基于神经网络的人体亚健康状况分类研究

由于各种社会压力,亚健康的人群在日益增加.因而,对亚健康问题的研究普遍受到关注.利用人工神经网络的理论和方法提出了诊断亚健康状态的一种分类器模型.选取影响亚健康的较为重要的三个因素(情绪、舒适度、社会环境压力)作为三个输入矢量,利用感知器模型对亚健康状态进行抽象、简化、模拟,提出了感知器模型.根据检验表明此模型较为科学、合理,为诊断亚健康提供了一种有效的方法.     

一类神经网络多层感知器的硬件实现方法

提出了一种新的神经网络多层感知器硬件实现方法——信号传播路径动态选择．给出了隐节点个数的确定规则和网络的训练算法，并从理论上给予了证明．结果表明，该算法能一次确定权值，而且所确定的权值均为逻辑值，从而可以用逻辑门电路全硬件实现多层感知器     

粒子群多层感知器在地震预报中的应用研究

地震预报是地理问题研究中的一个重要方面,准确的地震预报可帮助人们及时采取有效措施,降低人员伤亡和经济损失.为实现地震预报,多层感知器已被看作是较传统统计方法如AR IMA更有效的一种技术.但多层感知器的训练,通常用BP算法,常会遇到收敛速度慢、易过拟合、易陷入局部最优等缺点.在这项研究中,采用最新提出的粒子群优化训练多层感知器用于地震预测.仿真结果表明,使用粒子群优化算法训练多层感知器与BP算法相比,具有较快的收敛率、较高的预测精度.     

单层感知器在自适应均衡中的应用

本文研究了感知器在通信信道均衡中的应用。提出用单层感知器实现信道均衡,以均方对数似然函数为均衡器的性能指标函数,并给出一种新的自适应学习算法用于训练单层感知器的权系数。计算机仿真结果表明本文提出的算法比常用的线性均衡器LMS算法具有更好的收敛性能和均衡效果。     

神经网络在双足机器人稳定性研究中的应用

设计了一个感知器神经网络,并利用安装在机器人双脚底的力传感器,测得其重心的位置,通过训练感知器网络来感知重心的偏移程度,使执行机构产生相应的动作,以达到双足机器人稳定性控制的目的。仿真结果表明,该方法结构简单,易于实现。     

基于并行感知器的制冷系统故障诊断分析

选择热力参数集组成反映制冷系统故障状态的特征向量,提出一种并行感知器神经网络,通过模式分类来尝试联系系统故障状态与热力参数特征向量之间的映射关系.对故障模拟实验结果的应用表明,基于并行感知器网络的诊断方法可行且有效,为开发以人工神经网络为框架的制冷系统故障诊断系统提供了研究基础.     

视觉核感知器

将Mercer核思想和视觉理论相结合，提出了视觉核感知器算法(VKP)。相对于单纯的核感知器，视觉核感知器能更有效地解决了学习的收敛性问题。同时也有效地提高了核感知器学习的精度。大量的实验结果表明了本算法的有效性和某些情况下的优越性。     

基于感知器的和型Fuzzy合理选择研究

研究了单一选择函数的和型Ｆｕｚｚｙ实现的有关问题。将单一选择函数的和型Ｆｕｚｚｙ实现问题转化为由线性阈值元件组成的感知器模型。在假定有限社会状态结果集合的条件下，给出了单一选择函数是和型Ｆｕｚｚｙ可实现的一个充要条件，从而建立了选择问题与感知器模型的联系，此外还给出了单一选择函数是和型Ｆｕｚｚｙ可实现的一个几何描述。利用感知器学习算法规则给出了单一选择函数的和型Ｆｕｚｚｙ实现的具体算法并计算出实现结果。     

多层感知器自监督在线学习非结构化道路识别

针对智能车辆非结构化道路识别中存在的环境自适应性和在线学习算法实时性问题,提出了一种结合多线程技术和多层感知器自监督在线学习技术的道路识别算法. 通过识别结果在线自动更新训练集,并利用评估函数判断是否触发重训分类器,确保当前分类器对行驶道路环境的有效识别. 同时,算法中道路图像采集、分类器训练、训练集更新、分类器识别等计算操作分别在各自线程中实现,利用信号量对数据流进行同步互斥,优化计算资源,充分利用了多层感知器分类计算快的特点,并克服其训练耗时问题. 实际道路检测实验结果表明,算法具有较好的自适应性及实时性,能够满足智能车辆非结构化道路导航需求.      

一种基于解区域的感知器改进算法

分析了感知器算法解空间的几何特性,提出了一种基于解区域的感知器改进算法.若模式线性可分,可在解区域中求得较优解向量;若线性不可分,则指出不存在解区域.实验结果表明,该算法能很快判别模式是否线性可分,并能有效解决算法的收敛性问题,提高了计算速度.     

一类神经网络多层感知器的全硬件实现

针对模式分类问题，给出了一种神经网络多层感知器数字电路硬件实现方法，该方法在硬件电路中不含有数字乘法器，从而有助于克服目前神经网络数字器件难以单片集成的缺限．采用该方法研制出了具体的硬件线路板，应用于一实际的分类问题，取得了良好的效果     

带递归的模糊感知器有限收敛性

模糊感知器的主要功能是通过权值的学习来判别样本所属的类别.对一种基于模糊逻辑运算的带递归的模糊感知器进行了研究,其网络结构类似于内部运算基于加法-乘法的传统感知器,并加入了动态递归项.设定网络的初始权值均为常数0,证明了若训练样本的输入向量维数为2,在样本模糊可分条件下,学习算法有限收敛,即有限步后权值的训练停止;若训练样本的输入向量维数大于2,在稍强的条件下,学习算法也有限收敛.     

降雨诱发泥石流危险性动态评价

本文深入分析影响泥石流危险性的因素,并构建了动态评价指标体系,运用层次分析法建立了不同降雨工况下动态权重系统,结合模糊综合评价法实现了对苏峪口泥石流危险性动态评价,据研究结果：随着降雨强度变化,指标权重呈现非线性动态变化特征,泥石流危险性对各危险等级的隶属度不断变化,表现为逐级升高。分析认为本文提出的泥石流危险性动态评价方法,在考虑降雨指标取值变化对评价结果影响的基础上,兼顾了指标权重对降雨工况的响应,评价结果相对传统方法更为精准,也更符合客观实际。     

非线性动态传感器系统 Hammerstein神经网络补偿法

针对传感器动态特性中存在非线性的问题,提出一种基于Hammerstein传感器模型的非线性动态神经网络补偿法。先将补偿模型分解为与Hammerstein模型对应的线性动态与非线性静态2个环节;再设计一种新型的神经网络结构,使网络权系数对应于相应的Hammerstein补偿模型参数,并推导反向传播的网络权系数调整方法;最后通过网络迭代训练,求得补偿模型的线性动态与非线性静态两个环节。仿真与实际实验结果均表明该传感器非线性动态补偿方法使传感器具有理想的输入输出特性。     

感知机的DNA计算模型

本文建立了在人工神经网络中实现简单的线性分类功能的、感知机的DNA计算的自装配模型,该模型并行地实现了神经网络的学习过程,充分利用了DNA计算极度并行的特点.     

轴承动态测量仪神经网络控制系统设计

轴承摩擦转矩的测量是一种动态测量,需要轴承在转动条件下获得数据.轴承型号及承载条件的改变,影响电机转速的控制规律.针对经典PID控制器的结构参数不能在线修改的问题,提出利用BP神经网络的自学习能力,对PID控制器进行结构参数调整,实现对电机速度规律的优化控制方法.仿真结果表明,经神经网络修正过的PID控制器,动态性能优于未修正的PID控制器.     

人工神经网络节点作用函数的GP搜索法

人工神经网络的数学模型能解决很多实际问题 ,但收敛速度有的很慢。本文采用遗传程序设计对神经网络的节点作用函数进行自动搜索、优选 ,建立适合已知对象结构的动态的神经网络模型 ,以提高其收敛速度     

带负权最短路问题前趋法的改进

针对在带负权的有向网络中求最短路的前趋法的不足,结合动态规划思想从提高算法效率方面对其进行了改进,并提出了一种新算法.新算法通过引入变量记录当前节点到宿节点的最短路权,避免了前趋法中比较多条前趋路时反复计算最短路的冗余运算,同时弥补了动态规划不能直接求解带回路的有向网络最短路的缺陷,是一种计算带负权最短路问题的简便方法.该算法对非负权网络中的最短路问题同样有效.最后仿真结果和算例表明了新算法的有效性.     

一种用于多类模式识别的综合感知器网络和学习算法

提出一种由感知器神经元组合成的综合网络模型及相应的学习算法,网络由3层感知器神经元组成,中间屋到输出层的权值相应地为＋1或－1,输入层到中间层的权值通过学习获得,且中间层每个神经元的权值单独学习完成,该学习算法在有限次迭代步骤内终止。当算法终止时,对于可线性发的多类模式识别问题总是能找到正确的解,如果还有模式不能识别,则说明这是一个不可线性划分的多类模式识别问题,用阿拉伯数字识别的例子说明了网络模型和算法的有效性。