基于BP网络的非线性广义预测学习控制器

本文提出了一种基于ＢＰ神经网络的非线性义预测学习控制器，它由一个ＢＰ网络构成。在整个学习与控制过程中，首先根据被控对象的输出与ＢＰ的学习输出之间的误差来修改网络的权值，以逐步建立被控对象的合理的多步预报模型；然后，根据网络的多步预报输出序列与设定值序列的偏差修改控制律。     

多层神经网络BP算法的改进

多层神经网络ＢＰ算法的改进姚瑞波孙国雄汤崇熙（东南大学机械工程系，南京２１００１８）目前，前馈型多层神经网络模型已广泛应用于模式识别、语音识别、数据压缩等领域．ＢＰ算法作为其学习方式有效地解决了ＸＯＲ、Ｔ－Ｃ匹配问题，但ＢＰ网络的学习过程是对一个高...     

前馈网络的一种线性化快速学习算法

针对前馈神经网络的反向传播（ＢＰ）学习算法收敛速度慢的缺点,提出了一种新的学习算法即线性化快速学习算法。这种学习算法在神经网络学习的初期,采用标准ＢＰ学习算法。而当神经网络接近最优点时,由于此时其连接权重调节幅度很小,因此采用对各层神经元的非线性作用函数进行泰勒级数展开,并取其一阶展开式近似逼近原函数,从而使其非线性作用函数转化为线性作用函数,简化了网络学习过程的计算量,加速了网络的学习速度。文中最后给出了采用线性化算法与标准ＢＰ算法对正弦函数的学习过程。     

基于样本数据重抽样的时序数据预报方法

研究时序数据预报和提高预报精度的方法,提出了一种新的利用误差项对时序数据样本进行ＢｏｏｔＳｔｒａｐ重抽样的方法。该方法采用神经网络技术建立时序数据预报模型,并通过重抽样技术提高预报精度。通过ＢｏｏｔＳｔｒａｐ算法与ＢＰ算法的预报偏差平方和比较说明ＢｏｏｔＳｔｒａｐ算法提高了预报精度,将提出的重抽样技术引入时序数据预测中,可提高神经网络的预测精度,并适用于股票价格及外汇交易预测等效应领域。     

重磁反演的拟人工神经网络BP算法及其应用

将神经网络反推算法（ＢＰ算法）引入重、磁场反演，建立了基于神经网络原理描述反演过程的模型，并在通用数字计算机上实现了一种拟ＢＰ算法，实践表明，拟ＢＰ算法作重磁资料反演，具有快速，大维数，容错能力强和便于充分利用已知信息等特点，用ＢＰ算法对湘南地区作重磁参数反演，给出了本区的磁性，密度三维分布特征，进而对本区地壳结构和地质构造得出了新的认识，取得较好效果，神经网络算法的引入，可能带来地球物理场反演方法的革新。     

基于神经网络的模糊控制

从最优化角度出发，用神经网络解决模糊控制系统的规则提取问题，给出了可靠的基于ＢＰ算法的神经网络学习过程。讨论了模糊子集个数的选取与系统复杂性、精确性之间的关系。     

容错神经网络及容错BP算法研究

给出了容错神经网络有关定义，建立了容错神经网络的数学模型，提出了容错神经网络的学习算法，即容错ＢＰ算法以及容错神经网络的结构设计方法，进行了仿真研究，并给出了实验结果及结论。     

BP学习算法的局限性与对策

研究采用多神经网络组合结构、改进ＢＰ学习算法和训练策略等３个对策来克服ＢＰ学习算法的局限性．手写数字识别的实验研究表明，这些对策效果显著．     

基于径向基函数概率神经网络的心律失常自动识别

讨论了基于径向基函数（ＲＢＦ）的概率神经网络的基本网络结构和网络的学习和运行过程,并且与ＢＰ算法的径向基神经网络进行了对比,同时也测试了网络的容错能力,结果表明,基于ＲＢＦ的概率神经网络,学习速度大大提高,同时减小了ＢＰ陷入局部极小的问题,有一定的抗噪声能力,基于ＲＢＦ的概率神经网络模型在心律失常自动识别中获得了很好的应用。     

BP网络学习参数模糊自适应算法的实现

前馈神经网络ＢＰ算法的改进方案中，对网络训练（学习）过程率和惯性系数进行模糊自适应调节，以提高收敛速度，晃一项很有效的措施。文中具体分析了如何根据设计者的先验知识确定模糊规则和录属函数，并以三比特异或函数（或称奇偶分类）的实现为例，验证了这种算法的改进、加速了ＢＰ网络的学习过程。     

面向语言评价的Takagi-Sugeno模糊再励学习

综合考虑再励学习的两个重要子问题 :连续空间及语言评价问题 ,提出了一种新的学习方法 ,即面向语言评价的 Takagi-Sugeno(T-S)模糊再励学习。该学习智能体构建在 Q-学习方法和 Takagi-Sugeno模糊推理系统的基础上 ,适于处理连续域的复杂学习任务 ,亦可用于设计 Takagi-Sugeno模糊逻辑控制器。以二级倒立摆控制系统为例 ,仿真研究验证了学习算法的有效性     

应用多元模糊推理预测方法进行邮电业务总量预测

采用一种新的模糊预测方法--多元模糊推理预测方法进行邮电业务总量预测的研究.该方法利用邮电业务总量和三个产业的生产总值的历史数据建立模糊推理规则,从而进一步建立邮电业务量水平跟三个产业的生产总值之间的模糊蕴涵关系,通过模糊推理得到业务量预测结果.该方法对预测问题中存在的不确定因素进行了处理,克服了其它模型中知识的凝固性,能够象专家一样不断地总结新的经验并调整原有的经验,具有自学习功能.利用某地区的实际数据进行分析计算,并将结果跟模糊神经元网络预测法的结果进行比较,表明多元模糊推理预测方法是有效的.     

基于遗传算法的动态模糊模型辨识非线性系统方法

针对复杂的动态系统,提出了一种基于遗传算法的模糊模型辨识方法,给出了学习模糊规则的新算法,探讨模糊推理方法和遗传学习算法用于非线性系统建模的问题,仿真结果证明了该算法的有效性。     

铸造铝硅合金液相线自适应神经-模糊建模

在合金熔炼和加工过程中,往往需要知道液相线温度,以便确定相关工艺参数.建立能从成分预测铝硅系工业铸造合金液相线温度的模型.收集工业合金实测数据,采用模糊推理方法,建立了合金液相线温度的自适应神经-模糊推理模型.它具有Takagi-Sugeno型网络结构,能直接从数据中提取推理规则,并可利用前馈神经网络的学习能力调整参数.与现有的其它统计回归模型相比,模糊推理模型能反映成分之间的交互作用,具有更高的预测精度.在铸造合金研究、热力学计算和凝固过程数值模拟时,所建立的模型可用于计算工业合金的液相线温度.     

“监测频次少”情形下水功能区水质达标评价方法研究

水功能区水质达标评价是实行最严格的水资源管理制度的一项基本工作,也是限制纳污红线的主要指标。实践中“监测频次少”直接影响了目标水功能区达标评价的进行。本文在分析现有水功能区水质达标评价的基础上,提出对于“监测频次少”情况下的水功能区水质达标评价方法,包括“定量核算—同水期数据替代法”和“定性推断—邻功能区评估法”,并进行实证分析。实证分析结果显示,模拟评价结果与实际评价结果具有较高的一致性,说明本文提出的定量核算和定性推算方法具有一定的实际应用价值,为水功能区水质达标评价提供了参考依据。     

基于后验概率的Markov逻辑网参数学习方法

通过介绍统计关系学习方法Markov逻辑网的理论模型和参数学习方法, 提出一种基于后验概率的参数估计方法, 该方法采用正态先验分布, 用伪似然概率替代似然概率, 通过最大化伪后验概率来学习模型参数. 实验结果表明, 该方法能够有效地学出模型参数, 且所得模型推理能力优于现有的参数学习方法.     

自适应神经模糊推理系统在电动机软启动中的应用

异步电动机直接启动产生的冲击电流会造成严重的电网冲击,因此提出将自适应神经模糊推理系统应用到电动机软启动控制中,充分发挥神经网络自适应学习和模糊推理不要求掌握被控对象精确模型处理结构化知识的能力,实现电动机软启动的智能控制。利用电机转速、负载转矩、触发角的对应关系作为训练样本,采用混合学习算法调整前提参数和结论参数,自动产生模糊规则,构建自适应神经模糊推理系统,根据给定的电机转速和转矩产生合适的晶闸管触发角。经仿真分析,结果表明:训练构建的自适应神经模糊推理系统能够很好地进行电机的速度控制,可以实现风机或泵类负载电动机的软启动。     

有机化学研究方法的哲学原理

在有机化学以至整个化学领域,所用的研究方法多数为不完全归纳法。从哲学上讲,“归纳法”是一种或然性推理,推出的结论未必可靠。因而化学领域内的许多定理、定律都是值得怀疑的,事实并非如此,本文通过对有机物研究方法的剖析,说明在此所使用的归纳法隐含着演绎推理,从而指出这种或然推理的必然性。     

复杂网络下基于路径选择的表示学习方法

基于路径和基于知识表示的推理是当前知识图谱领域两大主流推理方法,二者的融合算法可以提高知识推理的准确率,但是依旧存在表示学习的时候效率低下、预测准确率低、模型过拟合等若干问题.本文方法针对这些问题提出了基于路径选择的表示学习方法.对路径特征信息进行进一步的过滤和筛选,保留关键路径,在路径信息和知识表示的结合过程中使用平衡参数对缺失路径信息的三元组进行处理.使用公开数据集对模型进行测试,实验表明模型可以有效提高泛化能力和准确率.      

一种融合实体关联性约束的表示学习方法

知识图谱的表示学习方法将实体和关系嵌入到低维连续空间中,从而挖掘出实体间的隐含联系.传统的表示学习方法多基于知识图谱的结构化信息,没有充分利用实体的描述文本信息.目前基于文本的表示学习方法多将文本向量化,忽略了文本中实体间的语义关联.针对上述缺点提出一种利用实体描述文本进行增强学习的方法,基于文本挖掘出关联性实体并对关联性进行分级,将关联性作为辅助约束融合到知识图谱的表示学习中.实验结果表明,该辅助约束能明显提升推理效果,优于传统的结构化学习模型以及基于深度学习的文本和结构的联合表示模型.