前馈神经网络的容错性研究

以前馈神经网络为研究对象，提出了一种容错型神经网络学习算法，将系统运行过程中可能发生的各类故障随机地引入网络训练过程，使系统获得更加稳健的内部表示。仿真结果表明，该学习算法能够有效地提高神经网络的容错能力和泛化能力。     

分区前馈神经网络及其算法

基于鲎小眼间侧向抑制的Hartline Ratliff模型，文中将自组织网络与BP网络相结合，提出了一种分区前馈神经网络，并给出其具体学习，仿真算法.该网络结构能反映人脑多网络结构，并行处理信息的特点，因而具有学习快速，一定程度上克服局部极小和适合并行计算的特点.计算机仿真的算例证明，即使在患行计算机学习时间也可以减少到以往的50%以下，而与传统的前馈神经网络具有相同的泛化能力.     

前向神经网络容错性分析的切比雪夫不等式法

目前 ANN的分析中缺乏对硬故障容错性能的分析 ,针对这一问题利用切比雪夫不等式给出了一种容错性分析的估算方法。利用切比雪夫不等式 ,分析了具有可微作用函数的前向神经网络容错性 ,建立了前向神经网络随机故障模型 ,讨论了固定型连接故障和错误输入故障对单个神经元的影响 ,通过分析这种前向神经网络故障传播特点 ,结合神经元容错分析的结论 ,得出了前向神经网络容错性分析的算法和相应公式。通过仿真实验 ,验证了上述结论的正确性。     

多层前馈神经网络隐单元数目上界的证明

研究前馈神经网络隐单元数目的上蜀和如何利用样本集的特性减少所需的隐单元个数。利用Ｓｉｇｍｏｉｄ函数的两端极限特性,使每个隐单元表示１～２个样本。在样本集具有局部单调性的情况下,可以用有〖（ｐ－１）／２〗个隐单元的３层前馈神经网络以任意小的误差表示ｐ个目标值。对一般的样本集,所需的隐单元数为〖（ｐ－１）／２〗～（ｐ－１）个。     

BP神经网络在图像压缩中的应用

借助BP神经网络,采用改进的最速梯度下降法,编程实现了灰度图像的压缩与重现.在MATLAB环境下仿真实验结果表明,所设计的网络图像压缩效果良好,同时具有较好的泛化能力.     

基于代数算法神经网络对股票价格的研究

利用零代价函数神经网络算法，首先，选用2004年和2007年各40个交易日的上证指数收盘价作为训练样本，对建立的三层神经网络进行训练和仿真．实现了网络的精确映射，网络输出误差几乎为零，然后。以2007年数据和2004年数据分别作为训练样本和测试样本，测试该网络的泛化能力．     

一种快速选择性神经网络集成方法

选择性集成通过选择部分个体能够获得比传统全部集成更好的泛化性能．已有的一些选择性集成方法实现的时间复杂性较高，或没有充分利用个体的先验信息．提出了一种新的选择性集成方法FASEN（fast approach to selective ENsemble）．该方法在独立训练出一批神经网络后，采用一种近似搜索策略，只选择与其他个体差异较大且估计泛化误差较小的网络参加集成，把个体选择的搜索空间从2^N降到N．理论分析与实验结果表明，该方法简单高效，泛化性能与已有的几种选择性集成方法相当甚至占优．     

多层神经网络的内在容错性

把多层神经网络具有内在容错性归因于其信息处理和信息存贮的分布特性，以及每个神经园固有的故障屏蔽能力，将多层网内在容错性的概念进行了形式化，进而证明了在合理的统计条件下，感知器和两层网是内在容错的。     

星图网络的容错性分析

分析星图网络Sn的容错性并证明了即便去掉线性多个节点,星图Sn的最大连通分支几乎包含了剩下的所有节点.结果表明星图网络在去掉故障节点时并不损害核心这一意义下是强容错的.     

容错神经网络的计算机辅助设计系统研制

介绍了自行开发的容错神经网络的计算机辅助设计系统ｆｔｎｎＣＡＤ的概念模型、总体设计及详细设计，讨论了容错性能评价问题．     

神经网络故障检测算法研究

该文采用输出带输入线性项的RBF神经网络来辨识非线性随机系统模型,基于扩展卡尔曼滤波器的设计思想,设计了一个可估计状态滤波协方差阵及状态预测协方差阵上界的次优状态滤波器,以产生残差序列,并可用来进行故障检测。该方法适用于一大类非线性随机系统,具有较大的适用范围。     

模糊神经网络在变压器故障诊断中的应用

提出并研究了模糊神经网络在变压器故障诊断中的应用问题。以油色谱分析数据作为输入，故障类型作为输出，建立了邦联诊断的模糊网络模型。故障实例的测试结果表明了这咎方法的有效性。     

Immune Feedforward Neural Network for Fault Detection

An immune algorithm-based approach was developed to optimize a feedforward neural network. The network architecture, activation functions, and training method were encoded as individuals with an ap- propriate method for individual selection. The immune feedforward neural network is then applied to fault detection of water quality monitoring equipment. This gives better performance than a feedforward neural network.     

前馈神经网络中BP算法的一种改进

在传统的BP算法基础上,提出了一种改进的BP学习算法,先加入描述网络复杂性的量,使算法能够考虑到网络的连接复杂性,进而有可能删除掉冗余的连接甚至节点;接着提出对网络的学习步长的动态调整,以此来尽量避免传统学习中的学习速度过慢和反复震荡;然后给出新的算法是高阶非线性收敛的证明;最后通过实验说明的新的BP算法在一定程度上可减少网络的复杂性,有着比传统算法更快的收敛速度。     

基于人工神经网络的旋转机械多故障同时性诊断策略

针对大型旋转机械多故障同时性诊断问题，基于人工神经网络，构造了一种由多个子网络组成的分级诊断网络（ＨＤＡＮＮ）。该网络旨在将一个大的分类模式空间划分为几个小的子空间，以便对各子网络进行有效的训练，提高各子网络的分类能力，从而使整个网络具有高精度的多故障同时性诊断能力，测试结果表明：ＨＤＡＮＮ网络不仅能准确地对单故障进行诊断，而且多故障同时存在的情况下，也能有效地识别出各种故障，该网络具有较高的诊断     

神经网络容错控制结构研究

可靠性是衡量控制系统性能和品质的重要指标。容错控制是提高控制系统可靠性的一种有效手段，神经网络具有非线性特性，容错能力，学习机制，在容错控制中具有得天独厚的优势。该文分析了容错控制理论的发展状况及神经网络的特性，提出一种基于神经网络的分层递阶容错控制结构，并从可靠镇定，控制重构和完整性设计等效有度进行探讨。     

前馈神经网络的二阶学习算法

前馈神经网络是神经网络中应用最广的一种。但由于神经网络采用Ｂ－Ｐ算法，收敛速度慢。在分析了神经网络算法原理的基础上，提出了一种基于变质量法的优化训练算法。仿真证明，这种算法能够大大提高神经网络的收敛速度。     

电力设备基于小波神经网络故障检测方法的仿真研究

提出了一种基于小波神经网络非线性观测器的故障检测方法。它是将规范正交的小波函数作为基函数网络中的基函数,得到小波神经网络。通过小波的去噪和神经网络的自学习功能,获取系统输入输出的非线性动力学特性,进而实时计算出残差并进行逻辑判决,可提高故障检测的速度和准确率。对同步交流电机的结构损伤故障进行了仿真,结果表明了该方法的有效性。