溶剂系统的模式识别

通过三层ＢＰ人工神经网络,对溶剂系统进行模式识别。以经规格化自理伯Ｘｔ、Ｘｅ、Ｘｍ、Ｘｎ、Ｘｄ这５个溶剂性质的选择性参数作为判别指标,５类共１９种不同的溶剂作为训练样本,得到最佳网络参数。然后以十我种有代表性的溶剂作为待测样本进行了模式识别。研究结果表明,人工神经网络用于溶剂系统的模式识别,识别结果与实际一致,本文结果有助于色谱分析及分离技术中溶剂的选择。     

分布式集成信息系统中知识检索方法

支持产品设计的分布式集成信息系统中知识库是系统的核心,如何准确检索到所需知识对系统运行性能有重要影响。文章通过将人工神经网络、模糊理论和规则推理相结合提出的快速、有效的知识检索方法,并探讨了知识分层问题,以支撑件知识检索为对象开发了知识检索方法,为分布式集成信息系统的成功运行提供性能保障。     

基于模式化知识和人工神经网络的智能设计系统框架研究

阐述了将神经网络和模式识别引入智能设计系统的模型－集成转换模型,在该模型中,对智能系统与设计的实现系统的结合进行了探讨,提出了数值编译器与反编译器、图形／编码转换器等将神经网络引入设计系统来的工具和方法。     

混合学习模式ANN组合的研究

无监督及监督式两种学习模式网络的组合,能够解决单一模式难以模拟的问题,因而功能更强,适用于更广。本文在探讨这种组合网络特点的基础上,提出组合的一般框图及相应的实际方式,并结合具体问题对其性能作了讨论。     

通用故障诊断软件系统的设计开发与研究

针对目前国内通用故障诊断软件较少见的情形,提出了基于知识模型库的故障诊断软件的结构方案。该软件合理有序地集成了各种的故障诊断方法,能够高效地实施故障诊断功能;且对于任何系统都适就,具有通用性。     

一种自组织特征映射网络的模糊学习方法

本文提出一种模糊熵准则以及基于模糊熵准则的复合学习准则,可以较好地指导自组织特征遇射网络的学习过程。     

基于Hopfield神经网络的线性系统参数辨识

基于Ｈｏｐｆｉｅｌｄ神经网络的优化计算原理,提出了一种新的线性系统参数辨识方法,利用连续型ＨＮＮ辨识线性系统Ｉ／Ｏ差分方程计算系统的传递函数矩阵,最终获得了可观标准型的状态空间表达式,仿真结果证明了这种只方法的有效性。     

关于BP算法推导过程与讨论

本文通过对多层神经网络模型的BP算法的推导,讨论用BP算法对网络进行优化后误差精度、网络结构和学习次数之间的关系,最后指出BP算法的不足之处,提出加快学习过程的一些方法和技巧。     

多链ANN-HMM识别模型及其应用

本文提出了一种多链ANN-HMM识别模型.首先,通过将ANN集成到HMM模型中,利用ANN对HMM进行训练;其次,通过对HMM的单链进行扩充,使之成为多链,以实现多特征并行识别与重组.实验表明,该识别模型对多特征连续对象具有良好的识别能力.     

一种全新的人工神经网络算法

本文提出一种全新的人工神经网络算法,它与传统的ＢＰ网络算法有着本质的不同,它不再采用传统的误差反向传播学习原理。新算法的基本原理是任选一组自由权,通过高斯消元法解线性方程组求得另一组待求权。因而其算法的时间复杂度是多项式阶。将选定的自由权与求得的待求权俣在一起,就得到所需的学习权值,新算法不存在传统方法的局部极小及收敛速度慢的困难,本文最后给出了计算机仿真实例。