基于Elman型回归神经网络的公交客流预测

文章将动态回归神经网络(Elman)预测方法应用于城市公交客流量的预测, 通过对合肥市公交量的历史数据分析得到公交客流量的时间序列,将时间序列视为一个从输入到输出的非线性映射,对网络进行学习与训练仿真实验,并与BP神经网络输出结果进行了比较,并对网络模拟结果和历史数据进行了线性回归分析,求得一定的相关系数.结果表明,应用Elman神经网络方法比BP神经网络对公交客流量进行短期预测,预测精度高及效果好.     

神经网络技术在织机生产状况预测中的应用

为提高织机生产效率,研究了基于优化神经网络的织机生产运转状况预测方法.针对BP网络模型的缺点,在反复实验的基础上对BP网络参数、算法进行改进,建立了织机生产运转状况预测模型,并与传统的BP神经网络预测方法进行比较.实验结果表明,利用改进的BP神经网络预测织机生产运转状况时,网络收敛速度快,预测精度高,优于传统的BP网络...     

遗传算法改进神经网络的电力系统谐波检测法

提出了将遗传算法与神经网络结合起来用于电力系统谐波幅值与相位测量的方法。根据电力系统谐波的特点,构造了用于谐波检测的神经网络模型,阐述了网络训练样本的形成方法。借助Matlab提供的遗传算法与神经网络算法工具箱,先用遗传算法对前馈神经网络进行全局训练,再用BP(back-propagation)算法进行精确训练。仿真结果验证了该方法的有效性和可靠性。通过与传统BP算法测量谐波的方法相比较,该方法具有训练速度快,不易陷入局部极值,测量精度高的优点。最后用未训练的样本检测训练好的神经网络,验证了该网络同时也具有较好的泛化能力。     

基于裁剪后的DCPSO-FNN在管道泄漏检测中的效果探讨

DCPSO-FNN是一种基于发散-收敛PSO(DCPSO)优化模糊神经网络(FNN)的管道泄漏检测与估计方法。该方法采用广义概率积、广义概率和模糊算子代替普通神经网络中的传递函数,并用DCPSO算法对该模糊神经网络的权值进行优化。本文对DCPSO-FNN进行了网络裁剪,并将裁剪后的网络应用于管道泄漏检测与估计中。通过实际管道泄漏数据对裁剪后的网络进行仿真研究,结果表明裁剪后的DCPSO-FNN比裁剪前有更高的检测效率。     

离散神经网络的设计与实现

根据生物神经系统的结构,提出了一种新的离散神经网络的设计方法,导出离散同步神经网络的综合程序,对其稳定性进行了理论分析;提出了用开关电容网络实现离散神经网络的理论与方法,为离散神经网络的大规模集成化提供了一种技术途径。     

一种用神经网络估计网络可靠性的方法

提出一种用神经网络估计网络系统可靠性的方法．用节点数为n的网络系统的结构参数、网络中边的可靠度以及网络可靠性的精确值对神经网络进行训练，使神经网络学习到网络结构参数、网络中边可靠度与网络可靠性之间的映射关系．并利用同样的训练数据，应用GCV方法对神经网络模型的误差进行估计．对于节点数为n的其它网络系统，只要将有关数据输入获得的神经网络，就可得到该网络可靠度的估计值．     

基于社会网络与事件关联的恐怖事件监测与识别

 恐怖组织的社会网络结构变化与恐怖事件的发生具有一定的关联性。基于此关联,通过监测恐怖组织社会网络的变化,可以实时、有效地识别恐怖事件。将基于社会网络变化检测的恐怖事件监测与识别问题视为分类问题,并通过神经网络模型进行分类研究。以某一时刻是否发生恐怖事件为标准,对恐怖组织社会网络进行分类;通过网络分析技术,得出网络的参数指标,建立混合算法改进的神经网络模型;将网络的参数指标与恐怖事件发生情况分别作为输入和输出,对神经网络进行训练与测试。案例分析和对比结果表明,基于神经网络模型的社会网络变化检测方法具备较好的恐怖事件监测与识别能力;该方法可在一定程度上弥补现有方法正确率不高、通用性不强、检测结果与恐怖事件实际发生的相关性不高等不足。     

基于神经网络的集装箱运量预测

概述了神经网络的有关理论。研究了神经网络结构设计的步骤,方法及应注意的问题,应用神经网络技术对上海港集装箱运量进行了预测,并与灰色预测结果进行了比较。结果表明ＢＰ网络的预测精度高,是解决高度非线性系统预测问题的有种有效的方法。     

DCT编码的一种神经网络方法

提出了一种求非完全DCT逆矩阵的神经网络方法,并将它用于编码图像的重建.文中对Hopfield神经网络的选代规则进行了修改,保证了网络在宽松的条件下仍能稳定地收敛.另外,针对Hopfield神经网络的局部极小问题,提出了一种扰动算法,使网络的迭代避开局部极小点,接近全局最小点.最后,给出了计算机模拟实验结果,并与传统的神经网络方法进行了比较.     

汽轮发电机组振动故障诊断的模糊输入方法

针对汽轮发电机组振动故障的特点,构造了一模糊神经网络（ＦＮＮ）诊断模型,讨论了网络的多种模糊化输入,输出方式,并对两种模糊输入方法进行了对比分析。最后运用该诊断方法与传统的ＢＰ网络诊断方法进行比较。结果表明：模糊神经网络诊断方法对汽轮发电机组振动故障的识别是有效的,且在分类模糊边界数据时优于ＢＰ网络诊断方法。