基于模糊模式识别的超圆神经网络模型

模糊模式识别是模糊集理论研究中的重要方向,神经网络是数据挖掘中的一种常用方法。超圆神经网络的学习时间和网络模型理解性都优于BP神经网络,它能以较少的数据量蕴涵同样的信息量。文章依据超圆神经网络模型思想,提出了一种新的基于模糊模式识别的神经网络模型算法,该算法继承了超圆神经网络的优点,能有效地对样本进行学习。     

矿化垃圾水生植物床处理印染废水的初探

用矿化垃圾作为水生植物床的基质代替基质中土壤的作用,分别选择水葫芦和空心莲子草作为水生植物床的植物,制成了人工水生植物床,来尝试处理染料水溶液制成的模拟印染废水,并对比了染料在自然条件下的降解。     

应用人工神经网络和遗传算法预测高炉铁水硫含量

以人工神经网络和遗传算法为基础,建立了以遗传算法优化神经网络初始化权值的铁水硫含量预测系统,有效地提高了预测精度,减少了计算时间.在线应用表明,本预测系统可有效预测高炉铁水硫含量,对高炉实际生产具有较好的指导作用.     

人工免疫网络模型的数据特征提取性能评价技术

人工免疫网络模型(aiNET)是一种用于提取数据特征的免疫智能信息处理模型,其核心是用小规模的记忆网络数据(抗体)映射输入数据(抗原),达到减少数据冗余的数据压缩和特征提取效果.由于aiNET模型中存在免疫克隆选择机制,记忆网络(抗体)不是输入抗原数据集的实际子集,同时,由于它没有实现维数简化,导致目前广泛使用的数据特征性能评价方法无法应用.本文给出了一种基于复杂网络的拓扑结构分析技术,利用描述网络结构稳定性的网络社区结构,通过对aiNET压缩前后的抗体和抗原网络社区的对比,达到对人工免疫网络(aiNET)的特征提取性能评价的目的.     

利用音译和网络挖掘翻译命名实体

本文提出了一种新颖的方法,综合利用音译和网络挖掘来提高命名实体翻译的效果。具体而言,首先利用音译模型生成一个候选翻译,然后利用音译信息配合网络挖掘获得更多的候选翻译。最后,使用最大熵(Maximum Entropy)模型综合考虑源词和候选翻译之间的各种特征,如发音相似度,上下文本特征,网页共现关系等,来排序得到的候选翻译,从而决定最终的翻译结果。实验结果显示我们的方法显著的提高了命名实体翻译的精确度。     

基于实例的汉蒙机器翻译

本文通过对汉蒙机器翻译方法的研究,给出了一种基于实例的汉蒙机器翻译方法,并加以了实现。本文给出了用于汉蒙EBMT机器翻译的实例搜索以及短语片段划分、匹配、组合的方法。本文给出的方法是基于词语对齐的,利用词语对齐进行词语的匹配,并根据匹配词数和长度计算相似度,选取最好的实例。通过对齐信息,确定片段组合的策略,生成翻译结果。通过对方法的实现和实验,完成了一个基于实例的汉蒙机器翻译系统。     

神经网络在水处理加药控制中的应用研究

随着供水源水污染日益严重和水质要求的不断提高,于是就增加了给水处理的难度;在水处理过程中,混凝是整个水处理工艺系统中最重要的过程,也是最难管理的一个环节,它不仅影响到处理的全过程,并且还是制水成本的重要组成部分;通过对给水处理过程中投药系统的工艺原理的研究,分析了其混凝过程中影响其混凝效果的相关参数,建立了混凝剂投加模糊神经网络预测控制模型,旨在研究一种有效的混凝剂投加智能算法并投入实践;试验表明,此模型在源水水质变化的情况下,实现了混凝剂投加的有效控制,提高了水行业的自动化水平.     

基于免疫蚂蚁算法的Job-shop调度问题

描述了作业调度问题，借鉴生物免疫机理提出了求解车间调度问题的免疫蚁群算法，该方法在蚂蚁搜索程中，运用免疫机理提取疫苗，并对进化种群进行免疫操作，从而有效地抑制了蚁群算法的“早熟”和搜索效率低下的问题，显著地提高了蚁群算法对全局最优解的搜索能力和收敛速度，给出了免疫蚁群算法的具体步骤，并对算法进行了实例验证。     

人工神经网络在预测流动沸腾曲线中的应用

选用20世纪60年代以来的实验数据，应用人工神经网络分析入口欠热度、质量流速、压力等主要参数对沸腾曲线的影响。在整个传热区内，热流密度随入口欠热度的增加而增大；在过渡沸腾和膜态沸腾区，热流密度随质量流速的增加而增加；压力起重要的作用，除膜态沸腾区外，增加压力能强化传热。除泡核沸腾外，稳态和瞬态的流动沸腾曲线的差异很小。     

基于网格划分策略的改进人工鱼群算法

人工鱼群算法是一种新型的随机搜索优化算法，初步研究表明该算法具有许多优良的性质。通过引入网格划分策略和禁忌搜索算法．对基本人工鱼群算法进行了改进，减少了迂回搜索的无用计算，同时也使人工鱼可以在解空间内进行更为全面的搜索，提高了搜索效率，加快了系统满意解域的确定；通过对变量空间进行网格划分，提供了获取系统最优解的方法，而且加强了对鱼群公告板信息的使用。实验表明，与基本人工鱼群算法相比，该方法具有明显的优越性。