交通噪声预测的神经网络模型

运用 Matlab语言编程 ,构造预测交通噪声的 LM算法 BP神经网络模型 ,把预测因子 (轻、重型车流量、平均车速、受声点距路肩距离、敏感点高差 )作为样本输入到网络模型 ,噪声等效声级作为样本输出 ,反复训练网络 ,通过增加隐含层节点数、改进算法 ,以降低误差 ,缩短训练时间。     

基于神经网络的3自由度移动机器人跟踪方法研究

针对具有2个可操舵驱动轮的3自由度移动机器人的轨迹跟踪问题，利用神经网络的任意非线性逼近能力辨识出3自由度移动机器人的逆运动学模型，使系统的3个独立输入控制线性化，将一般非线性系统转化为仿射非线性系统。根据反馈控制理论，设计了跟踪控制器，使系统具有良好的全局稳定性，实现了移动机器人的位置和方位的独立跟踪。最后，通过仿真验证了算法的可行性和有效性。     

基于神经网络技术提高红外气体分析器的选择性

应用前馈神经网络算法消除非目标参量对主传感器的干扰,从而提高了红外气体分析器的选择性.以检测甲烷为例,在干扰气体乙烯的体积分数变化了7600×10-6时,经神经网络融合处理后,分析器的选择性系数从3.17提高到422,主传感器输出的引用误差从58%降为0.65%,实现了对甲烷的准确识别.实验结果表明,该方法具有实际应用前景.     

人工神经网络在矿井突水预报中的应用

突水预报是一项重要的矿井水文地质工作。借助于人工神经网络在处理非线性问题或非结构问题方面的优势,采用BP算法,基于大量矿井突水样本实例建立了突水预报神经网络模型,并将该模型用于实际预报,并取得了较好的效果。结果表明,模型具有较强的实用性。为了提高模型的预测精度,在训练样本的选择上还应具有一定的代表性。     

稠密Ar等离子体中粒子间相互作用的研究

采用压致电离和离子球模型处理稠密等离子体中粒子之间的相互作用,探讨了冲击压缩产生的稠密氩等离子 体中粒子之间相互作用对电子密度的影响.     

利用RBF神经网络实现聚合反应的内模控制

文中研究基于径向基(RBF)神经网络算法的内模控制策略在苯乙烯本体聚合反应相对分子质量分布控制领域的应用。利用神经网络对非线性系统的逼近能力，把内模控制推广到聚合反应过程质量指标控制这一非线性系统中。针对建模过程中存在的稳态误差，在训练数据中增加了部分静态数据，有效的提高了模型的验证精度，大大改善了由神经网络构成的内模控制器的控制精度，消除了系统余差。仿真结果证明，基于神经网络算法的内模控制策略达到了较好的控制质量。     

用简单动态递归网构造固体散料流量模型

提出了用简单动态递归网来建立固体散料流量模型，针对动态递归网结构复杂，训练算法收敛速度慢的缺点，采用一种结构十分简单的递归网，对RPE算法进行了改进和补充，使之适用于简单递归网，用来对网络的权值和阈值进行调整，建模结果表明此方法收敛速度快，精度高。     

具有连续分布时滞的双向联想记忆神经网络的全局稳定性

研究了具有连续分布式时滞的双向联想记忆神经网络的平衡点的全局稳定性问题. 在对神经元的激励函数的两种较宽松的假设下, 应用Lyapunov泛函法及不等式分析技巧获得了全局渐近稳定性的两个新的充分条件. 该结果推广了有关文献中已有的结论, 数值仿真的例子证明了其有效性.     

变时滞反应扩散Hopfield神经网络的全局指数稳定性

利用拓扑度理论和广义Halanay不等式研究了变时滞反应扩散Hopfield神经网络的平衡点的存在性及全局指数稳定性. 给出的判别指数稳定性的代数判据易于验证,具有广泛实用性,推广和改进了现有文献中的一些结果.     

基于神经网络的冲击地压危险性预测预报

文章分析了影响冲击地压危险性的主要因素，首次利用神经网络模型模拟各个因素之间的复杂的非线性关系，消除了传统预测方法中的人为确定冲击危险指标的影响。检验结果表明：模型可靠，预测精度高。为冲击地压与人工智能等高新技术的进一步结合奠定了基础，进一步拓宽了神经网络技术的研究领域。