BP神经网络在铝电解槽温度测量中的研究

针对铝电解槽温度高、腐蚀性强、温度难以直接连续测量的问题,引用BP神经网络技术,选择铝电解槽的输入电流、电压和下料速度作为辅助变量,建立BP神经网络模型,并利用matlab对数据样本进行了标准化处理,实现了BP神经网络的建立、训练和仿真。在预焙阳极铝电解槽进行实验,通过预算温度与实际温度进行对比,结果证明了该方法的有效性。     

粗糙集及PSO优化BP网络的故障诊断研究

针对PP神经网络故障诊断存在网络结构复杂、训练时间长、精度不高的问题,将粗糙集、微粒群算法、遗传算法引入到柴油机故障诊断中,提出了基于粗糙集理论与改进PP神经网络相结合的柴油机故障诊断算法。算法采用自组织映射方法对连续属性离散化,利用粗糙集理论对特征参数进行属性约简,使用微粒群算法优化PP网络结构,从而缩短训练时间,有效提高故障诊断的准确度。最后用柴油机的实际诊断结果验证了该算法的可行性、快速性和准确性。     

基于神经网络的访问控制策略优化模型

访问控制是网络安全防范和保护的主要核心策略,其主要任务是保证网络资源不被非法使用和访问。将风险概念引入访问控制,分析了基于风险的权限委托以及权限再分配的基本性质;基于MUS集合的计算方法,给出了一种基于神经网络的风险评估方法。针对神经网络适合定量数据,而风险因素的指标值具有很大的不易确定性等问题,采用模糊评价法量化信息安全的风险因素指标,对神经网络的输入进行模糊预处理。仿真结果表明,模糊神经网络经过训练,可以实时地佑算风险因素的级别。     

基于Hopfield神经网络的企业竞争力评价模型

在专家评价数据基础上,针对企业竞争力评价的非线性特征以及竟争力评估体系中存在的诸多非定量因素,建立企业竞争力评价的Hopfield神经网络模型。评价模型可以根据专家打分对已有评价体系中的主观性因素进行量化,并利用神经网络的联想与记忆功能进行量化评价的计算。该模型较已有的评价体系具有更高的计算效率。利用Hopfield神经网络进行企业竞争力评价的方法可操作性强,可以克服传统评价方法主观性过强的缺点,具有较广泛的实用性。     

RBF 神经网络的递阶遗传训练新方法

针对RBF网络的特点,提出一种递阶遗传算法,不仅可以同时确定网络参数(连接权、隐节点中心和宽度),而且解决了网络拓扑结构的优化训练问题。算例仿真表明所提出的算法是很有效的。     

基于神经网络给定补偿的永磁同步直线交流伺服系统H ∞控制

以永磁同步直线伺服电机为被控对象,应用Ｈ＾∞控制理论设计了一种具有强鲁棒性的速度控制器。首次提出了基于神经网络给定补偿的Ｈ＾∞控制策略,仿真实验结果表明,该方案有效地克服了永磁直线电机参数变化及特有的端部效应等对系统的影响,提高了系统的性能指标。     

基于域理论的自适应谐振神经网络研究

提出了一种基于域理论的自适应谐振神经网络算法 FTART,有机结合了自适应谐振理论和域理论的优势 ,以一种独特的方式解决了示例间冲突和分类区域的动态扩展 ,不仅不需要手工设置隐层神经元 ,可以还获得了较快的训练速度和较高的预测精度 .同时还提出了一种可以从训练好的 FTART网络中抽取可理解性好、精度高的符号规则的方法 ,即基于统计的产生测试法 .实验结果表明 ,用该方法抽取的符号规则可以较好地描述FTART的功能.     

广义模糊推理与广义模糊RBF 神经网络

在提出广义模糊推理概念的基础上,提出并分析了广义模糊径向基(RBF)神经网络模型,给出了该网络的广义学习算法。仿真结果验证了广义模糊RBF神经网络模型具有良好的函数逼近能力,所提出的学习算法是可行和有效的。     

应用神经网络分类器识别手写邮政编码

介绍了神经网络分类器的一般原理,提出了应用神经网络分类器识别手写邮政编码的基本方法。针对手写邮政编码模式内在的多样性和复杂性,又提出一种自适应树状网络模型以适应复杂数据的处理。     

基于神经网络的砼内缺定量识别

砼内缺的无损检测和准确识别是许多中,大型混凝土工程质量测试中的难题。然而目前的砼内缺无损检测方法尚处于定性和半定量的水平。把智能信号处理方法与超声无损检测方法相结合,提出了一种基于神经网络的砼内缺识别方法,实现了砼内缺识别的定量化和智能化,这对确保工作的质量和安全使用具有重要的实际意义。