基于二阶BP神经网络的旋转机械故障的智能诊断

针对旋转机械故障的智能诊断问题,提出了结合二阶BP神经网络和模糊网络的集成诊断方法。系统由信号处理子系统和故障诊断子系统两大部分组成。信号子系统负责信号的提取和预处理,诊断子系统则是诊断的核心,不同信号送入不同子神经网络进行诊断,结果通过决策神经网络进行数据融合,做出最后的诊断。该系统具有知识自动获取、识别速度快、鲁棒性及容错能力强等特点。实例证明该系统是有效的。     

利用ART1网络进行故障诊断的方法研究

此文系统地阐述了自适应共振理论及ARTl神经网络模型的基本概念、特点、结构和算法。在对故障诊断进行理论分析的基础上，结合ARTl神经网络对输入的要求，提出了一种阈值法结合ARTl神经网络进行故障诊断的方法，并对此方法进行了理论分析和仿真实验。仿真实验表明此方法能够进行正确的故障检测和故障分类。     

基于自组织特征映射神经网络的图像压缩

简要介绍了基于自组织特征映射(SOFM)神经网络的图像压缩的传统算法。通过对传统方法的优缺点分析，提出了一种新的简单的矢量量化压缩方法。新算法采用分类码书设计和残留编码，大大提高了图像的客观指标和主观视觉效果。实验表明此方法明显优于传统的SOFM算法，而且易于硬件实现。     

基于神经网络的证券市场预测

利用BP网络很强的非线性映射功能，建立影响股票相关因素与股票开盘价、收盘价之间的关系，综合传统预测和滚动预测方法，建立了一个预测股票走势的模型，并用2000年的上证综合指数进行了验证。