地基土压缩系数的RBF神经网络预测

采用了输入层节点数为4、隐含层节点数为29、输出层节点数为1的RBF神经网络结构;RBF神经网络学习时,设置中心化方法为K-means聚类法,训练速率取0.15,加权种子数取2,Sigma参数取0.1,权重为0.2,最大迭代次数为16 000,误差均值控制为0.01.研究发现,训练RBF神经网络时,30组数据的土压缩系...     

基于可靠度敏感性的神经网络法研究边坡稳定性

针对边坡工程结构功能函数不能显式表达的可靠性分析问题和非线性问题计算量大的弊端．研究结构可靠度敏感性,提出参数的相对敏感性分析方法,并基于该方法提出了神经网络法分析边坡稳定性。具体思路：由可靠指标对随机变量分布参数的相对敏感性分析,确定边坡可靠度主要影响参数;用神经网络模型近似替代响应量与基本变量间的隐式极限状态函数,根据蒙特卡罗模拟法,对网络模型进行可靠度分析,求解结构可靠度指标。基于可靠度敏感性的神经网络法．对均值和成层边坡进行稳定性分析,与传统可靠度计算方法相比．结果表明：该方法分析边坡稳定性是准确的且具有较高的计算效率。     

链路失效情况下网络点对联通可靠度的近似计算

基于连通性的网络可靠性分析是网络可靠性研究中的经典问题,根据具体问题的不同而采用的最小枚举、最小生成树枚举、边割集枚举、容斥原理、不交和方法等都是随机性网络可靠性指标的精确计算方法.这些计算方法在网络可靠性分析研究中具有重要的作用和意义,它们构成了网络可靠性分析计算的重要理论依据.然而对任意网络的k终端可靠度、全终端可靠度以及剩余边连通可靠度和点对联通可靠度,都已经证明他们的精确计算属于NP-hard问题[1][10].因此网络可靠性的估计是获得以上可靠性测度的重要手段.同时在网络的拓扑优化设计中,追求高可靠性的代价就是费用的无限增加,因此在一般商用的设计中,网络可靠性测度只要满足给定的标准即可,需要对不同的网络拓扑估计有关的可靠性值.     

球形压痕法测材料力学性能:神经网络模拟

讨论利用球形压痕法对材料的力学性能参数进行估算时外载P和压入深度h的关系．分析了带动量修正的前馈式反向传播型神经网络的特点，通过已知的P—h关系建立神经网络系统，利用球形压痕法得到的计算结果作为训练数据对神经网络进行训练，通过训练好的神经网络模拟了球形压痕法的计算结果．利用训练5000次基础上得到的神经网络对球形压痕法所得结果进行了模拟，分析并比较了利用神经网络方法得到的结果与通过球形压痕法得到的结果．结果表明，神经网络可以很好地模拟利用球形压痕法分析得到的材料局部力学性能参数．     

基于GA-BP神经网络与敏感性分析的带钢厚度预测

为提高带钢厚度预测精度,构建了融合GA-BP神经网络和敏感性分析的T-GA-BP预测模型。首先通过循环迭代方式确定较优的BP神经网络隐含层的层数与节点数,再采用遗传算法对BP网络的权阈值进行优化。在此基础上,利用Tchaban算法进行敏感性分析,研究输入层中各工艺参数对带钢厚度的影响程度,筛选出重要参数作为新的输入样本来训练T-GA-BP神经网络模型,以降低网络复杂度。采用实际生产数据进行测试,结果表明,T-GA-BP模型的带钢厚度预测精度要高于BP、GA-BP、RBF、Elman神经网络等其他优化模型。同时,工艺参数敏感性分析结果可为轧制工艺调控方案的制定提供参考。     

基于神经网络的超声无损检测缺陷定征方法的研究

针对超声无损检测中缺陷分类难、分类结果可靠性差等问题，给出了一种以神经网络为基础的缺陷特征分类方法。利用Ｆｉｓｈｅｒ线性判别方法对表征缺陷特征的时域信号的波形参数进行了选择，并将这些参数作为神经网络的输入矢量对网络进行训练，用该网络对缺陷特征进行了识别，结果表明：神经网络的识别率远大于传统的贝叶斯分类方法。     

空间环境下惯性展开机构动态性能可靠性分析

提出惯性展开机构运动参数动态可靠性分析方法,建立了惯性展开机构运动参数动态可靠性分析模型.将驱动力(矩)、摩擦和阻尼力(矩)等作为随机变量,应用蒙特卡罗方法,取得动态参数样本,再利用人工神经网络方法,用随机抽取的样本对网络进行训练,统计网络输出的动态参数分布,得到惯性展开机构动态可靠度.空间站惯性展开机构动态可靠度计算实例表明,该方法简单实用,计算成本低.     

一种用于模式识别的动态RBF神经网络算法

对径向基函数（RBF）神经网络在数据分类中的应用进行了研究．提出一种应用于模式识别的动态RBF训练算法,该算法使用区域映射误差函数并结合资源分配网络（RAN）的“新性”（novelty）条件动态调整网络的隐层节点数,从而可以更加有效地进行模式识别．二分类样本和建筑材料CaO-Al2O3-SiO2系统仿真表明,该改进算法使误差下降更快,减少了训练次数,可以获得精简的网络结构,从而使网络具有较高的泛化能力．     

铁路接触网系统可靠度的仿真计算

提出了一种基于径向基神经网络、有限元分析和蒙特卡罗(Monte CarloMethod)数值模拟相结合的铁路接触网系统可靠度的计算和可靠性分析,建立了接触网系统可靠度计算的数学模型和神经网络模型.用此方法计算出了接触网接头线夹的可靠度并就外部参数的变化对可靠性影响进行了评价,该方法精度高、简便易行,为复杂的铁路系统可靠性设计和研究提供了一条新的途径.     

两个网络的可靠性比较

本文给出了对给定n点e条边的图G来说，给出了用代数组合方法计算它的边分割集的一般求法，然后用所求得边分割集个数比较两个网络的可靠性．     

通信网络各节点和链路重要性的客观评估方法

为了全面和客观地评估通信网各节点和链路的重要性，引入了归一化容量加权可靠性指标概念，并从通信网络总体及局部两个考察角度定义了指标，一个是研究网络全部节点之间可靠性的总容量归一化加权可靠性指标，另一个是只研究两指定节点间可靠性的最大容量归一化加权可靠性指标。研究出了求解网络全部路由的逻辑代数化计算方法，据此推出了适宜于计算机编程的可靠性指标计算的全套代数化计算方法，解决了人工计算繁琐的问题。以节点和链路失效对可靠性指标的影响程度作为评价标准，采取排序方法，实现了节点和链路重要性的客观评估。计算了一种典型拓扑结构通信网的可靠性指标，并从总体与局部角度分别得到网中各节点和链路重要性大小的排序结果。     

一种BP神经网络软件的设计

介绍了BP神经网络模型及其算法,设计出一种基于模糊的能实现的任意结构的三层BP神经网络软件.软件网络模型具有较高的可靠性.测试表明,该神经网络软件的学习效果达到较高的精度,可广泛应用于故障诊断、模式识别、最优预测等方面.     

网络入侵环境下健康节点选择方法设计与仿真

提出一种网络入侵环境下健康节点通信选择算法.针对节点特征建立模糊数学模型,对健康节点选择的成本进行约束,引入粒子群优化算法,结合不确定因素,对参数进行优化,实现健康节点的选择.实验结果表明:与传统的BP神经网络方法相比,改进的网络入侵环境下健康节点通信选择算法提高了健康节点选择的精度,缩短了运行时间,能将入侵后的误差控制在合理的范围内.     

基于小波神经网络矿山安全的评价模型

煤矿是一个多工序、多环节、生产过程复杂、时空变化大、环境恶劣的生产企业,其安全系统是一典型的非线性系统,对矿山进行安全评价是当前安全管理中的一个重要环节.采用由伸缩和平移因子决定的小波基函数代替Sigmoid等传递函数,选用23项指标作为输入节点,建立矿山安全的小波神经网评价模型,该模型可自动确定网络参数,避免了传统神经网络需要人为干预网络结构参数的不足.实例分析表明,提出的WNN网络的评价绝对误差平均为0.425%,而BP网络评价绝对误差平均为3.1%.这说明,WNN网络泛化能力远好于BP网络,该模型具有重要的应用价值.     

基于动态模糊神经网络的配电网规划供电可靠性评估

传统的供电可靠性评估方法是以准确的配电网结构和多年的元件可靠性历史数据为基础进行评估,难以实现对城市配电网规划方案的供电可靠性评估.为此本文提出一种基于动态模糊神经网络的配电网规划供电可靠性评估方法,首先对供电可靠性的影响因素进行分析,建立供电可靠性评价指标体系,然后利用动态模糊神经网络对规划目标年的供电可靠性进行评估,算例表明,该方法是有效的.     

基于小波概率神经网络的控制图异常模式参数估计

提出了小波变换概率神经网络的基本框架,并应用于控制图异常模式的参数估计。仿真实验结果表明：该方法结构简单,收敛速度快,具有一定的识别精度,适合于控制图异常模式的参数估计。     

基于流量预测的Ad Hoc网络负载均衡协议

针对AdHoc网络中的负载均衡问题,提出了一种基于小波神经网络方法预测节点流量的路由协议WNNP-LBRP,协议中的流量值以MAC层接口队列长度来衡量.该协议利用小波神经网络预测模型计算节点下一时刻的流量值及动态阈值,并对二者进行比较,避免将重负载节点作为中间节点而导致网络拥塞,从而在网络出现拥塞之前提前更新路径,实现网络负载的平均分配.仿真结果表明,WNNP-LBRP协议与LBR-AODV协议和AODV协议相比,网络性能得到提高:减少了丢包现象,降低了端到端时延和路由开销.     

基于BP网络多指标多因素最优工艺参数分析

基于BP神经网络理论,利用实验数据对连接权系数和结点阈值自学习确定,从而建立BP神经网络模型,采用BP神经网络模型比回归方程形式数学模型具有更小的方差,能够寻找到最优的工艺条件.     

一种通信网络节点重要性的计算公式

针对基于节点的移除可能导致网络拓扑结构变化的不足,提出了一种确定通信网络节点重要性的评价公式.该公式综合考虑了节点在网络中的全局性影响,能精确地评价网络节点重要性,尤其对解决卫星网络的节点重要性评价方面.该计算公式定义了网络中节点重要性取决于该节点在网络中的位置信息和其他节点对该节点的贡献度.节点的位置由节点介数确定,其他节点对该节点的贡献度与其他节点的介数及紧密度相关.利用该公式对典型网络的节点重要性进行分析,并与其他评价方法进行对比,结果表明,该公式能精确并正确评价节点对网络的控制能力.     

基于FLNN的多粘菌素发酵过程建模

为解决由于缺乏传感器使众多状态参数难以在线测量的问题，建立了多粘菌素的发酵过程模型，对许多重要的状态参数进行了预估．通过在FLNN内部增加一个带有局部激活反馈和一个局部输出反馈的自回归滑动平均滤波器使其成为动态的FLNN网络，并把它运用于多粘菌素发酵过程的建模中，结合遗传算法实现对其发酵过程的茵体浓度、总糖浓度和相对效价进行预估，为实际生产和优化控制提供了有利条件．仿真结果表明，基于改进的FLNN建立的多粘菌素发酵过程模型预估效果良好．