一种改进的RBF神经网络在预测虫害中的应用研究

针对神经网络在小样本预测时存在泛化能力降低的问题,提出了一种改进的RBF神经网络预测虫害的方法.这种方法结合了模糊聚类可以对样本进行去噪及RBF神经网络推理,具有速度快、无局部极小问题存在的优点.同时提出一种对RBF的中心、宽度和权值进行调整的RBF神经网络的学习算法.仿真结果表明,该方法能有效解决对小样本预测虫害的模糊性、相关性和非线性问题.而且预测结果准确,简单实用,效果较好.为农业预测虫害提供了一种新的预测方法,对促进农业生产的稳步发展和农民增产增收,都能够产生积极的作用.     

储层潜在敏感性B-P网络快速预测方法研究

对神经网络算法以及利用神经网络进行敏感性预测中经常出现的问题进行了探讨。着重介绍了合理网络结构的确定方法、学习样本的搜集与处理以及学习算法的改进等 ,并建立了改进的B P算法。通过水敏性预测 ,介绍了神经网络在敏感性预测中的具体应用过程 ,并对其在实际生产中的应用效果进行了验证。结果表明 ,利用改进后的神经网络对储层敏感性进行预测的方法 ,具有预测精度高、自适应好、容错能力强等优点。为了便于使用 ,编制了功能完备的敏感性预测软件 ,现场使用效果良好。     

基于即时学习的集成神经网络及其干点预测

针对单个神经网络泛化能力差、对不同样本预测精度波动大的问题,提出了一种基于即时学习集成神经网络方法。首先,基于训练样本,建立多个不同的神经网络模型。其次,根据即时学习的思想,在对样本进行预测时,在训练样本中寻找与预测样本最接近的若干邻近样本,根据各网络对邻近样本的训练误差,即时形成各神经网络的集成权重,实时构造集成神经网络模型,对预测样本进行预测。最后,将该方法应用于初顶石脑油干点的预测,相比于文献中提出的方法,得到了更好的预测结果 。     

灰色神经网络模型在高校招生预测中的应用研究

灰色神经网络就是将灰色系统方法与神经网络方法有机地结合起来,对复杂不确定性问题进行求解所建立的模型.结合灰色预测方法与神经网络预测方法,对四川省普通高等学校每年所招收新生人数进行预测.结果表明此种组合模型的精度较高,且具有灰色系统的少数据建模优点及神经网络的精度可控特性.     

基于改进BP神经网络的公路旅游客流量预测

针对如何精确预测公路旅游客流量这一问题,论述了公路旅游客流量研究背景,对包括神经网络模型在内的几类模型进行了分析,说明神经网络预测模型运用在公路旅游客流量预测中的优势.以实证分析为背景,论述了改进BP神经网络在公路旅游客流量预测中的应用,并深入研究了实际运用中输入/输出向量的选择、数据预处理方法、隐层神经元数目选择、训练函数选择等实际问题,对预测结果和实际值进行了比较和分析论述,得到一个适合的BP网络.最后对几种预测方法的预测结果进行比较,说明了BP神经网络在公路旅游客流量预测的合理性与可行性.     

储层潜在敏感性B—P网络快速预测方法研究

对神经网络算法以及利用神经网络进行敏感性预测中经常出现的问题进行了探讨。着重介绍了合理网络结构的确定方法、学习样本的搜集与处理以及学习算法的改进等,并建立了改进的B－P算法。通过水敏性预测,介绍了神经网络在敏感性预测中的具体应用过程,并对其在实际生产中的应用效果进行了验证。结果表明,利用改进后的神经网络对储层敏感性进行预测的方法,具有预测精度高、自适应好、容错能力强等优点。为了便于使用,编制了功能完备的敏感性预测软件,现场使用效果良好。     

基于人工神经网络的销售量预测方法初探

提出了一种新的销售量预测方法——神经网络方法。以我国电视机销售量为实际预测对象,运用神经网络方法对其进行了试验预测,并和常规的线性回归方法进行了比较,结果表明神经网络方法具有较高的精确度和较好的预测能力。     

遗传算法优化的神经网络预测团雾

针对国内外研究中现有团雾预测方式中出现的不足,建立了基于遗传算法优化的神经网络预测模型,用以对高速公路团雾的发生进行预测.在利用遗传算法得到BP神经网络的初始权值和阈值基础上,通过神经网络对输入的历史团雾气象数据进行学习训练,建立团雾预测模型.经优化的神经网络模型避免了由于神经网络初始权值、阈值难以确定所造成的网络震荡问题,以及神经网络计算过程中易陷入局部解的问题.实验结果表明,优化后的团雾预测模型具有较高的预测精度,为高速公路团雾的预测提供了新的方法与思路.     

基于粒子群改进BP神经网络的组合预测模型及其应用

针对应用广泛的传统人工智能预测BP(Back propagation)神经网络自身局限以及其在处理中长期复杂预测问题中需要样本数量大、泛化能力弱等不足,提出利用粒子群算法优化BP神经网络的学习算法,在此基础上,利用灰色预测方法和自回归移动平均模型(ARIMA)时序预测对历史数据进行初步预测,对中长期预测中数据趋势项和随机项进行模拟;将初步预测的结果作为改进BP神经网络的输入,在此基础上进行训练和预测,构建基于改进BP网络的组合预测模型.以我国1978-2007年能源需求数据为样本,进行实例分析.结果表明:组合预测模型预测精度较BP神经网络、灰色预测方法和ARIMA预测方法分别提高4.8%,6.1%和5.3%,验证了组合预测方法在中长期预测问题处理中的有效性.     

基于神经网络的海量GPS数据交通流量预测

交通流量数据具有非周期性、非线性和随机性等特点.为了更准确地对未设置ETC路段交通流量进行预测,采取相应措施处理交通拥堵问题,提出了基于神经网络推论模型为主体的交通流量预测系统.通过实验验证了ARIMA乘积季节模型、BP神经网络和RBF神经网络的多种训练函数的预测精度及适应性.相对于常规预测方法,基于神经网络的预测方法具有更好的适应性,而且预测精度也更高.     

一种基于规则和神经网络的系统在入侵检测中的应用

入侵检测技术是解决网络安全的一种有效手段。文中提供一个基于规则和神经网络系统的入侵检测模型。主要思想是利用神经网络的分类能力来识别未知攻击,使用基于规则系统识别已知攻击。神经网络对DOS和Probing攻击有较高的识别率,而基于规则系统对R2L和U2R攻击检测更有效。因此该模型能提高对各种攻击的检出率。最后对模型存在的问题及入侵检测技术的发展趋势做了讨论。     

模糊逼近网络摄动系统及其在智能运输中的应用

以20世纪80年代中期兴起并紧密结合现代科学技术进步的一个新兴领域——智能运输为实际背景,分析了模糊神经网络有待解决的问题;针对这些问题提出了一个新的系统——模糊逼近神经网络摄动系统,并介绍了关于这个系统所开展的一些工作,对开展智能运输的研究将具有启迪作用和现实意义。     

模糊数据库模型的自学习系统

该系统是利用神经元网络的可自组织、自学习等一些特性,设计了一个用神经元网络来表达和处理模糊数据库中的不确定性问题,即在模糊数据库的查询中所面临的查询条件的不确定性、表达上的不准确性和已知的内容不完全性等方面的问题。该自学习系统较好地把神经元网络应用到了模糊数据库中。     

一个模糊神经网络诊断专家系统及其实现

回顾了故障诊断技术的发展历程，提出了智能故障诊断的新分类．编制了一个传统的通用故障诊断专家系统，指出了其存在的知识获取困难、二值逻辑不符合实际、系统容错性差等缺陷．为解决缺陷，构作了一个基于模糊神经网络技术的智能诊断专家系统，并用MATLAB语言实现，仿真结果表明，系统性能良好．     

神经网络在复杂系统建模中的应用

 分析了神经网络模型的特点、复杂系统的特征与建模方法论要求,表明神经网络应用于复杂系统建模可行且适用。探讨了当前神经网络在复杂系统建模中应用的文本语言处理、语音识别、图像处理、故障诊断等,针对所存在的不能很好地描述系统结构与演化、不能同时处理多个任务、不能很好解决非重复性问题等主要不足,提出了解决这些问题的初步思路。     

基于GA-NN的钛合金工件磨削表面烧伤裂纹图像的自动识别

为了解决钛合金等难加工材料工件磨削表面烧伤的在线监测与预报问题,提出了一种神经网络与图像处理技术相结合的钛合金工件磨削表面烧伤裂纹的自动识别算法。该方法中磨削表面图像由彩色CCD获得,首先转化为灰度图像,然后转化为二值点阵图像,再经过点阵数据编码压缩处理表征为模式特征,然后利用BP神经网络和遗传算法相结合的方法训练前向多层神经网络,最后利用训练后的神经网络对磨削表面的烧伤裂纹进行识别。实验及仿真结果表明：该模型的神经网络稳定,学习收敛速度快,具有很强的记忆能力和推广能力,对解决钛合金的磨削烧伤裂纹的实时自动识别问题具有良好的适应性,总有效率达到88％左右。     

—种求解线性二层规划的神经网络方法

提出了—种求解线性二层规划的神经网络方法.采用以下层问题的对偶间隙为罚项,构造线性二层规划罚问题的思想,将线性二层规划转化成相应的单层规划问题,然后设计求解单层规划问题的神经网络模型,从而得到线性二层规划的最优解.该网络是Lyapunov稳定的,且在适当的条件下收敛于线性二层规划的最优解,仿真结果表明该神经网络可以有效地得到线性二层规划的最优解.     

基于深度神经网络的手写数字识别模拟研究

当前图像识别大多采用基于特征提取的传统机器学习方法与卷积神经网络的方法,但传统图像识别技术需要手动提取图片特征,而卷积神经网络对硬件要求高,训练时间长等。针对以上问题,本文提出基于深度神经网络模型的手写体图像识别方法,让机器自动学习特征,并在此基础上,通过改进成本函数,加入dropout防止过拟合,来提高手写数字识别的识别率。仿真实验对比结果表明,基于深度神经网络模型的方法比当前传统算法的识别率提高了3.41%,有效解决了人工识别费力耗时问题,对手写数字的研究具有重要意义。     

应用非线性系统识别的RBF神经网络新型学习算法

扩展了一个在线的优先权更新算法,即一个基于RBF神经网络的非线性不连续时间多元动态系统的识别技术,这种技术适合神经网络结构．描述了独立表示的在线算法的2个不同问题,通过建立识别问题和在适当的控制理论中揭示某些技术之间的连接,给出了一个能满足单一变量系统需要的算法．     

化工流程模拟中的模块集成技术及其应用

为满足化工流程模拟的实际需要,结合软件集成的设计思路,提出了将化工过程的通用流程模拟软件和用户特定模块集成的方法及技术．将该集成方法和技术应用于工业生产实例中,运用神经网络模型和Aspen Plus软件模拟轻质酮苯脱蜡脱油装置中的油回收系统,从而验证了该模块集成方法和技术的可行性．该模块集成方法和技术能解决化工流程模拟中的一些实际问题．