反插值问题的幂激励前向神经网络求解

针对数值法求解反插值问题时存在的正解精度受初值选取影响、计算速度慢等问题,采用幂激励前向神经网络来求解反插值问题.仿真结果表明,幂激励前向神经网络能够有效地解决一一映射反插值问题,而对于非一一映射,却不具备准确反插值的能力.为此,文中提出了一种增加时序控制条件的幂激励前向神经网络,即时序幂激励前向神经网络模型.理论推导和仿真实验结果表明,该时序幂激励神经网络能够更好地解决一一映射及非一一映射反插值问题.     

关于插值神经网络的构造性

神经网络插值问题是神经网络理论与应用的研究热点与难点之一．文中研究具有插值性质的前向神经网络的构造与逼近问题．对于一般的Sigmoidal激活函数和d维Euclid空间中的插值样本,分别构造了精确插值和近似插值的单隐层前向神经网络,研究这两类网络之间的偏差,并分别估计它们对目标函数的逼近误差,指出神经网络插值与一般代数多项式插值之间的本质差异．     

遥操作机器人系统的预测控制

遥操作机器人系统传输通道中存在通讯时延，造成系统不稳定和操作性能降低等问题．为了消除或减少时延的影响，利用前向神经网络建立环境模型，通过神经网络模型预测从机械手受力，并用时间前向观测器预测从机械手状态；然后用力、位置和速度反馈对系统进行设计，使得系统在环境模型未知的条件下稳定，还能获得良好的透明性；最后，将预测方法与无源控制方法进行切换，保证系统在环境剧变时的稳定性．实验结果表明了该方法的有效性．     

基于神经网络的企业财务危机预警系统的构建

针对目前企业财务危机预警模型存在的问题,提出一种基于神经网络的企业财务危机预警方法．重点阐述了前向三层BP网络企业财务危机预警系统的构建,并选取了30家上市公司作为样本,进行了网络训练和测试,结果表明所设计的预警模式是有效的．     

电流控制神经网络逆变控制器的设计与实现

介绍了一种基于多层前向神经网络的电流控制逆变器，给出了神经网络及逆变器的具体实现方法与设计．为了提高神经网络的学习训练速度，笔者采用具有较快收敛速度的递推最小二乘算法（ＲＬＳ）用于网络权值的训练．应用研究表明该逆变器较传统逆变器具有动态响应速度快，静态精度较高等优点．     

基于混合遗传训练方法的分类器参数设计

针对分类器这一狭义模式识别问题,分析了基于多层前向神经网络（ＭＦＮＮ）实现的复杂性．提出了一种混合遗传算法（ＧＡ）和数学规划的权值训练方法,用于模式分类器的参数设计,并进行了仿真研究．     

动态数学神经网络模型及其应用

本文在［１］的基础上建立了广义数学神经元，并引入动态机制，形成动态数学神经网络，由网络当前状态决定网络结点数．从而在一定程度上解决了前向神经网络隐层结点数无法确定的难题，并成功地将其运用于解决用多项式逼近连续函数的魏尔斯特拉斯定理，并建立了龙贝格求定积分的动态数学神经网络模型．     

采用BP-GA算法的一种LSI神经网络的电路设计

将误差反传 (BP)算法和遗传算法 (GA)有机地结合在一起 ,提出了一种新的算法 BP- GA。采用 BP- GA算法 ,设计了一个两层前向 L SI神经网络。作为神经网络的关键部件 ,提出的新型神经元性能优越。它的激活函数与理想sigmoid函数拟合很好 ;可实现对阈值及增益因子的编程并且不同增益因子下饱和输出电压值相同。采用标准 1.2 μmCMOS工艺的模型参数 ,对该两层前向神经网络电路进行的HSPICE模拟证明了它有解决异或 (XOR)问题的能力     

模糊前向神经网络在瓦斯涌出量预测中的应用

为解决多输入单输出数据集的建模预测问题,提出一种基于Mamdani型模糊系统和前向神经网络的模糊神经网络,实现了瓦斯涌出量的建模预测.首先由采样数据生成模糊规则,明确了前向神经网络的网络结构.在Mamdani型模糊系统中提取出了隐含层神经元激励函数,并据此确定了模糊前向神经网络的表达式.然后对BP学习算法进行了改进,得到了权值直接确定的矩阵式.最后在瓦斯涌出量预测中,利用主成分分析法选取了较为重要的3个因素.仿真实验表明模糊前向神经网络具有较高的建模和预测精度.     

基于实例的工艺知识获取模型

介绍了耦合神经网络的工艺设计实例推理系统的实现方法论,提出了一种基于神经网络的工艺设计实例推理索引模型．与现存大多数实例推理系统不同,该方法用神经网络实现实例的动态分类和索引．实例层次分类的三层结构和基于特征的聚类模板概念,为实现基于符号处理的实例推理求解模式向基于神经计算的模式识别求解模式映射提供了条件．提出了基于实例的工艺知识获取模型,采用新实例的入库操作实现工艺知识的隐式获取,从而使知识获取得以简化．神经网络的自适应、自学习能力将减少系统的日常维护工作．基于实例的系统可望解决知识获取的难题．     

一种用于光刻模拟的新光源模型

讨论提出用连续的光源描述函数代替0~1分布的光源函数精确描述光源光强分布,以提高光刻分辨率.在SPLAT的基础上应用新的光源特征函数,建立新的光源模型,并结合测试模板进行仿真.结果显示,新的模型在精度上有较为明显的改善,新光源特征函数有助于建立更为精确的光刻模型.     

用树表达法进行波形理解与释义

本文提出了一件波形的符号化方法——树表达法,利用这种方法可以将各种感知数据换成专家系统易于接受且便于推理的知识表达形式.文中讨论了树的性质,树结点的表达方法及树的生成算法;根据波形分析的特点,提出了一个层次模型,将波形分析过程分为5个步骤:a.信号检测;b.预处理;c.波形分段;d.波形识别;e.基于领域知识的波形解释.     

神经网络专家系统在试井解释中的应用

论述了应用专家系统和人工神经网络自动识别试井解释模型的新方法．首先应用人工智能对试井解释模型的压力导数图进行识别，建立了用专家系统构成模块式识别系统；然后应用人工神经网络实现试井解释模型识别；该系统能根据新的试井资料识别试井解释模型；最后，神经网络和专家系统相结合用于试井解释．油田实际试井数据的识别结果说明该方法是一种非常有效的识别方法，对不完全的，有噪声的试井数据也能有效地识别，识别准确率较其它方法都有较大提高     

基于RBF神经网络的烧结终点预测模型

本文提出一种基于径向基函数（RBF）神经网络的烧结终点预测模型。该模型首先采用改进的最近邻聚类算法确定径向基函数中心,接着应用递推最小二乘法训练网络的权值。通过现场采集数据对该模型进行仿真,其实验结果表明,该模型具有较好的学习能力和泛化能力,为烧结终点的预测提供了一种新的解决方法。     

模糊 RBF 网络简化模型研究

在一定的前提条件下,提出一种简化的模糊ＲＢＦ网络模型．该网络由输入层、模糊化层、模糊联结层、合成联结层和输出层组成．同时,还给出网络的构造方法和自学习方法．仿真结果表明此网络对非线性、多变量函数具有良好的逼近能力．     

一种基于T-S模糊模型的自适应建模方法及其应用

提出了一种改进的基于T-S模糊RBF神经网络模型的辨识算法和自适应方法,采用模糊C均值聚类(FCM)算法划分输入输出数据空间,最后将该算法应用于丙烯腈收率的预报,仿真结果表明了这种基于T-S模糊模型的自适应建模方法的有效性。     

神经网络余数制系统

研究了神经网络余数制信号处理系统，提出求余运算的逐位比较模型，以非对称Ｈｏｐ－ｆｉｅｌｄ网络为基础，构造了求余运算神经网络；将此网络用于求解中国余数定理，构造了实现务＋转换的一种全新方案。计算机仿真结果证实了这个新方案的高速和有效性。     

带正弦函数扰动的小波混沌神经网络研究

对小波混沌神经网络的内部状态进行改进,引入了三角函数扰动,提出了一种新型的带三角函数扰动的小波混沌神经网络模型,并把它应用到函数优化和组合优化问题中.仿真结果表明,在控制适当的扰动系数时,带三角函数扰动的小波混沌神经网络能有效地解决函数优化问题和组合优化问题,体现了小波混沌神经网络有很强的鲁棒性和抗干扰能力.     

集成旋转机械故障诊断的知识表示与推理

本文提出了一种新的基于规则和神经网络集成的智能旋转机械故障诊断方法，该法把专家经验和故障样本以统一的分布表示形式组织到知识库中，并在此基础上提出了推理算法的自学习选取，整个系统充分发挥了规则系统和神经网络的优点，具有知识表示明确、并行推理、联想和自学习等优点。最后结合实例进行了分析。     

解一类线性变分不等式问题的神经网络

提出了求解一类线性变分不等式问题的一个新神经网络.定义了恰当的能量函数,严格证明了该网络是Lyapunov稳定的,并且渐近收敛于原问题的一个精确解.此外,新模型在适当的条件下是指数稳定的.由于新模型的规模与原问题相同,并且其参数易于选择,因此其结构简单,更适合于硬件实现.实例表明新模型不仅可行,而且有效.