混沌光学系统的前向神经网络系统辨识研究

为解决混沌光学系统自适应控制所需之控制参考动力学模型问题，以布拉格声光混沌系统的系统辨识为例．研究了利用前向神经网络对混沌光学系统进行系统辩识的可行性。计算机仿真实验发现．在静态ＢＰ算法支持下一结构十分简单的三层ＢＰ前向神经网络（１：４：１）即可在一定的精度范围内完成对布拉格声光混沌系统的系统辨识．此结果表明．三层前向ＢＰ神经网络在静态ＢＰ算法的支持下确是一良好的混沌光学系统辨识器，因而可用来处理混沌光学时间序列以进行混沌光学系统的动力学重构。     

基于神经网络的气体炮内弹道仿真与预测

为了模拟气体炮发射时的复杂过程，将这个过程看作一个黑匣，把发射诸元素作为输入参数，把最大膛内加速度作为输出量。采用一种基于推理神经网络模型，运用ＢＰ算法进行学习实验样本数据，和出学习好的神经网络模型，能预测气体炮膛内最在压力，在实际工作蝗仿真结果。     

一种基于误差变化率的自适应反射传播算法

本文针对ＢＰ算法存在收敛速度慢的缺点，提出一种基于网络动态训练误差变化率自动校正学习步长和冲量因子的自适应反向传播算法。导或问题的仿真结果表明，该方法具有较快的收敛速度。     

合理的回归处理提高LD2合金机械性能

将常规处理后的LD2合金在210～220℃1～2min加热后,速冷至室温(称回归处理)。对回归处理工艺研究表明,这种回归处理可在5次内任意进行,以满足压力成型加工的需要,并能有效地提高材料的机械性能。     

混合学习系统的模型

符号学习和人工神经网络学习是机器学习的两种不同途径，综合运用这两类学习方法可以增强学习系统的能力。本文分析了主要的几种混合学习策略，并介绍了混合型学习系统ＨＬＳＤ中采用的集成方法。     

无约束淬火机目标温度神经网络预报

淬火、控制冷却的冷却速度和目标温度是关系到钢板性能的关键因素 ,但由于冷却过程的水量、水温、辊道速度等对冷却目标温度的影响属多变量非线性过程 ,用简单的解析模型通常精度较低 ,难以达到精确控制的要求。采用人工神经网络技术对无约束淬火机目标温度进行快速预报 ,结果表明 ,预测精度高 ,快速准确