提高预测精度的ELMAN和SOM神经网络组合

针对预测样本数量有限的问题,提出了对训练样本和要预测的样本先聚类、后分别训练和预测的方法。利用网络特性,对复杂信息进行预先分类,使后续信息处理和映射更精确迅速,采用ELMAN神经网络和SOM神经网络的组合提高预测精度。通过对天气和疾病的预测仿真实验表明,该方法增强了网络的局部泛化能力,预测精度高于BP网络和单一采用EMAN网络或SOM网络的精度。     

基于AVR的柴油机预加热控制系统的设计

介绍了AVR芯片ATmega8在汽车预加热控制系统中的应用。分析了汽车预加热的工作原理,在对系统整体设计作分析的基础上,着重介绍了预加热系统的硬件组成、结构特点和各模块的作用以及预加热器的进风阶段、给油阶段、点火阶段与工作阶段的过程控制,最后介绍了预加热器的优缺点。     

SARS传播规律函数的ELMAN神经网络逼近方法

提出了用ELMAN神经网络逼近传染病传播规律函数的方法,给出了影响传染病传播的影响因素简单近似的量化途径。用北京市和山西省的统计数据来验证该方法,验证结果表明,训练后的ELMAN神经网络能较准确的逼近传染病的传播规律函数,该方法对传染病的预测和控制有一定意义。