神经网络非线性模型算法控制

将多项式基函数神经网络作为了模型算法控制（ＭＡＣ）中的内部模型,以此逼近被控对象的非线性特性,推导出相应的最优控制策略算法,克有了ＭＡＣ不能和于非线性预测的缺陷,该方法对在被控对象未知或建模困难情况下能很地实现地系统的预测控制,具有很强的鲁棒性和自适应性。     

正弦基函数神经网络滤波器设计

构造了一种正弦基函神经网络,以此作为Ⅲ型线性相位FIR滤波器振幅响应Hr(ω）的最佳均方逼近,根据训练所得的网络权值Cn计算脉冲响应h(n）,仿真实例表明了该算法的有效性和优良性能。     

RBF神经网络在时间序列预测问题中基于POD的中心选择方法

基于POD的中心选择方法是用来显示神经网络的选择中心，这个选择中心是在非线性时间序列中，基于径向基函数（RBF）的．这种方法利用时间序列数据的时间序列特征，使中心选择以一种平行的方式被执行，通过对一个基准问题和两个预期库存定向的模拟声明，在预期非线性时间序列中能够有效应用．     

基于在线训练RBF神经网络的混沌系统辨识研究

讨论混沌系统的在线辨识问题,给出了RBF神经网络的一种在线训练算法,对这种在线训练算法所涉及到的各个方面进行了分析,并把这种在线训练算法用在混沌系统的辨识中.仿真表明该算法是非常有效的.     

小波神经网络逼近非线性函数算法

介绍用于函数近似的一种新型神经网络——小波神经网络,该小波神经网络采用的函数是sigmoid函数的组合.文中从理论上阐明了小波神经网络对某些时频有限的非线性函数的逼近能力,并实际建立了一个前馈小波神经网络,同时讨论了如何选择小波母函数及如何减少该神经网络规模的算法.实验结果表明这种小波神经网络可以在较小规模的基础上实现对这类非线性函数的逼近.     

神经网络的结构学习算法研究

针对前馈神经网络结构设计困难,传统ＢＰ算法易陷入局部极小、收敛速度慢、对初始权选取敏感等缺陷,通过修改误差函数,提出了一种融结构自适应选择和参数学习于一体的针对一般神经元激活函数的新算法,实验结果表明其高效性．     

基于傅立叶基神经网络的传感器非线性补偿方法

针对热敏电阻温度传感器应用中存在的非线性问题,提出了以神经网络为补偿环节,结合传感器构成的一种非线性补偿模型.基本思想是采用傅立叶基神经网络,以传感器的输出作为神经网络的输入样本,传感器的输入温度为神经网络的期望输出,通过调整神经网络权值使神经网络的输出与期望值近似,实现温度测量的非线性补偿.结果表明该方法有效提高了精度,是一种有效的传感器非线性补偿方法.     

函数联接神经网络在电力系统短期在线负荷预报中的应用

提出了２个新的用于帝时在线短期负荷预报的函数联接神经网络（ＦＬＮ）模型,２个模型都把负荷与气象参数结合起来的构成非线性ＡＲＭＡ过程,并应用ＦＬＮ的函数逼近能力获得了２个模型的参数,测试与在线操作表明２个模型的预测效果是令人满意的,２４ｈ向前负荷预报的平均绝绎百分误差ＭＡＰＥ）对ＨＥＬＮ来说几乎都在３％以下,而ＤＦＬＮ来说几乎都在５％以下。     

一种基于神经网络模型的非线性自适应控制系统参数辨识算法

应用神经网络BP算法建立了系统参数模型,以被控对象的控制量和系统输出作为神经网络模型的输入,经过神经网络的隐层和输出层的前向计算以及误差的反向传播采不断修整模型的权值,将非线性系统时变参数的变化规律转化为神经网络参数模型,反映了参数随状态而变的规律;再结合文献[5]已知模型下PID控制参数的计算,推导出一种更具有应用性的系统参数辨识算法.通过在计算机上对非线性系统仿真,结果表明了这种的系统参数辨识算法有效性.     

一个关于Hopfield网络的定理

Hopfield提出一个连续状态的神经网络模型,使之与模拟电路直接对应^[1],随后有大量的文献论述了这种网络的理论与应用.     

基于自组织特征映射的神经网络的矢量量化

本文设计了一种神经网络矢量量化编码方法－基于自组织特征映射的神经网络的矢量量化,利用Kohonen网络的自组织聚类功能,设计矢量量化器码书,实现矢量量化。该神经网络速度快,效率高,适用于语音和图象数据压缩,并对SOFM算法应用于图象矢量量化进行系统的研究。     

基于BP神经网络的手写数字识别研究

将BP神经网络应用于手写数字识别,通过实验证实,该方法具有较高的识别率和可靠性．     

人工神经网络法用于V－PTC材料诸性能的预报

人工神经网络（ＡｒｔｉｆｉｃｉａｌＮｅｕｒａｌＮｅｔｗｏｒｋｓ，ＡＮＮｓ）是一类试图模拟生物体神经系统结构的新型信息处理系统．文中用反向传播网络研究Ｖ－ＰＴＣ材料诸性能与其配方及工艺间的关系，通过Ｂ－Ｐ算法建立了Ｖ－ＰＴＣ材料诸性能与其配方及工艺间的非线性映照关系，根据Ｖ－ＰＴＣ材料的优化配方和工艺条件，计算机预报相应材料诸性能的结果与实验值相一致．     

自组织特征映射神经网络用于语音识别的研究

该文提出了一种优化的自组织学习算法。基于自组织特征映射(SOM)神经网络和隐马尔柯夫模型(HMM)法,组成了一种新的语音识别系统,该系统采用SOM网络作为矢量量化器。SOM网络经过优化的自组织学习算法训练后,再用K均值聚类算法对其进行调整。实验结果表明,该文提出的语音识别方法确实能提高系统的识别率。     

神经网络B－P学习算法及其在含F铋系高温超导体制备中的应用

叙述“反向传播”神经网络的结构、算法及其在含Ｆ铋系高温超导体制备中的应用．实验结果表明神经网络的判别正确率为１００％．因此，该方法可用于材料设计等高层次知识处理领域．     

线性神经网络在自适应辨识中的改进及应用

提出了一种新的自适应辨识算法．仿真算例证明了这种算法的有效性。     

基于RBF神经网络多步预测的自适应PID控制

提出一种基于RBF神经网络多步预测的自适应PID控制算法．该算法用无局部极小的径向基函数网络对非线性系统进行在线辨识，利用多步预测误差对PID型控制器网络进行训练，从而实现PID参数的在线自适应寻优．通过对典型非线性系统的仿真研究，该控制系统具有较强的适应性和鲁棒性．     

一种不定控制系统的强健神经网络控制器

探讨不定控制系统的强健神经网络控制器．这是一个由遗传运算法则确定的最佳隐藏神经数的前馈多层神经网络．它借助状态空间控制器和编入必要的最佳程序,进行非线性处理,以确保性能的强健性．混合的遗传运算法则和后繁殖神经培养,具有最佳网络结构和神经染色体接合权的双重目标,把最佳网络结构和神经权协调地聚合,从而得到与性能控制目标基本一致．     

煤焦非均相着火温度与煤种关系的神经网络模型

该文利用人工神经网络的非线性动力学特性及自学习特性，建立了煤焦非均相着火温度与煤种关系的神经网络模型，并对此模型进行了检验。结果表明，此模型能根据煤的工业分析数据准确地预报任何煤种的煤焦非均相着火温度。