基于"人工神经网络"的旅游资源综合评价

基于人工神经元网络（ANN）在解决各种评价中特有优势与方法，根据旅游资源评价的主要内容及模拟的虚拟数据，建立了旅游资源的可开发性与其影响因素之间的ANN关系模型，利用该模型对各类旅游资源开发的可行性进行综合评价并归纳了应用人工神经元网络评价系统的主要优势．     

一个基于人工神经元网络的决策支持系统

运用人工神经元网络的学习优点，针对一类多级指标体系进行综合评价的决策问题构造一种支持非结构化决策问题的系统模型，并利用该系统模型建立一个企业出口潜力决策支持系统，试图对企业出口潜力进行综合评价．     

人工神经元网络的电机自适应控制方法

在阐述前馈型神经元网络基本原理的基础上，建立被动补偿式脉冲发电机电流波形控制的人工神经元网络模型，并对网络输出与仿真输出进行比较，获得了较高的精度；最后对人工神经元网络在补偿脉冲发电机波表控制领域中的应用前景进行了分析。     

应用Matlab设计人工神经元网络控制系统

在简要介绍Matlab5.3软件的基础上，结合它的神经网络工具箱，阐述了在Matlab软件中利用神经元网络工具箱（Neural Network Toolbox)和Simulink平台建立人工神经元网络模型以及实现人工神经元网络控制系统的设计、仿真和动态性能分析的方法，并以倒立摆控制系统为例进行了仿真研究。文中的具体实例表明，在人工神经元网络及其应用研究中使用Matlab可以提高研究效率，快速实现研究构想，有助于科学研究工作的开展。     

聚合条件对载体催化剂催化性能的影响(Ⅱ)

研究了聚合条件对载体稀土催化剂催化性能的影响,发现聚合物的分子质量、聚合物转化率、聚合物的微观结构均随反应条件不同而呈现规则变化．     

岩体力学参数预测的新方法

提出了利用人工神经元网络预测岩石工程数值分析中所需的岩体力学参数的方法,其优点是神经元网络可以把岩体较多的非定量的地质描述,经过换算后作为初始参数参与运算．通过对岩体抗压强度和弹性模量的预测验证表明,预测结果与实测结果吻合较一致．     

BP人工神经元网络与汉语语音的音节切分

提出了一种基于ＢＰ人工神经元网络的汉语语音声韵母分割算法．计算机模拟结果表明，该算法只需对极少数典型音节进行简单训练，便可实现汉语语音的声韵母分割，且分割精度远大于传统算法所能获得的精度．     

一种与神经解剖和生理功能相似的神经元模型

从解剖结构和神经生理功能的角度提出了一种神经元模型，讨论了标准神经元的符号、人工神经元网络和通用数字计算机的联接方式。列举了几种典型的人工神经元网络的例子。     

一种基于人工神经元网络的条件分支预测算法

针对人工神经元网络学习速度较慢的缺点,提出了改进学习算法的基于人工神经元网络的条件分支预测算法.基于SimpleScalar模拟器,用SPEC95基准程序对改进的方案进行了性能评估.模拟测试表明,在学习初期,相比传统人工神经元网络预测算法,改进的分支预测算法能使预测失效率降低1%~2%,而在稳定期,可获得同等的预测精度.     

神经网络模型与时差方法结合的应用

将时差方法与人工神经元网络方法有机地结合起来，提出了一种在高炉铁水含硫量预报中的应用策略、并基于鞍钢10高炉操作过程．建立了高炉铁水含硫量预报专家系统。     

刀具状态的ANN—模糊识别

提出了利用人工神经网络（ＡＮＮ）及模糊识别理论融合多监控参数进行刀具状态识别的方法．该方法首先对各监控参数按刀具不同状态的敏感性进行分组,并利用多个ＡＮＮ子网络建立各组参数与刀具状态的模糊隶属度关系,然后利用模糊决策法对各ＡＮＮ子网络确定的刀具状态模糊隶属度进行综合评判并按最大隶属度判定刀具状态．该方法不仅具有ＡＮＮ的并行运算特点,而且具有模糊综合评判的容错性,从而提高状态识别的实时性和正确率．结合功率信号的多个特征对大量实验数据的测试表明,该方法可将ＡＮＮ的识别正确率从平均８８％提高到９５％．     

神经网络在引信智能信息处理中应用的研究

介绍了应用神经网络进行引信智能信息处理的探索性研究。采用BP算法建立了无监督特征提取的图象识别系统,包括三层网络自动联想机与两层网络信息提取器,实现了对输入图象的训练、记忆与分类。研究结果表明该方法技术可行,在一定程度上体现了信息处理的智能性。     

基于遗传算法的神经网络在局部放电模式识别中的应用

针对ＢＰ神经网络（ＮＮ） 在大型发电机局部放电模式识别中存在的收敛速度慢、容易陷入局部极小点的问题,提出采用遗传算法（ＧＡ） 作为神经网络的学习算法．并且根据神经网络结构的特点,构造了新的遗传算子．结果表明,与ＢＰ神经网络相比,ＧＡ 神经网络的收敛性能和推广能力都有了明显提高     

人工神经网络在电力系统暂态安全分析中的应用研究

探讨了两种人工神经网络用作电力系统暂态安全分析工具的适用性。首先将一个适度规模电网的暂态稳定性分析问题转化成适合于人工神经网络处理的识别问题。对样本数据进行适当的预处理后，分别将ＢＰＮ和ＫＮＮ两种神经网络用于该系统的暂稳分析；并就人工神经网络对暂稳分析问题的映射能力、插值可信度估计、网络大小等问题，分析和比较了两种模型的适用性和优劣。结果表明，ＫＮＮ模型作为暂稳分析工具有着更大的潜力。     

基于神经网络的字符识别技术研究

本文在分析人工神经网络理论和图象处理及其特征提取理论的基础上,探讨了网络结构、特征编码、算法的实现、学习样本的收集、网络参数的选择及ＢＰ算法缺陷等问题,设计并实现了一种基于神经网络的字符识别系统。     

基于概率神经网络的交通方式划分模型

神经网络具有良好的模式识别能力,而交通方式划分从本质上来看,是一个分类的问题。鉴于此,本文尝试运用概率神经网络进行交通方式划分的建模,并给出了算例,分析表明,该模型对方式划分问题不仅具有很强的解释性,同时具有很好的可操作性。     

一种时间规整算法在神经网络语音识别中的应用

提出一种新的网络结构,这种网络能够很好地解决神经网络语音识别中的时间规整问题。该网络从输入语音信号的特征矢量序列中提取一组固定数目的特征矢量,然后将这组特征矢量馈入神经网络分类器进行识别。和其他的神经网络语音识别方法相比较,用这种网络进行前端处理,可以缩短后端神经网络分类器的训练和识别时间,简化分类器的网络结构并保持较高的识别率。     

旅游业趋势预测方法比较

旅游业对许多国家来说,是重要经济资源,带动的产业包括交通运输、住宿、餐饮、娱乐、零售等,对整体服务业与国家经济影响深远;但遇到重大事件冲击时,不但自身会受到严重伤害,还将波及相关产业,如何预测与规划未来旅游业的需求,已成为当务之急.本研究针对台湾主要客源地区(日本、港澳、美国、韩国、新加坡、马来西亚),借重人工神经网络的类型辨识与学习能力,加上警告信息变项,进行个别市场分析,来推测重大事件可能造成的冲击,以及主要境外观光客到达人数复苏的情形,期望能为旅游业的发展提供较精确的预测工具.分析结果证实:在指数平滑法、ARIMA和人工神经网络中,以人工神经网络预测效果最好.     

支持向量机与人工神经网络

支持向量机（Support Vector Machine,SVM）是由Vapnik等人提出的一种基于统计学习理论的新型机器学习算法;而人工神经网络（Artificial Neural Network, ANN）已经成功用于解决模式识别和任意非线性函数回归估计问题中. 介绍了支持向量机与人工神经网络的基本原理,并对二者进行了逼近方面的比较,结果表明,支持向量机作为一种新兴技术而具有的独特的优越性.     

基于改进R-LDA的ANN在人脸识别中的研究

面部识别(FR)系统可以自动识别或校验从数码相机或图像生成设备中获得的人脸图像。为了做到这点,要从所获图像中提取面部特征,并与人脸数据库中的数据进行比对。目前,几乎所有的FR都面临与面部视角相关的障碍,包括光照不足和低分辨率,这些问题使其识别率大为降低。提出了一种经过全新衡量的标准化参数,它基于FR系统,能够提高在某些环境约束下的识别率。该方法基于常见的正规线性判别分析(R-LDA),并且包含了具有突出分类能力的可以提高人脸识别率的人工神经网络(ANN)。改进的R-LDA算法解决了在所有FR中出现的小样本容量(SSS)问题,同时,ANN对于检测人脸的正面图像很有用处。在ORL及FERET人脸数据库上进行了实验,结果表明,与其它的常用方法相比较,取得了更好的识别效果。