基于霍普费尔德神经网络法的ATM计算机通信网络中虚通路的拓扑优化

为了求解ATM计算机通信网络中虚通路的拓扑优化问题，提出了一种基于霍普费尔德神经网络的虚通路拓扑优化算法，给出了神经网络的能量函数及其神经元的动态方程，通过大量的计算机仿真实验，获得了选择系统参数的经验公式，确定出虚通路的拓扑优化问题的系统参数，所得结果能够以较快的速度收敛到具有很高稳定性和有效性的最优解和近优解，并且与传统的最短路径路由法和最小负载路由法比较，本算法所得解的质量更好．这些研究结果对于解决宽带综合业务数字网及其他工程系统中大量出现的复杂优化问题具有重要的理论价值和广阔的应用前景．     

基于Chebyshev神经网络的非线性动态系统预测

针对非线性动态系统的预测常受到噪声或其他过程的耦合影响,使得规律变得难以发现的问题,提出了以一组Chebyshev正交基函数作为神经网络中各隐神经元的激励函数的新型的Chebyshev基函数神经网络预测模型.将该模型作为非线性动态系统预测模型,并采用基于粒子群和模拟退火组成的文化基因算法优化神经网络的权值,可以达到很高的预测精度和很好的预测结果.Chebyshev神经网络与传统的BP(back propagation)神经网络相比,工作量大大减少,加快了收敛性.文化基因算法用于确定权值的Chebyshev神经网络分别与粒子群和模拟退火优化的Chebyshev神经网络相比具有更好的拟合效果.     

人工神经网络的互连权空间的演化方程学习算法

本文把人工神经网络的互连权视为广义的自旋变量，网络的学习问题看作互连权空间的优化问题，进而将通常在人工神经网络组态空间的连续时间动力学方程组推广到人工神经网络的互连权空间，并在方程组中引入类似Ｍｅｔｒｏｐｏｌｉｓ的ＭｏｎｔｅＣａｒｌｏ算法机制改进此方程组了以提高寻优能力，提出了一个人工神经网络的演化方程学习算法，该算法在很大程度上摆脱了局域极值的束缚，得到最优或接近最优的互连权，本文集中研究单层反     

网络设计中集中器定位问题的神经网络解决方法

给出了用于解决网络设计中集中器定位问题的神经网络方法，这类容量受限的集中器定位问题是求最小总花费的NP完全问题，利用拉格朗日乘数法和惩罚函数构造神经网络动态系统的微分方程，采用专门的神经网络可以有效解决，模拟结果表明，这种神经网络方法有效可行，并能求出最优解或近似最优解。     

基于结构的神经网络在参数优化中的应用

在对传统人工神经网络优化方法的认识基础上，针对复杂非线性系统的优化问题，提出了一种基于结构的神经网络优化方法。它将一个复杂系统转化为若干个较简单的子系统，分别建立各子系统的函数链神经元模型，然后根据原系统的结构特点将它们连接起来构成一个基于结构的神经网络。网络权值与系统的结构参数相对应，具有明确的物理意义，通过调整权值即可实现系统结构参数的优化。对Y2-Hc10型先导式溢流阀的优化研究表明，该方法为大型、严重非线性系统的结构参数优化提供了一条新的途径。     

新风直接供冷空调系统的设计与运行优化

作者提出的新风直接供冷空调系统的最佳形式,对3种可能方案进行分析并做深入的讨论．确定系统的最佳形式就是系统的设计与运行优化组合的问题．而从节能的角度进行系统的优化,则是通过解决函数寻优问题,使运行能耗为最小．以设计优化与运行优化相结合的思想,建立了空调系统的风机能耗优化模型．该模型以供冷期能耗最小为目标函数,以系统的运行风量作为供冷期所需风量,以各子系统风量不大于其最大风量为约束条件,采用遗传算法进行系统的优化,得到了系统的最优设计与运行方案。     

不确定结构的区间可靠性优化设计

对不确定结构的区间可靠性进行了研究，建立了基于区间可靠性的优化设计模型.采用结合嵌套遗传算法和径向基函数神经网络的模型，进行区间的直接优化，解决了基于区间可靠性的优化设计求解问题，避免了间接模型的复杂转换过程.充分考虑了实际工程中设计向量存在扰动的情况，提出了该情况下目标函数波动的约束，使目标函数和约束函数在扰动下依然满足可靠性要求.通过数值算例验证了模型的有效性和优越性.将所提出的模型用于具有区间不确定参数的行车平板优化，结果表明了所提方法的可行性和工程有效性.     

基于均匀试验人工神经网络的实用可靠性方法

根据均匀试验的设计提出了一种全新的可靠性计算方法,它有机地综合了人工智能网络.人工神经网络弃用有限单元法（FEM）而改用该方法,一个根本原因在于它能极大地减少计算量.首先,根据随机变量分布情况,通过均匀试验提取出有限样本,将它们看作是有限元法分析的输入参数.其次,基于有限元分析结果利用这些有限的训练样本构建最优的人工神经网络.利用最优人工神经网络的泛化能力,随机得到一个有效的响应值,然后计算出结构系统的可靠性指数.最后,这一计算方法还为进行可靠性分析提供新尝试,在对复杂系统进行实际试验时该方法表现得切实可行且有效.     

基于神经网络的内燃机零件可靠性优化设计

应用神经网络技术提出了内燃机零件可靠性优化设计的一种新方法,建立了神经网络优化数学模型,并以实例表明该方法是可行的,且比常用的数学规划方法更适合于并行处理优化计算．     

多变量模糊推理系统的神经网络实现

以双缸连通液面Ｆｕｚｚｙ控制系统为模型，研究了多变量Ｆｕｚｚｙ推理系统的神经元网络实现问题。这里主要考虑如下二个问题：（１）ＢＰ网络在语言环境下实现多变量Ｆｕｚｚｙ推理系统的有效性；（２）神经网络结构（隐层节点个数及输出层激发函数）对推理结果的影响。仿真结果表明，在语言环境下ＢＰ网络具有很强的近似推理能力，基于ＩＦ－ＴＨＥＮ的多变量Ｆｕｚｚｙ推理系统可由一个ＢＰ网络训练学习而加以实现，从而为有效的实现多变量复杂系统的Ｆｕｚｚｙ控制奠定了基础。     

弹性分组多环网络的可靠性分析

弹性分组环(RPR)多环网络缺乏可靠性模型及相应分析,使得多环网络的设计参数很难选取,为设计高可靠性网络带来困难。该文提出了RPR多环网络的可靠性模型,利用概率理论分析提出了弹性分组环多环网络的可靠性函数以及平均失效时间函数。结果表明影响多环网络可靠性的主要参数是子环节点数分布,并且利用Lagrange乘数法证明了多环网络在子环节点分布均匀时可靠性达到最优;因此设计节点均匀分布的多环网络可以大幅度提高网络的可靠性,为设计高可靠性多环网络提供了理论依据。     

弹性分组多环网络的可靠性分析

弹性分组环(RPR)多环网络缺乏可靠性模型及相应分析,使得多环网络的设计参数很难选取,为设计高可靠性网络带来困难。该文提出了RPR多环网络的可靠性模型,利用概率理论分析提出了弹性分组环多环网络的可靠性函数以及平均失效时间函数。结果表明影响多环网络可靠性的主要参数是子环节点数分布,并且利用Lagrange乘数法证明了多环网络在子环节点分布均匀时可靠性达到最优;因此设计节点均匀分布的多环网络可以大幅度提高网络的可靠性,为设计高可靠性多环网络提供了理论依据。     

Combinatorial Optimization Based Analog Circuit Fault Diagnosis with Back Propagation Neural Network

Electronic components＇ reliability has become the key of the complex system mission execution. Analog circuit is an important part of electronic components. Its fault diagnosis is far more challenging than that of digital circuit. Simulations and applications have shown that the methods based on BP neural network are effective in analog circuit fault diagnosis. Aiming at the tolerance of analog circuit,a combinatorial optimization diagnosis scheme was proposed with back propagation（ BP） neural network（ BPNN）.The main contributions of this scheme included two parts：（ 1） the random tolerance samples were added into the nominal training samples to establish new training samples,which were used to train the BP neural network based diagnosis model;（ 2） the initial weights of the BP neural network were optimized by genetic algorithm（ GA） to avoid local minima,and the BP neural network was tuned with Levenberg-Marquardt algorithm（ LMA） in the local solution space to look for the optimum solution or approximate optimal solutions. The experimental results show preliminarily that the scheme substantially improves the whole learning process approximation and generalization ability,and effectively promotes analog circuit fault diagnosis performance based on BPNN.     

动态系统参数估计的一种新方法

分析了利用Ｈｏｐｆｉｅｌｄ神经网络进行系统参数估计的基本原理，把参数估计问题转化为Ｈｏｐｆｉｅｌｄ网络的能量函数的最小化问题．当能量函数达到最小值时，Ｈｏｐｆｉｅｌｄ网络的输出即为待估计的参数值．仿真实验证明了该方法的有效性．     

基于可靠度的软岩巷道支护系统优化设计

依据基于可靠度的软岩巷道支护系统优化设计基本原理,建立了"投资-效益"准则的结构设计优化模型.利用BP神经网络对巷道翻修费用进行分析和预测,通过约束放松法确定优化设计方案和基于功能的支护系统目标可靠度.利用该优化设计方法对S2S10运输顺槽支护方案进行可靠性分析并给出了寿命周期内联合支护系统优化设计方案.     

一种新的混沌神经网络模型及其动力学分析

提出了一种混沌神经网络模型。通过引入暂态混沌和时变增益,该网络比Hopfield型网络具有更加丰富和更为灵活的动力学特性,从而具有更强的搜索全局最优解或近似全局最优解的能力,它可以用于求解各种复杂的优化问题。大量的数字模拟表明网络能较好地解决Hopfield型网络的局部极值问题。     

暂态混沌神经网络算法在矿井通风网络风量优化中的应用

针对传统矿井通风网络解算方法的缺陷,提出一种新的暂态混沌神经网络的解算方法,利用混沌变量在混沌运动过程中所具有的遍历性、随机性来寻找全局的最优解,克服陷入局部极小的趋势.以通风总能耗最低为目标函数建立通风网络优化的数学模型,应用暂态混沌神经网络算法对一个简单通风网络的优化模型进行求解.实验结果表明:优化后通风系统总能耗降低了2.63 kW,节能率大约为3.78％.     

非线性系统定阶的神经网络方法

前馈型神经网应用于非线性系统辨识的一个问题是确定系统阶次。采用前馈神经网进行非线性系统定阶与神经网的推广性问题密切相关。ＯＬＳ算法是构筑径向基神经网的一种学习算法，但是采用ＯＬＳ算法构筑神经网存在推广性问题。ＲＯＬＳ算法将ＯＬＳ算法与正则化（ｒｅｇｕｌａｒｉｚａｔｉｏｎ）方法相结合，以提高算法的推广能力。本文将基于径向基网的ＲＯＬＳ算法应用于非线性系统定阶。本文对提出的方法进行了仿真研究，结果验证了方法的有效性。     

两阶段有向网络马尔可夫系统维修模型与分析

根据实际管道有向网络系统,作者构造了两阶段有向网络马尔可夫维修系统.对组成系统的边以及系统的状态进行了分析,运用求解指标的一般方法和Laplace变换,对模型的可靠性指标进行了求解,给出了边与系统瞬时可用度、瞬时故障频度、稳态可用度、稳态故障频度以及平均指标的表达式.将两部件不独立运行系统与两部件独立的系统可靠性指标进行对比,用数值示例加以说明.研究结果为有向网络的马尔可夫维修系统的进一步研究提供了基础.     

一种改进的Hopfield神经网络算法用于单元布局

利用改进的Ｈｏｐｆｉｅｌｄ人工神经网络模型，提出了用于求解ＶＬＳＩ系统单元布局的优化 算法。该算法具有简单的能量函数表达式，较快的收敛速度，可避免无效解。利用此算法对于６ 种较复杂的布局实例进行运算，在布局优化结果和运算速度方面都比同类研究有较大改进。