近线性神经元和非线性神经元

人工神经网络（ＡＮＮ）中普遍采用的神经元模型具有单调有界的Ｉ／Ｏ特性,该文称其为近线性神经元（ＡＬＮ,ａｐｐｒｏｘｉｍａｔｅ－ｌｉｎｅ ｎｅｕｒｏｎ）,ＡＬＮ既简化了网络和复杂性,也是限制ＡＮＮ能力的一个瓶径。通过比较Ｈｏｐｒｉｅｌｄ;神经网络的稳定性和Ｃｏｎｗａｙ生命游戏的复杂行为,该文提出了非线性神经元（ＮＬＮ〉ｎｏｎ－ｌｉｅｎｅｒ ｎｅｕｒｏｎ）的概念,其Ｉ／Ｏ特性是完全线性的。ＡＬＮ可以进     

线性和非线性理论

形式化、数量化（有时还要最优化）的研究是现代科学技术的突出特点。控制论也不例外。因此研究控制系统的第一步，就是要建立它的数学模型，也就是要把一个控制系统用数学表达式加以描述，数学模型是研究自动控制系统的基本依据，没有一个确切的数学模型，就不可能对系统进行定量的分析研究。由于控制系统具有动态的特点，各个变量在动态过程中的关系当然总是一般表现为微分方程形式，在微分方程分类中，有线性和非线性微分方程。当一个控制系统的数学模型是线性微分方程时，称为线性系统，它必须满足两个条件：①齐次性。若输入xl（t）引…     

非线性CC神经元模型的原理及其学习算法

1 M-P神经元模型的工作原理和几何意义 1943年,MoCulloch和Pitts根据神经元传递规律,第一次提出了神经元的数学模型。M-P神经元模型一直沿用至今,它对神经网络的发展起到了奠基性的作用。每个神经元的状态由M-P方程决定:S=f(∑W_iX_i-θ),θ为阈值,f为激励函数,一般取符号函数。令:它代表了n维空间中,以X为坐标变量,以W为坐标系数,θ为常数项的一个超平面。当 I(X)=sum from i=1 to n W_iX_i-θ=0样本点X落入超平面的正半区,即I(X)>0时,有f(I)=1;当样本点X落入超平面的负半区,即I(X)<0时,有f(I)=0。从分类的角度看,一个神经元按输入将     

一种非线性优化的神经网络

本文提出了用人工神经网络求解具有约束条件的非线性优化问题的具体方法，分析了神经网络能量函数的构成形式，并在常规的Ｈｏｐｆｉｅｌｄ网络模型的基础上构造了一个非全局连接的神经网络动力学模型。这种修改的Ｈｏｐｆｉｅｌｄ网络克服了常规的Ｈｏｐｆｉｅｌｄ网络在求解非线性优化问题时权值不好映射的困难，具有结构清晰，易于软件模拟和硬件实现的优点。     

基于线性参数神经网络的非线性系统稳定自适应控制

提出适用于多种网络类型的神经网络稳定自适应控制设计思想,在神经网络逼近误差界未知的条件下,对该误差界进行在线自适应估计,研究基于线性参数神经网络的仿射非线性系统稳定自适应控制。采和Ｌａｐｕｎｏｖ函数方法证明系统状态变量、网络权值矢量、网络逼近误差界的在线估计及输出跟踪误差的收敛性。仿真结果表明,该方案跟踪性能良好,稳态误差较小,系统输出能快速跟踪目标信号。     

线性电位器产生非线性传递函数分析

论述了在电路和自动控制系统中经常遇到而又常常未引起重视的线性电位器的非线性响应问题，由浅入深地从理论和实践两个方面阐明了非线性产生的原因，就实际应用中如何避免和减少非线性的影响进行了讨论。     

神经元钙振荡的非线性动力学研究

在神经元的生理实验中经常观察到丰富的钙振荡模式,本文详细综述了产生这些现象的钙流交换机理和各类通道调节机理,以及描述这些生理机理的数学表达式.介绍三类典型的研究钙振荡的非线性动力学模型,即电压动力学与钙动力学相耦合的模型,多个钙存储单元之间钙流平衡的模型和考虑信使物质IP3的振荡与钙振荡相互作用的模型;并针对第一个模型简要地讨论其复杂的动力学行为;最后对神经元钙振荡的非线性动力学研究提出了一些展望.     

分段线性脉冲神经元模型的簇放电分析

应用一种二维分段线性脉冲神经元模型的简单计算特性,对其簇放电特性进行了详细研究。发现该模型表现出强迫和内禀两类簇放电模式,并分析了内禀簇放电的产生机理及分岔现象。在实验中,应用该模型对一类具有簇放电特性的皮层神经元进行了模拟。     

基于局部递归线性NF模型智能非线性识别系统设计

主要研究了智能非线性识别技术在绕组建模中的设计;首先分析了模糊神经(NF)建模的相关属性,针对绕组建模系统所需要的控制性能,为了改善其控制性能,实现可靠的容错系统,提出一种新的基于模糊神经网络NF的模拟模型,将该模型应用到基于递归的局部线性模糊神经网络(RLLNF),该网络通过局部的线性模型树(LOLIMOT)训练,设计出一种改进的基于树的增量学习算法;最后设置时间间隔在220s和225s之间的实际的绕组过程,通过仿真实验结果表明,将提出的NF模型与其他已知智能算法,即多层感知器(MLP)等进行比较,所设计的系统更具有可行性与高效性。     

分式线性神经网络及其非线性逼近能力研究

提出了结构简单的分式线性神经网络,证明该种神经网络可无限逼近Rm上有界闭子集到Rn上的任意连续映射,同时,证实该种神经网络可无限逼近Rm上无界闭子集到Rn上的在无穷远有极限的任意连续映射,扩充了BP神经网络的非线性逼近能力;给出了实现分式线性神经网络逼近有界或无界区域上连续映射的反向传播算法.仿真实验表明所给出的反向传播算法可行有效.该结果为无界区域上的分类问题和决策问题的解决提供了理论基础.     

基于多神经元模型的非线性系统预测控制

利用单神经元来逼近非线性系统在平衡点邻域内的泰勒展开式的直至二次项,首次提出了一种用多个单神经元模型来拟合非线性系统的建模方法,引入多模型参考轨迹,得到一种新的多模型预测控制。仿真结果表明,基于二阶泰勒级数得到的多神经元模型的预测控制器的性能要优于采用泰勒级数一阶线性项得到的多模型预测控制器,但计算量并未显著增加。     

非线性过滤序列线性复杂度的估计

<正>~~     

非线性神经网络的研究

该文在研究感知器基本模型的工作原理和几何意义的基础上,着重分析了感知器基本模型的局限性。为了使感知器模型有更大的应用范围,该文主要从如何用感知器来解决非线性问题的角度来研究推广感知器模型。     

线性编辑与非线性编辑在影视制作中的优劣分析

本文通过对线性编辑和非线性编辑各自特点的分析,提出非线性编辑在当今影视作品制作中的优势及进一步的发展趋势。     

BP网络和多元线性回归在产量预测中的应用

采用改进的BP神经网络算法和多元线性回归模型分别建立目标函数,并以油田产量预测为例计算验证。通过比较分析,BP网络模型克服了多元线性回归模型的局限性,检验误差为0.016 2,同时表明神经网络的非线性映射能力能够更好地反应多个自变量和因变量之间的复杂关系,具有较好的精确性和可行性。     

基于Elman网络的非线性系统神经元自适应预测控制

提出在非线性系统的E1man网络辨识模型的基础上，用单神经元设计预测控制器的方案。Elman网络在BP网络的基础上，加入反馈信号，利用内部状态反馈来描述系统的非线性动力学行为，提高了学习速度，适合于动态系统的实时辨识。神经元结构简单，且有很强的自学习和自适应能力，它根据系统的期望输出与一步超前预测输出之间的偏差，并通过某种特定的学习算法在线调整控制器的参数，使控制器能够适应对象参数的变化，从而实现对一类非线性系统的有效控制。仿真实验证明了该方案的有效性。     

适用于非线性对象的模糊-神经元控制方法

针对具有严重非线性的受控对象，提出了一种模糊-神经元控制方法。该方法将模糊PID控制器与神经元控制器相结合，用于改善控制器控制非线性对象的性能，以误差、误差变化率及设定值的变化来自调整神经元控制器增益，提高了控制系统的响应速度和鲁棒性。将所提出控制方法用于pH中和过程控制，仿真实验结果表明，该方法具有满意的控制品质及很强的适应性。     

结合线性与非线性模式的计算机基础课程教学

本文针对现阶段计算机基础课程教学中出现的教材老化、教学方法不得力等问题提出一套线性模式与非线性模式相结合的教学方案(简称结合式教学)。该方案以传统线性教学模式为主导,标定学生的学习主线,结合非线性学习模式的跨系统多时空教学平台,开拓了学生的学习空间,培养了学生构建学习、整合知识的能力。     

AUV近水面运动非线性观测器设计

针对AUV近水面低速运动中的波浪扰动问题,基于无源性原理设计了一种非线性状态观测器.观测器可以从包含高频运动信号、低频运动信号以及传感器噪声信号的AUV综合运动信号中估计出AUV的低频运动信号以及环境扰动作用力.该观测器克服了传统的线性化Kalman滤波器的缺陷,直接针对AUV的非线性模型进行观测器设计,用李亚普诺夫稳...