自组织映射神经网络(SOM)在客户分类中的一种应用

对自组织神经网络在客户分类中的应用进行了探讨 ,讨论了客户分类的概念、指标选取、分类方法选取、SOM(Self Organization Map)聚类方法 ,给出了一种基于 SOM的客户分类方法 ,即 :给出 RFM(近度 ,Recency;频度 ,Frequency;值度 ,Monentary)的指标 ,根据综合指标的计算和各个指标的相对学习结果变化趋势 ,将客户分类 .并进行了模拟计算 ,将模拟结果分类 ,以验证算法 .     

基于自组织理论的自组织多项式网络算法

自组织多项式网络是采用神经网络的思路结合生物控制论和自组织特征映射理论而导出的一种新型网络算法,该算法在寻求模型参数的最优组合上的自组织特征及通过层层搜索误差最小点的功能,使其在用于非线性映射的拟合中体现了较强的优越性．开发的软件应用表明,该算法较ＧＭＤＨ算法及一般网络算法具有更高的精度拟合．     

基于RBF神经网络的作战效能评估方法

作战效能评估是现代作战模拟中的一个非常重要的环节,受到人们特别的关注.介绍了一种基于改进型RBF神经网络的作战效能评估方法,主要是依据样本数据动态调节网络结构与参数.然后基于EINSTein系统进行实例评估,仿真结果表明改进的RBF神经网络算法具有良好的自学习能力,以及预测精度高、可行性好等优点,可以广泛应用于作战效能的评估工作中.     

改进免疫算法在预测过程神经网络中的应用

基于过程神经网络（procedure neural network, PNN）建立了具有高精确度的多步预测模型。针对PNN训练过程复杂的特点,提出了一种基于正交基函数展开和矢量矩免疫算法(vector distance based immune algorithm, VD-IA)相结合的PNN训练方法。根据PNN在三角函数正交基展开形式下的数学模型,推导出适用于VD-IA的优化问题模型,采用一种自适应策略加快了VD IA的收敛速度。基于Mackey-Glass混沌序列检验了该方法的有效性,将该方法与BP训练方法、改进粒子群优化（improved particle swarm optimization, IPSO）算法进行了对比分析。仿真结果表明,基于VD-IA的PNN训练方法可以获得较优的结果,且获得泛化性能较好的PNN模型。     

基于UKF的自组织模糊神经网络训练算法

如何生成最优的模糊规则数及模糊规则的自动生成和修剪是模糊神经网络训练算法研究的重点,针对这一问题,提出了基于无迹卡尔曼滤波（unscented Kalman filter, UKF）的自组织模糊神经网络的训练算法。分析了模糊神经网络的非线性动力系统表示,并用递推最小二乘法（recursive least square, RLS）和UKF分别学习线性和非线性的参数,给出了模糊规则生成的准则和参数更新的策略;然后,用误差下降率方法作为模糊规则修剪的策略,删除作用不大的规则。通过典型的函数逼近和系统辨识实例,表明所提算法得到的模糊神经网络的结构更为紧凑,泛化性能更佳。     

一种改进的自组织映射树算法及在组织际关系分类中的应用

分析了自组织映射树各种改进算法的优缺点,改进和实现了一种基于动态二叉树的自组织神经网络(Improved dynamicalbinary-tree based self-organizing neural network, DBTSONN).在改进动态二叉树中神经元节点可以自动生长和剪除,无需在训练前预先确定网络结构.DBTSONN1算法采用单路径搜索最匹配叶节点(获胜神经元),DBTSONN2算法考虑了获胜神经元节点所在自组织二叉树的层次,采用双路径搜索获胜叶节点, 提高了搜索效率.以交易关系的经济和行为维度建立起来的关键中介 变量集为度量指标,使用该算法把组织际关系分为四种类型:双边关系、周期性关系、层级关系以及分散关系, 验证该算法的效率,并分析这种组织际关系分类的实际意义.     

基于免疫选择和自组织临界变异的进化算法

维持群体多样性是提高进化算法性能的一个主要出发点。本文提出了一种基于免疫选择和自组织临界变异的进化算法。其中,利用免疫浓度调节设计的选择算子使算法在开发新解时能选到多样性的个体;基于自组织临界思想的变异算子使算法在探测新解时能在合理的模型指导下进行。针对几种典型的复杂函数优化问题的求解实验表明该算法在收敛速度和全局收敛性方面都较好。     

基于免疫算法的前向神经网络学习方法

提出了一种采用免疫算法训练多层前向神经网络的方法。该方法利用免疫算法训练前向神经网络,能够使网络优化过程趋于全局最优。利用基于遗传策略的聚类机制确定前向神经网络的初始权值,增加了网络训练算法收敛于全局最优的概率。将这种神经网络用于雷达模拟调制信号的调制方式识别的仿真结果表明,采用该算法设计的前向神经网络达到了较高的性能。     

基于临界自组织模型的进化算法

将临界自组织(self-organlzed criticality，SOC)概念引入到进化算法领域，提出了基于临界自组织的进化算法(SOCEA)，引入灾变机制来模拟临界自组织状态中的剧烈变化过程，采用临界自组织的模型构造进化算法的算子、通过实验测试可以得出SOCEA算法要优于同类的对照算法，并且计算量开销也比较小、     

电子战装备作战效能灰色评估模型和算法

电子战装备作战效能评估是一个十分复杂的问题，涉及因素多，而且部分因素存在信息不完全和不确定的问题，而灰色系统理论是处理这类问题的有力工具。提出了利用灰色系统的相关理论来评估电子战装备的作战效能，建立了基于层次结构的灰色评估指标体系，介绍了灰色评估模型和评估算法。最后利用MATLAB语言进行了仿真评估举例，结果表明该方法简单有效，不仅能评估单台电子战装备的作战效能，还能对同类型的多台装备进行作战效能的优劣排序。     

商业银行监管的SOM神经网络的分类方法

商业银行非现场监管在整个商业银行监管体系中占有中枢神经的地位 .该文将商业银行非现场监管作为模式识别分类问题进行研究 ,提出了在商业银行监管中应用基于自组织特征映射神经网络的分类模型 .然后 ,以实际数据为基础进行了商业银行分类识别 ,并进行了相应的分析 ,从而验证了模型的有效性 .     

新型模糊神经网络控制器的设计及应用研究

讨论自组织竞争网络优化模糊神经网络的设计及应用研究。该设计方法运用自组织竞争神经网络（SCNN）来优化模糊神经网络结构,并采用遗传逄法来训练模糊神经网络的连接权参数,获得同时具有最佳结构和模糊神经网络（FNN）,船舶操纵的仿真结果表明此法明显优于传统的PID控制器。     

重置变结构神经网络及其在风险投资项目评估中的应用

基于神经网络的结构直接影响到网络性能的优劣,进而影响其推广使用,尝试将重置算法应用于经典BP神经网络的结构优化,研究了重置算法中最佳重置时间的性质,提出一种重置变结构经典BP神经网络。通过实例,将重置变结构经典BP神经网络应用于风险投资的项目风险评估中,并与经典BP神经网络的实验结果进行对比。结果表明,重置算法的引入有效地解决了神经网络结构的优化问题。     

模糊神经网络的混合学习算法及其软测量建模

提出了一阶TSK模糊神经网络的混合学习算法，算法由三部分组成：基于模糊聚类的网络初始化；基于梯度下降的规则前件的学习算法；基于部分最小二乘的规则后件的学习算法。该混合算法可以根据训练样本的分布自动确定模糊神经网络的初始值，当输入变量个数多时不会出现模糊规则数爆炸现象，训练速度快，模型精度高。将混合学习算法应用到PTA工业过程中4-CBA含量的软测量建模中，取得了令人满意的效果。     

基于神经网络集成的说话人识别算法仿真研究

说话人识别研究中采用的语音信号特征同时包含了语义信息和话者信息,二者相互影响,给识别带来了很大的困难。为解决这个问题,我们将集成思想应用于说话人识别中,针对每个汉语单韵音的特征空间训练一个神经网络实现说话人分类,并使用另一个神经网络对多个单韵音神经网络识别器的识别结果进行结合。该方法可以有效地避免语义信息对说话人识别的干扰,提高识别精度。不仅如此,神经网络集成的识别结果还可以同时给出该帧语音所属的单韵音类型。仿真实验结果表明,集成系统的识别精度高于单一神经网络,并且在与多种算法的对比中也展示了良好的性能,更重要的是,该方法给出了一种从语音特征中分离语义信息和说话人信息的新思路。     

基于扩展贝叶斯方法融合的作战效能评估研究

从多个视角采集评估数据源并进行武器装备的作战效能评估，是一种提高评估结果可信度的做法。在武器装备论证阶段，评估数据源主要来自专家经验和仿真结果，但因这两种数据源的差异太大，难以进行直接的评估聚合。为此，提出采用信念图模式统一两者的数据表达，再采用一种扩展的贝叶斯推理算法进行评估融合，最后得到评估装备的综合作战效能。以装甲主战装备改进型的作战效能评估为例进行验证，结果表明该方法符合评估实际，是一种有意义的新方法。     

基于自组织特征映射网络的聋人无损听觉补偿方法的研究

利用其他感知通路提供的信息可以对聋人进行无损的听觉补偿.提出了一种基于自组织特征映射网络的聋人无损听觉补偿方法.聋人利用自组织特征映射网络输出层的可视化信息监听自己的声音.结果表明,自组织特征为提高聋人的语言功能提供一种新的途径.     

基于混沌免疫进化网络的电池荷电状态预测

在电动汽车运行过程中,常规方法难以准确预测电池的荷电状态,提出利用偏最小二乘回归分析影响电池荷电状态的诸多因素,选择端电压、电压一阶导数、电压二阶导数、放电电流以及电池温度作为神经网络的输入,以荷电状态作为输出,然后采用混沌免疫进化规划算法训练前馈神经网络预测电池荷电状态.在变功率运行工况下,通过仿真试验对比镍氢电池组实际荷电状态的和预测的荷电状态,验证神经网络预测的精度在5%以内.     

基于递阶遗传算法和BP网络的时间序列预测

提出一种基于递阶遗传算法和BP神经网络的时间序列预测模型。现有的BP训练方法只能训练BP网络的权重,网络的结构得预先用某种方法确定。利用很好设计的递阶遗传算法能够把网络的结构和权重同时通过训练确定。以铁路客运市场数据进行训练和测试,与传统的BP网络预测模型相比较,结果证明该模型的预测精确度是令人满意的,所提出的方法是可行的。     

改进遗传神经网络及其对碎石桩复合地基承载力的预测

针对遗传算法（ＧｅｎｅｔｉｃＡｌｇｏｒｉｔｈｍ,ＧＡ）及人工神经网络（ＡｒｔｉｆｉｃｉａｌＮｅｕｒａｌＮｅｔｗｏｒｋ,ＡＮＮ）优缺点,提出了改进遗传神经网络,并把它用于求解碎石桩复合地基承载力的计算,结果表明该方法是可行的,从而为地基承载力计算开辟了一条新的途径