与其它小波网及ＢＰ网进行了比较。实验结果证明了该方法是可行的，且具有小波元数目相对较少、学习收敛速度快等特点，并就其在实际应用中应注意的问题提出了我们的观点。     

RBF神经网络的结构动态优化设计

针对径向基函数(Radial basis function, RBF)神经网络的结构设计问题, 提出一种结构动态优化设计方法. 利用敏感度法(Sensitivity analysis, SA)分析隐含层神经元的输出加权值对神经网络输出的影响, 以此判断增加或删除RBF神经网络隐含层中的神经元, 解决了RBF神经网络结构过大或过小的问题, 并给出了神经网络结构动态变化过程中收敛性证明; 利用梯度下降的参数修正算法保证了最终RBF网络的精度, 实现了神经网络的结构和参数自校正. 通过对非线性函数的逼近与污水处理过程中关键参数的建模结果, 证明了该动态RBF具有良好的自适应能力和逼近能力, 尤其是在泛化能力、最终网络结构等方面较之最小资源神经网络(Minimal resource allocation networks, MRAN)与增长和修剪RBF 神经网络(Generalized growing and pruning radial basis function, GGAP-RBF) 有较大提高.     

行为驱动的VLSI设计方法

本文提出在ＶｅｒｉｌｏｇＨＤＬ硬件描述语言和Ｖｅｒｉｌｏｇ－ＸＬ模拟器环境下，实现行为驱动的ＶＬＳＩ硬件结构设计方法，从而生成寄存器传输级的数据通道和控制通道，给出了智能机械手实时控制主用处理器结构设计实例。     

实时数字信号处理与VLSI的计算结构

并行处理技术是高速实时数字信号处理的必由之路,VLSI的发展为并行处理提供了可靠的基础。许多信号处理算法具有规则性、递归性及局部数据相关等特点,脉动阵列和波前阵列有效地利用了这些特点,它们最大限度地发挥了VLSI的运算能力并避免了全局通信。本文将分析并讨论脉动与波前阵列处理器的算法、结构和应用。     

一种基于逻辑最小项化简的非线性函数实现方法

神经网络的数字VLSI实现中,非线性激活函数是计算部件设计中的难点.区别于其他模拟近似方法,本文提出的LMN方法使用逻辑最小项化简,对查找表(即函数真值表)进行有效压缩,提炼出函数最简逻辑表达式后,可直接生成结构规整的门级电路,且除线延时外,电路只有数个门级延时.该方法使用程序实现,简化了设计过程.结果表明当定点位数小于12时,该方法在速度及误差方面具有更好的性能.     

粒子群优化神经网络算法在非线性系统辨识中的应用研究

由于非线性系统在实际中大量存在,因此对其进行辨识研究显得十分重要.论文针对目前非线性系统难以辨识的问题,先利用BP神经网络对非线性对象进行逼近辨识,再采用粒子群算法优化BP网络的方法.仿真结果表明该方法能够实现更大精度的辨识效果.     

基于小生境-遗传算法优化的新型BP模型

为解决传统BP神经网络模型易陷入局部极小点、网络结构不稳定、收敛速度慢等问题,提出了一个小生境遗传算法优化的BP神经网络模型。该网络模型借助BP神经网络的非线性映射和学习联想能力和小生境遗传算法的搜索能力,利用小生境遗传算法的选择、交叉、变异及小生境淘汰等操作,来对BP神经网络的初始权值和阈值进行优化,同时使用BP算法来训练该模型,从而有效地解决了网络初值不合理的问题,提高了网络收敛速度、稳定性。实验证明：与传统方法相比,该模型具有很强的可行性和有效性。     

优化非线性激活函数-全局卷积神经网络的物体识别算法

传统的物体识别算法识别精度、自适应能力弱等问题已然不能满足实际的仓储物流领域对物体识别精度的要求.近年来,相关学者提出了基于深度学习的物体识别算法,它得到一定的推广和应用.但是,深度学习在物体识别的应用过程中存在以下问题:一是深度学习模型中激活函数的非线性建模能力弱;二是深度学习模型大量重复的池化操作丢失信息.鉴于此,...     

基于模拟退火优化BP神经网络的PH值预测

为自动准确测定水质p H值,采用大量的具有代表性的p H值检测数据为样本,提出了一种基于模拟退火优化BP神经网络的p H值预测方法。利用模拟退火算法优化BP网络的权值,调整优化样本的选取和隐层神经元数,训练BP神经网络预测模型得到最优解。由测试样本对网络进行了预测试验,并与非线性回归的预测结果进行了对比。结果表明,该方法对水质p H值预测具有较好的非线性拟合能力和更高的预测准确性。     

代数符号计算的神经网络模型

文中给出一种p-adic数制式非对称连接神经网络模型,该网络在整个矢量空间只有唯一平衡点,因而可获得问题的最优解,且在存在计算误差,这种神经网络保持高度并行结构,可用了代数符号计算,本文重点分析了实现神经网络的方法,给代数符号计算提供了一个新的计算模型。     

面向人工神经网络算法的数字VLSI 设计及实现

设计了一种数据位长可变的基于MIMD（Multiple Instruction Multiple Data）结构的通用人工神经网络 并行处理器APP（ANN’s Parallel Processor）,具有8 位、16 位、32 位等三种数据位模式．优化了处理器的关键运算 部件和内部数据通路,并且定制了类RISC 指令集,能够通过编程来实现多种ANN 算法．APP 处理器基于0.25mm 的CMOS 工艺设计,使用Cadence 公司工具对其进行综合,并与其它的神经网络实现手段进行比较．实验结果表 明,该处理器具有较好的通用性和实时性．     

高超声速飞行器神经网络动态逆姿态控制器设计

以一类通用高超声速飞行器纵向模型为研究对象,推导了飞行器纵向姿态运动方程。考虑受到飞行器附加攻角扰动以及气动参数不确定性的影响,对运动方程中速率变化快慢不同的攻角和俯仰速率分别引入精确线性化动态逆反馈,并利用神经网络对系统逆反馈误差进行补偿,有效地抑制了模型参数摄动,实现了对攻角指令的精确跟踪。将设计的控制器对高超声速非线性模型进行系统闭环仿真,仿真结果说明所设计的姿态控制器具有抗参数摄动的性能,能够满足高超声速飞行器复杂飞行条件下的姿态控制要求,具有较强的鲁棒性。