基于神经网络方法的大体积混凝土裂缝控制专家系统的研究

初次建立基于神经网络方法的大体积混凝土裂缝控制 ES的框架结构 ,对框架的设计思路、总体结构、知识库的构建、神经网络应用模式的具体实现等展开了描述 ,重点对神经网络聚类方法在神经网络知识库和自学习功能中的应用进行了研究 ,并且通过计算机模拟进行了可行性验证 ,从中得出了一些有益的结论和新的理论设想.     

人工神经元网络在空间数据挖掘与知识发现中的应用研究

对常用的空间数据挖掘方法进行分析，认为常用的统计学方法对数据的限制较多，且计算量较大，在应用中有一定的局限性。与此相反，神经网络方法由于其固有的自学习能力和抗干扰能力，在空间数所挖掘领域有着广泛的应用前景。最后在空间数据挖掘领域引入GSOM网络，用于空间聚类，通过实例证明，效果较好。     

用神经网络来挖掘数据库中的关联规则

在数据库中进行数据挖掘的方法有多种，神经网络方法是其中之一，在某些场合下神经网络方法有它的优势。本文讨论了一种适用于知识发现的神经网络模型，并给出了神经网络知识发现系统的设计过程，最后讨论了该方法的优缺点。     

神经网络专家系统及其数据挖掘技术的探讨

知识发现是目前数据库和机器学习的热门方向，本文在讲座了神经网络专家系统技术的基础上，探讨了如何在神经网络专家系统中融入发现的过程，给出了一个系统框架及其中的一些算法，并给予了深入讨论。     

Expert System Based on Data Mining and Neural Networks

1　 IntroductionAlthough there are momentous progresses and application in Expert System ( ES) [1 ] ,thereare some innate limitations resulting from its symbolic information processing mechanism.Here are some problems listed below:the bottleneck of knowledge acquisition,the frailtyof knowledge,the monotony of inference.So a lot of researchers have advanced manyfresh theories and methods. For example,the knowledge representation includes:theobject-oriented and prototype representation techniq…     

前馈网络泛化性能改进的目的规划方法研究

以目的规划模型为基础，将前馈网络准则函数改进、网络灵敏度降低、先验知识运用有机地结合在一起，提出了前馈网络泛化性能改进的目的规划方法．文中给出了该方法的数学模型、求解方法以及算例     

前馈网络目的规划算法及其应用研究

提出了前馈网络目的规划算法。与通常ＢＰ算法相比,该方法进行了三个方面的改进：（１）准则函数的改进;（２）网络灵敏度的降低;（３）领域先验知识的运用。理论分析及大气中ＳＯ２浓度预测应用研究表明该方法有效地改善了前馈网络泛化性能,提高了预报精度。     

人工神经网络在作物生产管理中的应用

基于模型的专家系统方法是处理作物生产这个综合、复杂系统的有效手段。文中分析了模拟模型与产生式规则在专家系统智能表达中的局限性，指出人工神经网络方法在作物生产智能决策系统中的意义，介绍分析人工神经网络应用的基本步骤与技术关键，探讨了ＡＮＮ在作物生产中可能的应用。     

基于增量学习模糊神经网络的金融时间序列预测

在金融企业中,时间序列是一种重要的数据类型。高效、准确地预测金融时间序列对于企业的运作具有重要意义。提出使用一种具有增量学习能力的模糊神经网络(FNN-IL)应用于金融时间序列的预测。FNN-IL能学习蕴涵在时间序列中的知识,并能跟踪时间序列的运行从而动态调整模糊规则库。对比试验表明FNN-IL的性能优于传统的FNN。     

神经网络专家系统——基本理论与实现

AI的引入使计算机科学取得了惊人的成就,而作为AI最活跃的分支——专家系统的迅速发展和成功应用使AI从学科研究走向实际应用取得了重大突破。然而,专家系统的发展遇到知识获取“瓶颈”、“窄台阶”等因难以及现代数字计算机固有的缺陷,使其支持能力受到极大的限制,亟待开拓新的途径和方法。最新发展的以非线性大规模连续时间模拟并行分布处理为主流的神经网络理论为AI和专家系统的发展开辟了崭新的途径。基于神经网络非线性信息处理基本原理,本文系统地研究并论述了神经网络专家系统理论与基本框架;提出了知识的神经网络表示、知识获取的自适应学习训练、知识的自适应并行联想推理、模糊推理等方法。神经网络专家系统理论的发展和应用必将为AI、计算机科学和信息科学带来历史性的突破。     

基于RBF神经网络的蜂窝无线定位算法

为了解决最小二乘法需要测量数据的先验信息来构造协方差矩阵的问题,提出了基于RBF神经网络的蜂窝无线定位算法.它融合了移动基站提供的AOA,TOA和TDOA测量值来实现移动台的定位,利用神经网络较快的学习特性和逼近任意非线性映射的能力,使其适用于复杂的多径环境.对基于RBF神经网络的定位系统性能进行了仿真,结果表明,基于REF网络的蜂窝无线定位算法消除了定位模糊和基站非理想分布对定位精度的影响,在小区半径小于2 km的情况下,系统的定位精度在125 m时准确率可达67%,在300 m时准确率可达95%.     

基于同类样本覆盖的BP网络结构设计准则研究

针对采用反向传播算法的神经网络(Backpropagation:BP)作为实现仿生模式识别理论的工具时所遇到的最佳结构设计问题,提出了一个基于提高仿生模式识别系统性能的BP神经网络结构设计准则。该准则基于无论是在不同类样本点间还是同类样本点间都存在有先验知识这一结论,通过利用同类样本中所蕴含的先验知识对神经网络的结构进行设计,不仅能够确保仿生模式识别过程中的学习过程有效收敛,而且也使得网络结构的设计满足特定任务的要求。交通标识符识别的对比实验结果证明了该设计准则的有效性。     

基于超网络演化模型的社区知识发现与分析

知识作为最重要的无形资源在学界受到了广泛关注,尤其是利用知识网络对社区知识进行表达与挖掘.然而这些同质,静态的网络往往难以充分地描述社区中的知识资源要素及变化.为解决异质性表达问题,本文针对大众协同创新社区中知识的增长和消退机制,构建了一种超网络动态演化模型.同时,应用该模型的拓扑特性指标对社区中的知识分布特性进行分析,提出了基于动态超图的新的知识分类,并以此识别高价值的社区知识.最后,本文对该模型进行了实例验证,对实例中不同类型的知识点进行分析,并提出相应的管理策略.本文的研究对于发现社区中的创新知识,实现社区知识的精确管理提供了方法指导,对于提高社区管理水平和启发企业创新趋势具有重要意义.     

LM-BP算法在金融股指预测中的参数设定

针对股价系统内部结构的复杂性、外部因素的多变性,分析了基于BP网络进行股市预测的原理,利用三层前馈神经网络对股市建立预测模型,探讨了网络的拓扑结构、隐节点个数确定的原则、样本数据的选取和预处理、初始参数的确定等问题.为了避免网络陷入局部最小点和提高网络的收敛速度,算法采用改进后的LM-BP,并与其他BP算法进行比较.以最具代表性的上证指数为例,仿真实验表明了经过对筛选后的样本学习,并对所建的预测模型进行训练后,该LM-BP算法能够对有短期上证指数走势进行有效稳定预测.     

基于小波网络的非线性组合预测方法研究

提出了一种基于小波网络的非线性组合预测新方法，以克服线性组合预测方法在解决非平衡时间序列组合建模问题所遇到的困难和存在的不足，并给出了相应的学习算法求解小波函数线性组合的尺度和时延参数以及神经网络权值。理论分析和大量的应用实例表明：本方法具有很强的泛化能力与自适应数据和函数变化的能力，在处理诸如经济时间序列这种具有一定程度不确定性的非线性系统的组合建模和预测方面有较高的应用价值。     

神经网络在预测中的一些应用研究

预测是一个很难的研究课题，近来利用新的科学理论探索新的预测方法是预测界人士进行预测课题研究的一个重要方面．其中人工神经网络在预测领域中的应用研究进展最快，它包括研究神经网络预测方法和神经网络在预测过程中作为辅助工具．本文介绍几种主要的神经网络预测方法及其应用和利用神经网络确定ＡＲＭＡ 模型的结构．     

Study on the Robot Robust Adaptive Control Based on Neural Networks

Force control based on neural networks is presented. Under the framework of hybrid control, an RBF neural network is used to compensate for all the uncertainties from robot dynamics and unknown environment first. The technique will improve the adaptability to environment stiffness when the end-effector is in contact with the environment, and does not require any a priori knowledge on the upper bound of syste uncertainties. Moreover, it need not compute the inverse of inertia matrix. Learning algorithms for neural networks to minimize the force error directly are designed. Simulation results have shown a better force/position tracking when neural network is used.     

基于神经网络的导弹故障智能诊断专家系统

首先简要介绍了BP神经网络学习算法,然后在搜集专家经验和专业知识的基础上,提出了导弹故障智能诊断方法,分析了诊断参数的选取方法、知识库的建立过程及神经网络模块结构图.最后研究了基于神经网络的导弹故障智能诊断专家系统的结构及功能实现,并对某导弹发射控制系统进行了故障分析,给出了具体的诊断实例.将此方法应用于导弹武器系统故障诊断中,可提高诊断的智能性.     

BF及模糊神经网络在旋转机械故障诊断中的应用

本文对模糊神经网络用于故障诊断较传统BP(Back-Propagation)网络的优越性进行了分析,并提出了一种利用模糊神经网络进行旋转机械故障诊断的新方法。在这种方法中利用RBF(Radial Basis Function)神经网络获得隶属度函数,并简化了模糊神经网络的训练,使得新的故障诊断专家知识更易于扩充到现有的故障诊断网络中。仿真结果表明,本文方法所构建的故障诊断网络易于扩展且有良好的诊断效果。     

模糊BP神经网络及其在故障诊断中的应用

概括总结了传统故障诊断系统的缺陷,介绍了模糊神经网络技术的优点及其在故障诊断中的优势,简述了采用模糊BP神经网络解决故障诊断