材料光学参数深度剖面重构的神经网络仿真与实验研究

本文主要研究材料光学参数剖面重构的人工神经网络方法,从仿真和实验两个方面验证了神经网络参数识别技术用于实际问题的可行性,运用统计方法和灵敏度分析研究了影响参数剖面重构质量的几个因素。此外,本文还提出了一种训练网络的新方法,即利用奇异值分解获得导热模型的特征向量,利用特征向量的随机组合生成样本训练网络,统计分析结果表明这种方法可有效的提高网络的识别能力。     

人工神经网络用于红外光谱定性分散染料

根据分散染料的红外光谱图，用人工神经网络直接建立红外光谱数据库，以化合物编号直接作为人工神经网络的输出对网络进行训练，训练后的人工神经网络可对属于训练范围内的分散染料进行定性。     

一种神经网络与小波变换相结合的数字水印模型

基于神经网络和小波变换,提出了一种新的数字图像水印算法。首先利用随机函数生成一组随机信息,以这组随机信息作为网络的输入,以真实水印信息作为输出来训练网络。然后把随机信息嵌入到一副图像的小波分解的系数当中。最后采用嵌入过程的逆过程提取随机信息,把它作为训练好的网络的输入,得到相应的输出即恢复出来的真实水印信息。     

空间环境下惯性展开机构动态性能可靠性分析

提出惯性展开机构运动参数动态可靠性分析方法,建立了惯性展开机构运动参数动态可靠性分析模型.将驱动力(矩)、摩擦和阻尼力(矩)等作为随机变量,应用蒙特卡罗方法,取得动态参数样本,再利用人工神经网络方法,用随机抽取的样本对网络进行训练,统计网络输出的动态参数分布,得到惯性展开机构动态可靠度.空间站惯性展开机构动态可靠度计算实例表明,该方法简单实用,计算成本低.     

神经网络在二相编码信号旁瓣抑制中应用

研究了人工神经网络在二相编码信号距离旁瓣抑制问题中的应用。在H．K．Kwan等提出的将多层感知器网络用于二相编码信号距离旁瓣抑制问题的基础上,采用了一种改进的神经网络学习算法对网络进行训练。用13bit巴克码对网络进行了测试。实验结果表明,经改进的神经网络学习算法训练后的网络抗噪性能、多目标分辨能力以及收敛速度都明显优于一般误差反向传播学习算法（EBP）训练所得的结果。     

基于MATLAB的神经网络在城市环境质量评价中的应用

应用人工神经网络网络模型,结合MATLAB中BP网络算法的基本训练函数,建立了城市环境质量评价的BP神经网络模型。应用该模型,对广州市1997年至2002年的环境质量进行综合评价。结果表明,人工神经网络用于评价城市环境质量是可行的,且具有客观性和通用性。     

人工神经网络对电子鼻性能的影响

电子鼻原型由4个气体传感器组成的阵列和人工神经网络识别软件组成,可识别不同品牌的白酒.以它为例,研究了3种人工神经网络,即反向传输网络(BPN)、学习矢量量化网络(LVQ)和概率神经网络(PNN)对电子鼻性能的影响.结果表明,在需要精细识别时,虽然传感器阵列对白酒的响应谱的差别是电子鼻识别的基础,但是人工神经网络结构和算法包括相关训练参数的选择对决定电子鼻的性能也有重要的作用.比较而言,学习矢量量化网络在分类能力和训练成本方面更胜一筹,而概率神经网络则在计算负载和易用性方面更好一些.     

基于聚类的神经网络规则抽取算法

为了从人工神经网络中抽取规则,提出一种新的规则抽取算法。网络被训练并剪枝后,将隐节点的激活值离散化,对输入到隐节点的权重进行聚类,聚类过程中可根据隐节点的激活值动态调整权值聚类数目,进而高效准确地抽取规则。实验结果表明,该算法可明显降低规则抽取的时间复杂度,减少生成规则的数量。     

利用BP网络技术进行油井流入动态分析方法研究

论述了应用人工神经网络技术进行油井流入动态分析的方法 :将油井视为一个黑箱非线性动态系统 ,不需要建立描述油井动态的复杂数学模型 ,只要对其动态系统的输入 /输出进行网络训练 ,即可建立相应的人工神经网络预测模型 ,并用此进行油井流入动态预测及分析 ,绘制出精确的 IPR曲线 .依据 BP网络和实际应用的特点 ,提出了滚动预测技术 ,并对该技术进行了实例分析 ,取得了较好的效果 .     

航拍图像车辆检测的数据增强

为快速增加车辆航拍图像的训练数据以提高检测模型的精度,从而提高车辆检测的准确度,提出了一种新的数据增强方法,将数据增强技术应用于提高无人机航拍图像中的车辆检测性能,并提出一套通用工作流和一种新的生成数据增强方法。工作流由Pluralistic Image Completion生成器网络和Tiny YOLOv3检测器网络组成,分别用于新训练数据的生成和边框标注,同时也要均衡考虑相关的性能指标。生成数据增强方法包括训练阶段和增强阶段。训练阶段涉及对生成器网络和检测器网络的分别训练。增强阶段使用生成网络生成新样本,并使用检测器评估这些样本进行增强的可行性。评估后确定可行的样本组成增强训练数据集,用于之后的检测器训练。该方法只需要在训练数据集中对车辆对象加上边界框标注,并不需要任何额外的监督;且允许用更多数量的实例来训练检测器,尤其是在训练实例数量有限的情况下,以此提高车辆检测性能;同时,该方法可以与不同的生成器集成,具有一定的通用性。试验结果表明：在与Pluralistic和DeepFill集成时,该方法可使其平均精度分别提高25.2%和25.7%。     

RBF人工神经网络拓扑结构定义与解的唯一性证明

以RBF人工神经网络为例,通过引入透明人工神经元的定义,提高了人工神经网络拓扑结构表述方面的一致性,证明了人工神经网络解的唯一性与确定性,提出了训练算法的非随机性和学习速率的最佳选择.     

GSM系统的一种多用户同时隙复用技术

为显著增加全球移动通信系统(GSM)的网络容量,提出一种基于低相关度训练序列设计(TSC)和最小频移键控正交用户对(MSK-OP)的多用户同时隙复用(MUROS)技术. GSM现网将一个时隙资源只分配给一个用户使用,而MUROS技术将一个时隙分配给两个或更多用户同时使用,显著提高GSM系统的语音容量. 理论分析和仿真验证表明,基于TSC和MSK-OP的MUROS技术在不改变现网终端接收机结构的前提下,以可接受的性能损失为代价,极大地提高GSM系统的语音容量.     

基于人工神经网络的崩岸预测模型研究

针对崩岸影响因素众多、难以定量评价等问题,采用一种基于人工神经网络的崩岸预测方法,介绍了其基本原理.在研究崩岸诸多影响因素的基础上,选取11种主要影响因素建立崩岸预测模型.以随机构造的20个岸坡模型为训练样本,以5个随机岸坡模型为检验样本,实现了岸坡稳定性的人工神经网络预测.初步结果表明,神经网络方法可以应用于崩岸的预测.     

神经网络在雷达杂波仿真中的应用研究——自然梯度算法

文中运用广义维纳过程的零记忆非线性变换法(Zero Memory Nonlinearity,ZMNL)获得K分布雷达杂波的序列,由此得到神经网络所需的训练样本,再根据经特定算法训练的神经网络仿真得到K模型分布雷达杂波序列。文中的重点在于对比传统梯度算法和自然梯度算法的不同,突出自然梯度算法在神经网络权值的训练中收敛速度和准确性上的优势。     

用人工智能神经网络方法提高宇宙线事例分析的效率

论述了人工智能神经网络方法在分析宇宙线数据中的应用。用蒙特卡洛方法随机产生１４个宇宙线事例,并输入到我们的程序中,其中１２个做训练样品,两个做最终检验。结果显示,事例认证百分之百正确。虽然本文中用的机制很简单,但结果非常满意。     

A REAL_TIME SHORT_TERM LOAD FORECASTING SYSTEM BY ARTIFICIAL NEURAL NETWORK *

应用人工神经网络（ＡｒｔｉｆｉｃｉａｌＮｅｕｒａｌＮｅｔｗｏｒｋ—ＡＮＮ）设计短期电力负荷预测（Ｓｈｏｒｔ＿ｔｅｒｍＬｏａｄＦｏｒｅｃａｓｔｉｎｇ—ＳＴＬＦ）系统,利用广州电网的负荷数据进行仿真,分别作出提前１小时和未来２４小时的整点负荷预测,获得比较满意的预测精度,显示出人工神经网络应用于短期电力负荷预测的良好前景．由于建立小时模型、改进了训练样本集的选取办法及采用高效率的ＬＭ（Ｌｅｖｅｎｂｅｒ＿Ｍａｒｑｕａｒｄｔ）训练算法,使ＡＮＮ的训练速度大大加快,形成可以实时训练和预测的ＡＮＮ＿ＳＴＬＦ系统．     

计算机软件质量综合评判的人工神经网络模型

根据单指标评价标准,通过在规定的区间范围内随机取值生成足够多的训练样本、检验样本和测试样本,遵循误差反传（BP）网络建模基本原则和步骤,建立可靠、有效的软件质量综合评价模型,克服了物元模型、灰色模型等方法存在受人为因素影响及定性评价等缺陷．对6个模拟样本和8个实际软件的评价表明,本文提出的样本生成方法、建模过程能有效避免出现过训练和过拟合现象,建立的BP模型具有较好的泛化能力、可比性和客观性;各评价指标与软件质量等级之间存在明显的非线性关系,可靠性指标对软件质量等影响最大．     

Immune Feedforward Neural Network for Fault Detection

An immune algorithm-based approach was developed to optimize a feedforward neural network. The network architecture, activation functions, and training method were encoded as individuals with an ap- propriate method for individual selection. The immune feedforward neural network is then applied to fault detection of water quality monitoring equipment. This gives better performance than a feedforward neural network.     

基于OFDM-PON的短训练序列分配方案

提出一种适用于正交频分复用-无源光网络(orthogonal frequency division multiplexing-passive optical network, OFDM-PON)符号同步的短训练序列, 通过对无线局域网中短训练序列的子载波分配方案进行调整, 将短训练序列的实时域信号非零均值调整为零均值, 解决了由于时域非零均值短训练序列拖尾干扰造成接收数据解调错误的问题. 仿真和实验结果表明, 该改进方法可以有效减少由短训练序列拖尾干扰引起的数据解调错误.     

基于最优变异因子的遗传算法在ANN训练中的应用

为解决人工神经网络训练中陷入局部极小值问题 ,对遗传算法中的变异模型作了分析和改进 ,采用了一维搜索方法以确定最优变异因子 ,首先由进退法确定最优变异因子存在的区间 ,然后运用黄金分割法以确定最优变异因子。结合一个实际算例 ,对最优变异因子和固定变异因子的应用效果进行了比较 ,结果表明基于最优变异因子的遗传算法能够更有效地克服局部极小点 ,有利于加速人工神经网络的训练过程