自组织映射神经网络(SOM)在图像分类中的应用

自组织映射神经网络在非线性建模、函数逼近和模式识别中有广泛的应用,介绍了SOM网络的基本原理,利用Matlab R2007a神经网络工具箱提供的网络函数对图像进行了分类,通过实例对SOM网络的性能进行了分析.     

基于改进AdaBoost的LF炉成分软测量建模

针对现有软测量模型更新方法的不足,将增量学习思想与AdaBoost集成学习思想相结合,提出了一种具有增量学习性能的改进AdaBoost集成学习算法.并将该改进的AdaBoost与BP神经网络一起形成了集成BP神经网络,建立了基于改进AdaBoost集成BP网络的软测量模型.该软测量建模新方法可以提高单一BP网络的精度,同时还能保证建模具有增量学习的更新性能.使用该软测量建模新方法建立抚钢60t LF炉钢水成分软测量模型,取得了较好的预测效果,可以满足实际生产的需要.     

基于ELM神经网络的采煤机截割载荷软测量建模方法

采煤机是煤矿综采工作面的关键设备,由于煤层结构复杂,导致截割载荷复杂多变,并且截割载荷难以直接测量。因此,针对采煤机截割载荷难以直接检测难题,研究了采煤机交流异步电机的机械特性,提出了基于软测量建模技术的截割载荷预测方法。首先,通过分析采煤机交流异步电机的机械特性,得出截割载荷与截割电机的转速、电流符合非线性关系,运用软测量建模方法可以预测截割载荷。然后,以截割电机的转速和电流作为输入变量,运用ELM神经网络的软测量建模方法建立采煤机截割载荷软测量模型。最后,运用ELM,BP,RBF3种神经网络软测量建模方法对采煤机电机载荷进行预测,以均方误差和相关系数作为预测评价指标,结果表明:ELM神经网络软测量建模方法在预测精度和预测速度方面都优于BP神经网络和RBF神经网络软测量建模方法。运用ELM神经网络软测量建模方法能够准确、快速预测采煤机截割载荷,为采煤机恒功率截割和牵引智能调速提供了理论基础。     

基于支持向量机与RBF神经网络的软测量模型比较研究

给出了基于支持向量机(SVMs)和RBF神经网络的软测量建模方法.通过对这两种方法进行理论分析和仿真比较研究,结果表明,SVMs方法跟踪性能好、泛化能力强、对样本的依赖程度低,它比基于RBF神经网络的软测量建模具有更好的推广能力.     

工业过程软测量研究

综述工业过程软测量研究现状.论述软测量过程中辅助变量的选择,过程数据的预处理,软测量模型的建立及软仪表校正方法,提出工业过程软测量的实现方案.评述基于回归分析、BP神经网络、RBF神经网络、支持向量机等当前主要软测量建模方法的特点及其在工业过程软测量中的应用.指出当前工业过程软测量实现过程中存在的诸如误差处理、软仪表校正等问题及今后软测量技术与优化控制相结合的研究与发展方向.     

基于支持向量机的软测量建模方法的应用

利用基于最小二乘支持向量机(LS-SVM)的软测量建模方法,通过工业现场数据来对丁二烯精馏装置建立软测量模型.对于该软测量模型,支持向量机方法比BP神经网络方法具有更好的泛化能力.研究结果表明,基于最小二乘的支持向量机建模方法是一种有效的软测量建模方法.     

非线性同伦LM算法及在软测量建模中的应用

综合同伦方法与Levenberg-Marquardt(LM)优化方法,提出了一种新型非线性同伦LM神经网络学习算法以改善现有神经网络学习算法的学习效率,分析了不同类型的过渡函数对神经网络泛化性能的影响.该算法具有稳定性强、收敛性能好的特点.结合工业过程实际要求,将提出的改进算法用于丙烯腈收率神经网络软测量建模并与几种常见建模方法比较,结果表明:基于改进算法的软测量模型具有更高的测量精度和更好的泛化性能,满足现场测量要求.     

基于RBF神经网络的时间序列预测

分析了RBF神经网络的结构和学习算法,利用RBF神经网络和Matlab神经网络工具箱建立人口数量预测模型,并应用该模型对中国人口数量进行了预测.     

基于BP神经网络的车削力试验研究

利用正交试验法选取样本在CAK3675数控车床上进行车削40Cr的车削力测量试验,得出切削速度、进给量、切削深度与主车削力之间的对应关系.借助Matlab神经网络工具箱的NNTool功能,应用动量梯度下降法训练BP神经网络,建立了主车削力预测模型并进行了仿真验证.分析了切削用量对主车削力的影响效应.     

神经网络隐含层挖掘大气折射高阶信息的因果论证

大气折射的神经网络建模具有挖掘潜在高阶信息的能力,但其因果关系一直没有很好地显性证明或显性解释.目前的解释是隐性的,不易广为接受.尝试从大气折射映射函数的神经网络变换研究中为前述问题寻找显性论据.首先归纳出映射函数模型的基本形式,为便于分析研究,对它们进行了数学概念上的一般化处理,分析了函数的神经网络变换理论依据,进而建立了映射函数模型对应的神经网络模型.在此基础上,提出了显性证明的方法.最终调用Matlab 7中的神经网络工具箱,在普尔科沃大气折射表数据平台上进行了映射函数与神经网络建模拟合,为论题提供了很好的显性评价依据.     

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。     

电力市场中周末边际电价预测方法研究

针对周末边际电价的特殊性，采用相似搜索和人工神经网络(ANN)建立了预测周末电力市场边际电价的数学模型，并运用Matlab 6．5中的神经网络工具实现了预测模型。实例计算的结果表明该方法有效。     

基于GRNN神经网络的中厚板轧机厚度预测

根据4200轧机轧制45号钢的实测数据,利用Matlab神经网络工具箱,建立中厚板轧机厚度预测的GRNN神经网络模型.研究结果表明;GRNN神经网络模型能较好地预测轧件厚度的变化,相对误差很小;与BP网络和Elman网络模型相比,GRNN网络模型具有更高的精度和更强的稳定性.     

RBF网络自整定PID控制在网络化控制系统中的应用

文章针对网络化控制系统普遍存在的时延问题,介绍了一种基于径向基函数神经网络自整定PID的控制策略.在Matlab/Simulink环境下搭建了基于TrueTime工具箱的网络控制系统的仿真平台.仿真结果表明:与常规PID控制相比,神经网络自整定PID控制算法可有效地提高系统的鲁棒性和自适应性,且此方法易于实现,便于工程...     

变频中央空调房间温度的智能控制

针对同一个空调房间构造了PID控制器、模糊控制器和神经网络控制器三种控制器，并利用Matlab软件中的Simulink工具箱对三种控制器的性能进行了比较．     

基于人工神经网络的中厚板轧机应力状态系数模型

以4200轧机大规模测试得到的实验数据为基础,利用Matlab人工神经网络工具箱,建立了该轧机的应力状态系数模型.通过对该网络隐层神经元个数的调整,提高了收敛速度,使应力状态系数的预测精度大为提高.     

基于LabVIEW的神经网络PID自适应控制器的设计与应用

基于LabVIEW的神经网络PID自适应控制器，是将LabVIEW与Matlab神经网络工具箱相结合，控制算法上将神经网络和PID控制规律融为一体，既具有常规PID控制器结构简单、参数物理意义明确的优点，又具有神经网络自学习、自适应的功能；且与测量、自动化的硬件结合非常紧密，使这种控制器不仅在算法上比常规控制器具有更好的鲁棒性和控制效果，而且在工控领域也必将有广阔的应用前景。     

IBF神经网络电力负荷预测模型研究

运用Matlab神经网络工具箱建立了一个RBF神经网络,依据某地实际的历史电力负荷数据和天气数据作为训练样本和测试样本,进行了考虑历史天气状况因素的电力系统短期负荷的预测和仿真,预测结果平均相对误差较小,满足精度要求,并将此RBF负荷预测模型与BP神经网络建立的短期电力负荷预测模型的预测结果进行了比较,显示了在相同预测条件下,RBF神经网络相比于BP神经网络在电力系统短期负荷预测方面的优越性．     

用学习矢量量化(LVQ)神经网络进行教师评估

针对教师评估中考评指标过多、评价工作复杂化问题,提出了一种基于LVQ神经网络的教师评估方法。利用Matlab神经网络工具箱进行仿真实验,结果表明,该网络具有结构简单,学习速度快、分类稳定的特点,用LVQ神经网络进行教师评估是可行而有效的。