基于神经网络和遗传算法的薄壳件注塑成型工艺参数优化

建立了基于神经网络和遗传算法并结合正交试验的薄壳件注塑成型工艺参数优化系统。正交试验法用来设计神经网络的训练样本，人工神经网络有效的创建了翘曲预测模型；遗传算法完成了对影响薄壳塑件翘曲变形的工艺参数（模具温度、注射温度、注射压力、保压时间、保压压力和冷却时间等）的优化，并计算出了它们的优化值。按该参数进行试验，效果良好，可以有效地减小薄壳塑件翘曲变形，其试验数值与计算数值基本相符，说明所提出的方法是可行的。     

基于人工神经网络的粮食害虫分类

采集粮食害虫幼虫在粮堆中咬食的声音信号,利用信号处理技术进行处理,提取出有用的信号特征,根据这些特征,通过人工神经网络对害虫进行分类.共采集了3种害虫的声音信号,正确分类率达到了0.9583.     

人工神经网络在图论中的应用

人工神经剐络与图论之闻有密切的联系。本文把人工神经网络应用于图论的问题求解中,利用Hopfield网络对图的着色、图的最大独立集和最大团进行求解,构造了各自的能量函数,进而得出网络的运行方程。     

应用地震属性预测煤层顶板泥岩百分比含量分布

从地震属性分析入手,提出了用于煤层顶板泥岩百分比含量预测的地震属性分析方法和BP人工神经网络岩性预测方法.以淮南矿区潘东西四采区三维地震勘探区为依托,优选出平均瞬时相位、主频序列1,能量半衰时和主频斜率等4种地震属性作为13-1煤层顶板岩性预测分析的基本参数,结合已知钻孔资料,建立了煤层顶板泥岩百分比含量BP人工神经网络预测模型,运用训练好的网络对研究区13-1煤层顶板泥岩百分比含量进行了预测分析.结果表明,BP神经网络模型具有极强的非线性逼近能力,能真实反映煤层顶板岩性与地震属性之间的非线性关系,预测结果与实测值之间误差小,相对误差一般小于10%,地震属性可以用于煤层顶板岩性分布预测.     

简支梁多位置损伤识别研究

曲率模态是结构损伤识别的敏感标示量,采用数值仿真方法,把曲率模态用于桥梁损伤识别.利用简支梁损伤前后一阶曲率变化率作为识别参数,便可明显确定其多处损伤位置.对相关样本参数进行归一化处理并引入噪声干扰,利用BP人工神经网络进行数值仿真计算,也能对其损伤程度进行有效模拟,验证了BP神经网络也有很强的泛化能力及容错能力.     

BP神经网络在人岗匹配度测算中的应用

人岗匹配一直是人力资源管理研究的一个重要领域,针对人岗匹配度的测算问题,从定性分析到定量分析,综合运用BP人工神经网络和模糊综合评价法,建立了一种新的人岗匹配度测算模型,并通过实例验证了该模型的有效性.     

人工神经网络在改善报警系统性能中的应用

介绍了一种利用BP人工神经网络降低报警系统误报警率的有效方法。以STC89C52RC处理器为平台,在嵌入式系统中应用BP网络先对报警信息进行分析和预处理,再控制报警系统动作。该方法大大降低了报警系统因自然因素导致的误报警概率。采集了100个典型数据对BP网络进行训练,得到了适合应用目标的网络模型,现场实测误报警率几乎为0。该方法的硬件价格便宜,电路简单,是一种降低报警系统误报警率的有效方法。     

利用COSMIC电子密度数据分析全球NmF2

利用COSMIC掩星观测获得的电离层电子密度数据,对2009年不同季节的电离层F2层峰电子密度分布特征进行了研究.采用人工神经网络插值技术,以世界时、地理经度、纬度、F2层峰电子密度及地磁活动指数Kp作为人工神经网络输入层的5个神经元,以NmF2作为输出层神经元,获取全球分布的NmF2.结果显示,位于南半球的威德尔海异...     

不确定水质模型在城市河流水质模拟中的应用

鉴于城市景观河流受沿河排水污染,水质波动较大,建立了内嵌神经网络的一维不确定性水质模型,利用改进适应度函数的遗传算法,优化水质模型的参数解。经实例验证,不确定性水质模型拟合的精度更高,对排入污染物的波动更敏感,其对景观河流水质预测的平均准确度基本在80%以上,普遍高于确定性水质模型,尤其是在靠近污染源的监测断面,其不确定性水质模型预测优势更加明显,更能适应变化的景观河流水体环境。     

基于人工神经网络的无线传感器定位算法

在无线传感器网络定位中,距离向量-跳数(DV-Hop)算法定位误差较大;为了提高定位准确性,结合径向基函数(RBF)神经网络与节点跳数理论,提出RBF-Hop的定位算法;该算法中需要随机生成虚拟节点以满足神经网络的训练,此算法为首先对距离各锚节点均较近的优先定位节点进行定位,然后将已经定位的节点作为下一轮定位的锚节点,循环定位直至所有未知节点定位出来;仿真实验表明,在同样的节点分布下,RBF-Hop比DV-Hop算法的平均定位误差降低29.11%;在锚节点比例、通信半径不同等情况下,RBF-Hop比DV-hop算法的定位精度有了明显的提高。