改进的RBF网络在宁德市综合需水预测中的应用

需水预测涉及多种因素,需对多因素进行综合评估．根据RBF神经网络算法,建立人工神经网络需水预测模型,选取影响研究需水量的主要因子,以此作为输入样本,将神经网络模型应用到宁德市需水预测的实例研究中,并运用Matlab神经网络工具箱进行模拟计算,预测精度较高．实例表明RBF神经网络模型用于城市需水量预测是可行的．     

基于LSTM-DNN模型的入侵检测方法

针对基于深度神经网络模型的入侵检测方法存在的梯度减弱或消失问题，提出了一种LSTM(Long-Short Term Memory，长短时记忆)神经网络改进的DNN(Deep Neural Networks，深度神经网络)模型．该模型主要包括LSTM神经网络和DNN2部分，LSTM神经网络通过记忆或遗忘进行数据流量特征提取，然后将其输入DNN进行训练、入侵检测．模型中采用优化算法，加快了网络收敛．实验表明，与LSTM模型相比，LSTM-DNN模型具有较好的性能，准确率更高，运行时间更短．     

基于主成分分析的BP神经网络长期预报模型

MATLAB是进行神经网络系统设计及多元统计分析的有力工具．利用MATLAB6.5对月平均降水量的前期预报因子进行主成分分析,实现样本的最优压缩,从而降低样本的维数,建立起基于主成分分析的神经网络广西北部地区5月平均降水预测模型．计算结果表明,基于主成分分析的神经网络模型在预测中与多元回归模型相比有较好效果．     

基于HP滤波的股票长期价格神经网络模型预测

将上证指数和深证成指股票数据作为研究对象，对股票长期价格进行预测．选取长短期神经网络、循环神经网络、HP滤波长短期神经网络混合模型和HP滤波循环神经网络混合模型进行比较分析．经过模型间的对比分析，发现HP滤波对长短期神经网络预测的优化效果要优于循环神经网络.     

具有区间数的粗糙神经网络故障认定方法

针对具有区间数的信息系统．提出用粗糙神经网络求解其问题的方法．给出了粗糙神经网络的拓朴结构和学习算法以及粗糙神经网络的逼近定理．最后以歼击机的操纵面故障认定为例，构造了歼击机故障认定的粗糙神经网络．并通过仿真说明了方法的可行性和有效性．     

基于CA—ANN喀斯特石漠化时空格局的动态模拟和预测

分析了石漠化成灾综合机理,以GIS为平台,结合元胞自动机和神经网络模型,对石漠化灾害的空间格局进行动态模拟和预测．鉴于元胞自动机转换规则的难于确定的特点,利用神经网络来训练和获取石漠化转化的规则,进一步提高元胞自动机动态模拟能力．同时,由于GIS中嵌入元胞自动机,GIS的空间分析功能得到增强．     

基于RBF神经网络的总产值预测模型研究

介绍了径向基函数（RBF）神经网络的工作原理和训练算法．根据生产总值与投资分配之间存在的映射关系，应用RBF神经网络建立了投资预测模型，并进行了仿真试验．与BP模型相比，该模型在预测精度和收敛速度方面具有显著的优点．结果表明，用RBF神经网络进行投资预测得到了十分满意的结果．     

神经网络B－P学习算法及其在含F铋系高温超导体制备中的应用

叙述“反向传播”神经网络的结构、算法及其在含Ｆ铋系高温超导体制备中的应用．实验结果表明神经网络的判别正确率为１００％．因此，该方法可用于材料设计等高层次知识处理领域．     

DC/DC变换器的一种神经网络控制方法

为了消除Buck—Boosl变换器为代表的DC／DC（直流，直流）变换器最小相位性质的影响．对其输出电压进行控制，分析模型特性．采用非线性反馈控制电流内环．用RBF（径向基函数）神经网络设计了神经网络控制器控制输出电压外环，分析了系统的稳定性．仿真结果表明．提出的控制器动、静态性能很好．对变换器中元件参数的变化和负载电阻的扰动有较好的鲁棒性．     

神经网络自动生成器

介绍了神经网络自动生成器的设计思想，即在正交基函数神经网络的基础上，根据性能指标的变化自动修改网络的拓朴结构，仿真实验表明，该方法在训练过程中改善了收敛速度，具有优良的逼近任意非线性映射的特性．     

基于混合神经网络的协同过滤推荐模型

数据稀疏性是推荐系统中严重影响推荐结果准确性的重要因素之一.针对数据稀疏性提出了融合卷积神经网络（convolutional neural network,CNN）和降噪自编码（denoisingauto-encoder,DAE）神经网络混合的神经网络评分预测模型（convolutional-denosing autoencoder,CDAE）对用户未评分项目进行预测评分，从而解决数据稀疏性问题.首先将向量化后的用户评论数据通过卷积神经网络训练得到用户特征向量矩阵，其次将用户特征向量矩阵作为降噪自编码神经网络的初始权重，结合用户评分数据经过降噪自编码神经网络训练，得到用户-项目预测评分，然后在此基础上进行基于用户的协同过滤推荐.最后使用movielens-1M实验数据集对比验证了提出的混合神经网络协同过滤推荐（convolutional-denosing autoencoder collaborative filtering,CDAECF）模型.实验证明，所提出的CDAECF模型能够有效地结合隐性反馈和显性反馈数据，具有较高的推荐准确率.     

基于图象分割子集法的人工神经网络在两相流层析成象仿真中的应用研究

提出了基于图象分割子集的神经网络对管道内两相流进行电容层析成象的方法.解决了神经网络的输出单元数与重建图象精度之间的矛盾.研究了成象的分割网络模型及其实现步骤.给出了系统误差E和图象仿真结果.结果表明该方法能够更精确和快速地重建出两相流体的断层图象.     

随机噪音对两类联想记忆神经网络特征参数的影响

用数值模拟的方法研究随机噪音对Hopfield神经网络和整体优化网络吸收率Pt otal的影响,得到以下结果：随机噪音可以缩短整体优化网络记忆相区和混合相区的收敛时间.在合适的外加随机噪音的作用下,神经网络系统一些特征参数会得到显著改善.     

一个关于Hopfield网络的定理

Hopfield提出一个连续状态的神经网络模型,使之与模拟电路直接对应^[1],随后有大量的文献论述了这种网络的理论与应用.     

交流传动神经网络自适应规划控制系统的设计与仿真

将Hopfield神经网络应用于交流传动系统的自适应控制,通过神经网络来规划交流调速系统的速度控制器动态输出,使速度控制器对某些参数变化具有良好的鲁棒性.对于不可控的负载转矩,加入参数自动跟踪神经网络,构成具有参数在线跟踪功能的双神经网络自适应规划控制模式,进一步提高系统的性能.仿真结果表明,该系统具有良好的动态性能.     

小波神经网络逼近非线性函数算法

介绍用于函数近似的一种新型神经网络——小波神经网络,该小波神经网络采用的函数是sigmoid函数的组合.文中从理论上阐明了小波神经网络对某些时频有限的非线性函数的逼近能力,并实际建立了一个前馈小波神经网络,同时讨论了如何选择小波母函数及如何减少该神经网络规模的算法.实验结果表明这种小波神经网络可以在较小规模的基础上实现对这类非线性函数的逼近.     

基于周期平稳信号特性的神经网络波束形成技术

绝大多数通信信号都具有周期平稳信号特性,SCORE算法就是一种利用周期平稳信号特性的优良的波束形成算法.然而,对于矩阵运算和矩阵求逆的巨大运算量的要求限制了它的应用.文中根据神经网络理论提出了一种神经网络波束形成技术(NNBFT),较好地解决了这一问题.仿真结果表明其性能优良,抗干扰性强     

模糊控制理论的发展及应用

常规控制的基本特点是控制器的设计要建立在被控对象的数学模型基础上,但是在许多情况下被控对象的精确数学模型很难建立,而采取模糊控制和其它技术的结合形成的控制方法,在对多变量、非线性、不确定的复杂系统中却能取得较好的控制效果.对此总结了模糊控制理论发展的概况,介绍了模糊控制理论与其它控制方法的结合技术,探讨了模糊控制当前亟待解决的问题和发展前景.     

神经网络算法在非线性系统中的应用研究

研究了一种非线性系统分析的神经网络算法,提出并证明了该算法的收敛性定理,为学习率的取值范围提供了理论依据.解决了BP算法存在局部极小的问题,并给出了该算法的应用实例.研究结果表明,对于随机给定的初始点,该算法都能稳定收敛到它的一个实根,计算精度可控,而且能得到高精度解,因此,该算法是有效的.此外算法还可以用来解多元非线性方程和线性方程组.     

一种用于地应力分析的改进型BP神经网络方法

地应力测量及分析研究,对地应力活动方式、构造体系的研究以及岩土工程与结构的设计和稳定性,都具有重大的理论意义和实用价值.BP神经网络算法比较成熟,已被广泛应用,但一般BP神经网络算法存在训练学习速度较慢、样本泛化能力差的问题,通过引入动态学习因子和惯性因子以及模拟辅助样本,对神经网络进行了改进.通过调节动态学习因子和惯性因子以及对样本集数据处理等手段,对样本的学习、训练进行优化处理,通过实例验证,将优化好的网络样本训练结果与一般结果进行比较,结果表明对三层BP神经网络进行的优化,在提高计算精度的同时也提高了网络的收敛速率,证明改进的算法能够很好用于地应力分析.