基于多项式网络的空袭目标类型识别模型

给出了进行目标类型识别的指标集 ,建立了基于多项式前向神经网络识别模型。该模型具有三层结构 ,隐层、输出层分别采用多项式函数和线性函数作为激活函数 ;隐层 输出层的权值用最速下降法学习 ,输入层 隐层的权值用遗传算法进行学习。实例表明该模型是可行的。     

遗传神经网络特征提取及在分类中的应用

将遗传算法和神经网络结合应用于乳腺癌细胞分类,首先利用遗传算法随机提取训练集的属性特征,然后用提取特征后的训练集训练神经网络,最后得筑必要的特征子集优化网络结构,仿真实验结果表明,遗传神经网络不仅可以优化神经网络的权值和阈值,还能有效地找出线性可分离特征子集,从而达到降低数据维数并提高分类精度的目的。     

样条神经网络的权值直接确定法

根据样条逼近理论和神经网络原理构造了一种样条神经网络模型,以一组样条基函数作为隐神经元的激励函数。依据误差回传（BP）思想推导出该网络模型的权值修正迭代公式,利用该公式迭代训练可得到该网络的最优权值。而对于构造的具有特定网络结构的样条神经网络,依据伪逆思想提出了一种直接计算权值的方法,从而避免冗长的迭代训练过程。仿真结果表明该权值直接确定法不仅能一步确定权值从而获得更快的运算速度,而且能达到更高的计算精度。     

面向人口属性预测的词嵌入构建方法

本文探讨如何从用户购买数据中学习出高质量词嵌入,以让模型据此实现高效的人口属性预测任务。首先分析购买数据并对其进行编码,并在此基础上构建嵌入向量生成模型,之后用样本数据训练该模型,然后用神经网络程序实现该模型,最后通过实验验证该模型的可行性和高效性。提出的模型不仅能将具有大量模态的分类特征数据转换为低维的高质量词嵌入,而且能让模型据此实现高效的人口属性预测,此外具有较广泛的通用性。提出的方法不仅可扩展到大型数据集,而且能适用于不同领域的数据集。学习到的高质量词嵌入有助于大量下游非语言任务的开展,例如人口属性预测、情感分析、社区检测或社交网络上的概率推理等,从而为新型推荐引擎提供支持。     

未知非线性系统的神经网络跟踪控制与仿真研究

应用输入／输出反馈线性化方法和李亚普诺夫方法,研究了一类具有未知非线性函数的非线性动态系统的自适应鲁棒输出跟踪控制问题。首先通过坐标变换和输入变换,将非线性系统变换为部分线性可控系统。接着采用多层前向神经网络来逼近未知非线性函数,网络的权值根据李亚普诺夫原则来在线修正,这样就克服了多神经网络控制系统中存在的稳定性问题。同时,为了减少权值学习时间,应用遗传算法预先离线训练网络权值。最后提出了一个基于神经网络建模的自适应鲁棒控制律,给出了李亚普诺夫意义下的稳定性证明。所提出的控制律可确保相应闭环系统的状态及跟踪误差一致最终有界。所给的Van der pol系统的例子说明了所提控制方案的有效性与鲁棒性。     

权值直解的多项式神经网络及其解释能力设计

设计并系统研究了广义多元多项式神经网络,单隐层广义多元多项式神经网络,证明存在最优权值向量使该网络成为未知函数的最佳逼近多项式;创造性地建立了隐层节点的自然次序上限和下限,以及重要值等概念,并引入了偏导数分析,解决了神经网络不具备解释能力的弊病。设计了权值直接解法,证明该解法所得的权值向量是迭代法逼近的最优权值向量。设计了基于Matlab的图形用户界面。通过该程序,用户可通过炒股软件更新股票数据,读取特定股票、特定容量的数据,进行不同模型下指定日期的预测。     

面向LVC训练的蓝方虚拟实体近距空战决策建模

真实-虚拟-构造为近距空战对抗训练提供了有力支撑。针对课题对蓝方虚拟实体的实际决策建模需求, 在对比分析深度强化学习与经典智能优化方法的基础上, 从优化理论的角度对神经网络的权值空间和结构空间进行定义, 提出基于智能优化的进化神经网络决策模型及其求解方法。首先,分析近距空战战术特点, 战机飞行运动模型, 实际决策建模需求。其次,分别设计战机关键飞行状态、动作空间、适应度函数, 实现蓝方端到端感知与决策。最后, 给出基于经典遗传神经网络的决策模型及求解示例。结果表明, 所提方法可实现蓝方战机通过对抗数据来学习对手作战特点的功能, 验证了模型及方法的有效性; 同时所提方法对目前智能优化及其改进算法, 以及不同结构神经网络具有通用性。     

基于MATRIXx的分布式仿真系统研究

论文主要讨论了基于MATRIXx的通用实时分布式系统的开发。系统能自动接受不同类型的数据输入，这些数据可以是来自网络或本地终端。仿真模块中的份真模型能自动地得到这些数据并进行分析，建模计算，并最终产生实时的仿真控制信息。这些信息可通过特别设计的服务器传送到视景驱动模块中。该模块可用这些控制信息来实时驱动三维真实的模型。为实现系统的功能，设计了相应的功能接口以集成整个系统。同时系统中设计了相关的数据输入，输出组件以保证数据传输的通用性。该系统的成果可用于飞机飞行作战，训练，汽车驾驭，轮船驾驭等行业中。     

一种优化计算确定神经网络结构的方法

对于一个具体的多层前向神经网络设计问题,网络的输入输出以及标准样本数为已知,网络的隐层结构,即隐层层数和每个隐层神经元个数如何选择是神经网络设计中的关键.根据代数方程理论,通过权值和阈值与隐层结构的关系,建立了以权值和阈值为设计变量的目标函数表达式,通过分析,提出了多层前向神经网络合理的隐层层数和每个隐层神经元个数的一般确定方法,给出了确定多层前向神经网络合理结构的优化目标函数及其约束条件.仿真研究结果表明所提出方法确定的多层前向神经网络结构是合理的.     

模糊神经网络控制器的优化设计

模糊神经网络控制器不依赖于被控对象精确的数学模型,又能根据被控对象参数的变化自适应调节控制规则和隶属函数参数,但是模糊神经网络控制器在线修正权值计算量大、过度修正权值还可能导致系统剧烈振荡.针对以上问题,提出了在线修正计算中仅对控制性能影响大的权值进行修正,以减小计算量;根据偏差及偏差变化率大小,基于TS模型自适应调节权值修正步长,抑制控制器输出的剧烈变化,避免系统发生振荡.仿真结果表明模糊神经网络控制器的优化设计方法可以改善系统控制性能.     

河流水质的预测模型研究

东江惠州－东岸段河流水质直接影响着香港和深圳的淡水供应质量。本文根据东江水质自动监测系统的分布情况,提出了由上游水质预测下游水质和当前水质预测未来水质的两种基于自适应神经网络的东江惠州－东岸段水质预测建模方法,给出了基于正交多项式基的神经网络静、动态学习算法,在学习过程中可同时确定网络的拓扑结构和相应的正交多项式基,且无局部极值问题。仿真结果证明了该方法具有较高的预测7精度,且方法简便、适用对象广泛。     

AN INFORMATION THEORETICAL APPROACH TO NEURAL NETWORKS

The purpose of this paper is to present a unified theory of several differentneural networks that have been proposed for solving various computation, pattern recog-nition, imaging, optimization, and other problems. The functioning of these networks ischaracterized by Lyapunov energy functions. The relationship between the deterministicand stochastic neural networks is examined. The simulated annealing methods for findingthe global optimum of an objective function as well as their generalization by injectingnoise into deterministic neural networks are discussed. A statistical interpretation of thedynamic evolution of the different neural networks is presented. The problem of trainingdifferent neural networks is investigated in this general framework. It is shown how thisapproach can be used not only for analyzing various neural networks, but also for the choiceof the proper neural network for solving any given problem and the design of a trainingalgorithm for the particular neural network.     

基于神经网络的固体氧化物燃料电池电堆建模

针对现有的固体氧化物燃料电池(SOFC)模型过于复杂,难以满足工程上对SOFC系统实时控制设计的需要,提出了利用遗传算法(GA)优化径向基函数(RBF)神经网络实现对SOFC电堆建模。在建模过程中,利用遗传算法优化RBF神经网络的输出权值及高斯基函数的中心向量和基宽向量,采用优化后的参数作为网络初始值,然后利用梯度下降法对各参数进行调整。通过仿真对该建模的有效性和建模精度进行了检验。     

Artificial Neural Networks Model of Evaluating the Schemes of Mine Design

1　IntroductionTheevaluationandoptimalselectionofminedesignschemesarealwaysanimportantandcomplicatedworkofdesigningdepartments.Accordingtoparticulargeologicalconditions,severaldesignschemesareanalyzedandcomparedcomprehensivelyintechnology,econo-my,safetyandetc.Thenanevaluationconclusionwillbereached.Therefore,itisamul-tiplecriteriadecisionmaking.Thereareseveralmethods[1～4]atpresenttoevaluateminedesignschemes.Theirtwocommondefectsareasfollows:1Astheevaluationofminedesignschemesisamul-ti-inde…     

Optimal design study of high order FIR digital filters based on neural network algorithm

An optimal design approach of high order FIR digital filter is developed based on the algorithm of neural networks with cosine basis function . The main idea is to minimize the sum of the square errors between the amplitude response of the desired FIR filter and that of the designed by training the weights of neural networks, then obtains the impulse response of FIR digital filter . The convergence theorem of the neural networks algorithm is presented and proved, and the optimal design method is introduced by designing four kinds of FIR digital filters , i.e., low-pass, high-pass, bandpass , and band-stop FIR digital filter. The results of the amplitude responses show that attenuation in stop-bands is more than 60 dB with no ripple and pulse existing in pass-bands, and cutoff frequency of passband and stop-band is easily controlled precisely .The presented optimal design approach of high order FIR digital filter is significantly effective.     

Application of neural networks for permanent magnet synchronous motor direct torque control

Neural networks require a lot of training to understand the model of a plant or a process. Issues such as learning speed, stability, and weight convergence remain as areas of research and comparison of many training algorithms. The application of neural networks to control interior permanent magnet synchronous motor using direct torque control （DTC） is discussed. A neural network is used to emulate the state selector of the DTC. The neural networks used are the back-propagation and radial basis function. To reduce the training patterns and increase the execution speed of the training process, the inputs of switching table are converted to digital signals, i.e., one bit represent the flux error, one bit the torque error, and three bits the region of stator flux. Computer simulations of the motor and neural-network system using the two approaches are presented and compared. Discussions about the back-propagation and radial basis function as the most promising training techniques are presented, giving its advantages and disadvantages. The system using back-propagation and radial basis function networks controller has quick parallel speed and high torque response.     

Design of twodimensional digital filters using neural networks

1.INTRODUCTION Two dimensional(2D)digitalfilteringisoneofthe mostfundamentalandmostimportantprocessing techniquesindigitalimageprocessingandother2D digitalsignalprocessingfields.Comparedwiththe designofone dimensional(1D)digitalfilters,2D digitalfiltersusuallymustbedesignedtosatisfyboth thedesiredmagnitudeandphaseresponsesespecially forimageprocessingapplicationsbecausehumanvi sionsystemismuchmoresensitivethanhumanaudi torysystemtowaveformdistortioncausedbythe phaseresponseoftheapplied2D…     

容错神经网络研究

容错神经网络理论是分析和设计高可靠性的神经网络的理论和方法。容错神经网络的研究对于揭示人脑神经系统的容错机理和丰富容错系统理论有重大意义。本文结合所做的研究工作,系统地提出了容错神经网络的理论框架,为容错神经网络的理论和应用研究的深入奠定了基础。     

一种优化的BP神经网络算法在石油储层预测中的应用

模型将GA、SA与BP3种算法有机地融合在一起,实现优势互补.采用二进制与实数混合编码,可以动态地根据样本特征对BP网络中的输入节点数、隐层节点数、转移函数、权值与阈值等进行自适应优化调整.在保证精度的前提下,采用较少的输入节点和隐层节点数,使网络的结构相对简单.采用自适应交叉率、变异率与学习率,以增强网络的自适应与泛化能力,极大地减少人为主观因素对网络设计的影响.     

Nonlinear Dynamics and Stability of Neural Networks with Delay-Time

In this paper we study the dynamic properties and stabilities of neural networks with delay-time (which includes the time-varying case) by differential inequalities and Lyapunov function approaches. The criteria of connective stability, robust stability, Lyapunov stability, asymptotic atability, exponential stability and Lagrange stability of neural networks with delay-time are established, and the results obtained are very useful for the design, implementation and application of adaptive learning neural networks.