哥德巴赫猜想"1+1"证明

本文通过列出各自然数的素因数建立单向素数生成表,然后根据素数对的对称性原理建立双向素数生成表,再在分析双向素因数非倍数集合的交集基础上计算双向素因数非倍数率,最后在最低非倍数率条件下计算偶数2N的非倍数个数结果为大于1,从而确定对于任一大于4的偶数至少存在一对是两个奇素数之和,说明哥德巴赫猜想"1 1"命题成立。即:[(Pr-2)(Pr-1-2)…(3-2)(2-1)2N]/[(Pr 2)(Pr-1 2)…(3 2)(2 1)]>1(r≥11)     

遗传算法在求神经网络权值方面的应用

遗传算法是一种应用广泛的算法,主要用在全局寻优方面,是以种求解非线性问题的主要方法。神经网络具有学习功能,目前已有的算法是BP算法,RTF算法。本文试图从另外一个方面求网络权值,应用遗传算法求解网络权值。将神经网络与遗传算法有机的结合,完成对非线性问题的求解。     

神经网络基于改进型粒子群算法的研究

提出一种基于被动聚集型粒子群优化算法来提高人工神经网络的性能,被动聚集是保持群体完整性的生物力量,该算法引入了生物学中被动聚集的概念,使得信息在种群各粒子间传播,保持种群的多样性。仿真实验表明:基于改进型粒子群优化算法的神经网络可以有效降低训练次数和均方误差。     

随机细胞人工神经网络的稳定性

基于细胞神经网络输出函数饱和线性特性,采用分割状态空间为若干子区域的方法,对处于噪声环境下的细胞神经网络的几乎必然指数稳定性进行了分析.在噪声扰动项分别满足Lipschitz条件和线性条件下,依据平衡点所处子区域位置,得到了对应区域中仅依赖于网络参数构成的矩阵负定性的若干代数判别条件.特别地,如果平衡点为区域内点,所得结果是非常方便检验的.研究结果可供网络设计参考,并可用来计算网络抗干扰强度.     

利用神经网络外推中垂面上低仰角HRTF的方法

为了构建关于仰角方向连续的头相关传输函数(HRTF),提出采用径向基函数神经网络外推中垂面上低仰角方向HRTF的方法.基于KEMAR人工头和真人的数据,对3种不同网络输入方式下外推方法的有效性进行了研究.结果表明:外推值和测量值的相关系数可达0.93;增大网络输入的数据量、减小外推方向和已知方向的空间距离可提高外推的准确性;外推的误差随频率的升高而增大.     

基于广义回归神经网络的交流电磁场检测裂纹量化研究

考虑到目前交流电磁场检测中裂纹量化精度和智能化水平的不足,将广义回归神经网络(GRNN)引入到交流电磁场检测技术中来,在有限元仿真试验基础上,选择了作为输入元素的交流电磁场信号特征向量,构建了一种适合于交流电磁场检测裂纹量化分析的GRNN模型,并利用归一化处理后的一些离散数据作为网络的训练和检测样本,使网络完成对整个裂纹交流电磁场范围内的主要信息的存储,从中发现输出和输入之间的内在关系,完成对未知点的预测。结果表明,与传统的线性插值方法以及BP网络相比,该方法建模简单,预测精度高,对原始数据的分布和边界条件无特别要求,推广性能强,人为调节参数少,收敛速度快,更为智能化,尤其在获得已知样本稀少的情况下仍能表现出极强的适应性,从而保证了模型的精度和推广性能,为交流电磁场检测裂纹量化提供了一种智能高效的方法。     

基于神经网络的电站锅炉燃烧诊断方法研究

根据电站锅炉燃烧过程的特点,利用图像处理技术提取了表征火焰燃烧特性的特征量,提出了基于BP神经网络的锅炉炉膛火焰燃烧状态的模式识别方法.针对锅炉燃烧诊断实时性强的要求,设计开发了一套PC机加信号处理系统(DSP)的实时图像采集与燃烧诊断系统,在200MW锅炉上进行试验.结果表明,该系统简便实用,可实现锅炉运行过程的燃烧诊断,为电站锅炉的安全、经济运行提供可靠的依据,具有一定的工程应用前景.     

一种基于粒子群优化算法的神经网络训练方法

介绍了粒子群优化(PSO)算法的原理,研究了将PSO算法应用于神经网络训练的方法,给出了算法软件实现的基本流程,并对Iris分类问题做了仿真实验,通过与BP算法的比较,结果表明基于PSO的神经网络训练算法操作简单,易于实现,而且训练精度较高,有良好的收敛性.     

离散Hopfield神经网络在混烧控制系统故障诊断中的应用

给出了离散Hopfield神经网络结构和模型．利用Hopfield神经网络的演变过程是一种计算联想记忆的过程,它适用于正交(或近似正交)模式的记忆性质,给出了一种Hopfield神经网络的双向联想记忆模式的记忆矩阵构造方法,并提出了一种改进的基于Hopfield神经网络的控制系统故障诊断的算法,利用此算法实现实时检测混烧控制系统的故障和异常,对混烧控制系统的调节器和阀门进行故障诊断和故障信息提示．     

工程造价和主要工程量快速估算中神经网络的应用研究

工程造价的确定与工程量的快速估算,是建设工程中十分重要的环节。而在建设工程中,各分项工程的单价高低及其工程量的大小决定了各分项工程的价格高低,因此,运用先进技术手段进行工程造价与工程量的快速估算非常重要。传统的工程估算模型存在着估算精度低的缺陷,针对这一问题,本文采用了BP神经网络建立工程造价估算和主要工程量快速估算的数学模型,就传统模型而言,该模型增加了工程硬件环境与工程软件环境以及工程造价指数对工程造价的影响,并以某市已完工工程为例,验证该模型的实用性。