一种变步长CMAC的沉降NARMAX模型*

为了提高氧化铝生产质量和降低能耗,本文分析了氧化铝沉降工艺中影响沉降过程的各种因素,采用小脑模型神经网络(CMAC)系统辨识的方法建立沉降系统的带外部输入的自回归滑移模型(ARMAX)。针对CMAC收敛性存在的问题,提出了基于变步长小脑模型神经网络(CMAC)算法,通过双曲正割函数优化学习步长,提高了小脑模型神经网络算法的收敛速度和计算精度,进而优化了沉降槽密度ARMAX模型。仿真实验表明,该算法的ARMAX模型可以对沉降过程中的槽内密度进行准确识别,指导氧化铝的沉降生产操作。     

基于神经网络的全国石油产量的建模与预报

本文在利用神经网络方法辨识非线性系统模型的基础上,对全国石油产量进行预报,结果表明,该方法是非常有效的。     

用OOP技术实现一类不可预测的分形屏保技巧

根据分形理论的一个分支—复动力系统图形生成的特点,本文利用面向对象的编程(OOP)语言VC 实现了对它的编程,产生了一类具有不可预测性的分形屏保,总结出了这一类屏保的编程技巧。     

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。     

基于辨识标签原理的无源声表面波传感器技术要点与发展趋势

本文在讨论基于辨识标签原理的无源声表面波传感器的原理的基础上,分析了衰减损耗和尺寸、交叉敏感、反射极排列和信号处理等传感器技术要点的当前存在问题以及发展趋势。     

多维逆M序列及其在多变量系统辨识中的应用

基于Ｍ序列和逆Ｍ序列,提出了多维逆Ｍ序列发生器的结构形式。多维逆Ｍ序列近似周期白噪声,无直流分量,各维序列之间互不相关。言语中研究了多维逆Ｍ序列的性质,给出了自相关函数的计算公式。通过使用多维逆Ｍ序列,将多变量系统参数辨识简化为各通道对应的单变量系统参数辨识。多维逆Ｍ序列具有很好的推广应用价值。     

时延神经网络用于桥梁结构损伤识别

使用振动信号输入的时延神经网络对桥梁进行结构损伤辨识,并用不完全的测量数据进行仿真.结果表明,时延神经网络的辨识算法简单,性能优于传统的神经网络.     

基于双约简的GMM说话人辨识

如何能够快速准确的实现说话人识别是说话人识别研究的一个重要环节。提出双约简GMM的说话人确认方法,对语音参数进行核K-均值聚类,提取聚类中心的语音特征矢量作为训练数据,并对其进行fisher比约简,提取具有区分力强的维数。实验表明该文提取方法可以减少训练时间,并提高系统的鲁棒性。     

RBF和PIDNN在伺服电机模型中的应用比较

为了更好地发挥RBF和PIDNN神经网络的优势,通过对伺服电机模型辨识和控制问题的分析,对RBF和PIDNN网络的应用效果进行了仿真实验的对比研究。结果表明,RBF神经网络结构复杂,参数难以调整,但具有最佳一致逼近能力,辨识效果优于PIDNN;PIDNN结构简单,比例元、积分元和微分元具有类似PID的控制作用,控制效果优于RBF。     

带种族遗传算法的神经网络辨识器及其应用

为了解决油田动态系统建立数字模型难和模型训练难的问题,以多层动态前向网络为模型框架,给出了一种新的油田系统神经网络辩识器,它对上述系统具有通用性。为了训练该辩识器和避免极值问题,模拟生物种族进化机制,设计了新的种族遗传算法。该算法是由改进的带共享机制的遗传算法、启发式山峰聚类算法和新的Powell算法有机结合构成的新型混合算法。应用表明,种族遗传算法具有极强的全局和局部搜索能力,这确保了上述神经网络辩识器具有很高的预测精度,平均相对误差在1%以内。