发动机的组合神经网络建模

为改善单个神经网络模型精度不足的问题,引入有限元建模思想,采用有限元建模和神经网络建模相结合的方法,建立了高压共轨柴油机性能仿真的网络模型,并进行了实验验证。建模过程中,将建模对象空间划分成网格,在节点上利用获取的实验数据分别组成完备和不完备的训练域对网络进行训练,由所有网格上的网络共同完成性能仿真功能,由此建立起一套可用于电控发动机控制系统仿真及参数匹配标定的组合神经网络。实验结果表明:该模型平均输出误差约为2%~4%,使用Pen tium IV 2.0GH z PC机时的计算时间小于60m s,可用于基于模型的发动机控制系统。     

基于BP神经网络的三相逆变器故障诊断研究

针对三相桥式逆变电路为研究对象,建立了仿真模型,并对逆变器主电路开关器件的开路故障进行仿真,提出了基于BP神经网络的故障诊断方法,确定了网络的结构和参数,并以此训练网络.仿真试验结果表明,该神经网络具有很好的故障识别能力,所选择的基于BP神经网络的三相逆变器故障诊断系统是可行的.     

一种电子设备电磁敏感性的仿真建模与优化设计方法

提出了一种电子设备内部电路的建模方法和基于该模型的优化设计方法.建模方法采用微粒群优化算法与误差反向传播算法相结合的网络训练方法,利用高频仿真软件构造的样本集,对3层神经网络进行训练.所建立的神经网络模型解决了电子设备在电磁敏感性仿真分析和优化设计中,仿真模型存在的计算量和存储量大的问题.优化设计方法采用微粒群算法的多目标优化方法,对内部电路参数进行优化设计,改变了以往寻优过程中穷尽式搜索的方式.仿真结果表明:所建立的神经网络仿真模型的仿真时间比高频仿真模型缩短了1000倍以上,优化设计后的电子设备的抗干扰能力也提高了6倍以上.     

大规模MIMO组网场景中的网络时延预测

针对5G网络规划与优化存在的问题,提出一种融合系统仿真和深度神经网络模型的网络时延预测方法.基于射线追踪模型、高清地图、工程参数等构建时延仿真模型,利用时延仿真模型获取大量时延数据.基于无线通信理论提出三视图特征模型,此模型用于输入特征提取.通过深度神经网络学习时延数据特征,训练神经网络模型,利用神经网络模型预测网络时延.实验结果表明该方法具有可行性和有效性.     

基于神经网络的几种控制图表模式的识别研究

建立一个复合的神经网络模型,使其可以更精确的判断输入的控制图模式,同时利用该网络模型的再分类功能,可以减少判断不同模式时所造成的误判断.通过对各种模式的训练和仿真,表明该方法相对于传统方法有较大的优势.     

基于GA-BP神经网络的深海集矿机避障系统

结合深海集矿机的实际作业环境,建立集矿机的实时避障神经网络模型。该模型采用多传感器融合技术,将声纳传感器采集到的环境信息进行处理后作为BP神经网络的输入;设定车体的注视向量、转向角和速度为网络输出;根据集矿机实际行进情况,并综合人的行走经验,设置能够实现实时避障的网络导师训练信号。引入遗传算法对已建立BP避障模型进行改进,以克服局部极小值问题。仿真研究表明:遗传算法优化后的BP神经网络,能够有效训练达到预期目标,并能在很大程度上克服BP网络的局部极小值问题。在Matlab中给出障碍物环境中的避障仿真结果,表明此方法的可行性。     

基于RBF神经网络的青霉素发酵过程的模型辨识

分析了目前青霉素发酵过程中存在的问题.基于RBF神经网络的辨识方法,建立了青霉素发酵过程模型.以动力学模型为基础产生教师数据,采用遗传算法对网络进行训练,建立了基于RBF神经网络的发酵过程模型,并进行了仿真实验验证.实验结果表明,该辨识模型对青霉素补料分批培养过程具有实用价值.     

基于RBF神经网络的丙烯腈收率软测量方法

针对丙烯腈生产在线收率的测量问题,通过研究RBF网络的特点,利用其学习时间短且具有良好的逼近性能,及其在建立软测量模型中的较大优越性,采用RBF网络建立丙烯腈收率在线测量的软测量模型,并运用大量实测数据进行训练和仿真.结果表明,该方法可以实现对丙烯腈收率的在线测量,为实现直接质量控制奠定了基础.     

基于RBF网络的船用柴油机涡轮增压系统故障诊断

本文建立了一种基于径向基函数（RBF）的神经网络模型,并收集某型号柴油机涡轮增压系统的征兆/样本集,采用RBF网络对样本进行训练,通过测试网络,验证该网络对于故障模式的识别准确率。仿真实验结果表明本文所提出的诊断方法是可行的。     

基于GRNN网络车辆方向盘转角识别方法

为改善车辆的操纵安全性以及为自动转向系统和智能泊车系统的研究提供理论基础,本文给出一种新的汽车方向盘转角识别方法.建立了驾驶员—车辆闭环模型,并通过试验验证车辆模型.通过给定方向盘转角输入求解得到用于GRNN网络训练的车辆状态参数,运用GRNN网络建立以车辆状态参数来识别方向盘转角的映射模型.与RBF网络相比,GRNN神经网络具有更高的辨识精度.进行整车仿真,所建立的GRNN神经网络能较精确地识别方向盘转角并与仿真结果有较好的一致性.     

神经网络在岩石多角度偏振光谱识别中的应用

依据岩石多角度偏振光谱反射特征数据,运用神经网络方法,对反射特征相近的岩石加以识别.在识别中以不同方位角、反射角及入射角的反射比等参数作为训练样本及测试样本,训练样本经过网络学习、训练得到神经网络模型,测试样本对神经网络模型进行检验,实验证明将神经网络应用于岩石多角度偏振遥感技术是岩石识别的一种切实可行的方法.     

基于遗传算法和神经网络的远程减速机故障诊断系统的设计

通过对减速机故障形式的分析,采用BP神经网络建立故障诊断模型,利用遗传算法优化神经网络权值、阈值、网络结构,将遗传神经网络模型应用到远程减速机的故障诊断的设计中,比较单一的神经网络和遗传神经网络的训练误差曲线,得出遗传神经网络在训练速度和准确性上远远高于神经网络训练模型.     

基于遗传算法和神经网络的远程减速机故障诊断系统的设计

通过对减速机故障形式的分析,采用BP神经网络建立故障诊断模型,利用遗传算法优化神经网络权值、阈值、网络结构,将遗传神经网络模型应用到远程减速机的故障诊断的设计中,比较单一的神经网络和遗传神经网络的训练误差曲线,得出遗传神经网络在训练速度和准确性上远远高于神经网络训练模型。     

一种图像分类中基于元学习的渐进式原型网络技术研究

分析了一种基于元学习的渐进式原形网络,只需要少量的图像样本,就可以完成模型的训练工作,并能快速识别新任务,具有极强的泛化能力.采用的渐进式训练策略,提升了模型的训练效率,降低了训练时间.     

一种串—并行混合结构的神经网络模型

针对复杂的模式识别问题,提出了一种串—并行混合结构的多种神经网络模型,首先用ART网络对训练集中的样本进行粗分类,以减小训练集的样本规模,然后用多个BP网络对小训练集进行训练。     

基于人工神经网络构建运动训练计划模型的研究

以短跑项目为例，从决定短跑运动员的影响因素出发，构造了用于确定短跑运动员训练计划的人工神经网络模型．该系统可以借助现有优秀短跑运动员的训练计划建立相应的神经网络模型，以便针对具体的训练对象制订合理的训练计划．由于神经网络模型所固有的泛化功能，即使在提供信息不完备或存在明显的误差等情况下，上述模型制订的训练计划仍有一定的指导意义．     

用VFP实现人工神经网络的训练和运算研究

采用Visual FoxPro数据库语言对基本神经网络模型的相应算法进行编程,实现了通用神经网络参数的训练和回忆,为直接调用FoxPro信息数据和个性化神经网络的训练回忆提供了一种途径.程序测试达到了预期的效果,完成了将近450个变量的运算,是一个神经网络训练和回忆的通用系统.     

基于SSD卷积网络的视频目标检测研究

针对传统卷积神经网络对远距离视频目标识别效果差的原因,本文提出一种改进的基于SSD卷积网络的视频目标检测模型.首先,对数据集进行剪裁,旋转等预处理,提高网络检测泛化能力,其次,采用coco数据集Mobilenet_SSD预训练模型,由于其具有轻量级网络模型特点,减少计算开销,减少内存占用量.然后,再结合voc2012数据集进行二次训练微调处理,加快训练收敛速度,使用自定义数据集能有效检测特定场景目标,能够有效识别远距离场景下视频目标物体.实验结果表明,改进的网络检测模型适用于远距离目标检测,减少计算量,降低硬件内存资源消耗,提高网络模型性能和检测精确度,具有较好的鲁棒性.     

燃煤循环流化床锅炉模型化的人工神经网络方法

采用多层前向型神经网络，对燃煤循环流化床锅炉模型化进行了研究。以机理数学模型产生的数据样本对神经网络进行训练，结果表明，训练后的神经网络不仅可以精确地再现机理数学模型现有计算结果，而且可以比较精确地和机理模型一样对锅炉的性能进行预测。由于神经网络模型预测时间极短，并且可以不断随着新的数据样本进行自适应学习，从而为循环流化床锅炉的模型化及其实时应用（如实时训练仿真器、模型预测控制等）提供一个有效的新途径。     

高职高专计算机网络专业人才培养方案的研究与实践

通过对当前高职高专计算机网络技术专业人才培养存在的问题进行剖析,积极探索与高职高专相适应的人才培养模式。结合市场调查分析与客观条件,给出新的人才培养方案。