系统仿真模型的统计验证方法

可信性是系统仿真的关键。该文研究的是系统仿真模型验证的统计比较分析方法,讨论了动态一致性检验的时间序列方法,以及检验试验与仿真结果的一致性问题。     

基于曲线拟合的仿真模型验证方法

仿真模型的验证方法研究是仿真模型可信性评估VV＆A（Verification,Validation and Accreditation）中重要的研究内容之一。本文根据仿真模型的特点,利用曲线拟合方法,提出了一种基于计算模型指标过程差的统计验证方法,并以一个简单的物流仿真模型验证为例,说明了该方法的可行性和有效性,为仿真模型的验证提供了一个方法参考。     

数字电路的神经网络模型研究

研究数字电路的Ｈｏ０ｐｆｉｅｌｄ神经网络模型,说明了这种模型的原理及建立方法,并指出这种模型存在的不足,然后研究电路手最优神经网络模型,给出了模型的相关定义,讨论了任意数字电路对应的最优神经网络的存在性,这些建模方法可应用于电路的测试、逻辑验证等领域,能提高相关的计算效率。     

基于交叉验证的神经网络实现

针对神经网络BP算法存在收敛速度慢、学习数据有限和网络学习过程易陷入局部最小值等问题,提出对标准BP算法相关参数进行调整并选择合适的隐藏层个数的方法,然后采用交叉验证方法对BP算法做了再改进。仿真结果表明基于交叉验证的BP算法优于传统的BP算法。     

基于神经网络方法的集成式驾驶员跟车模型

为了提高驾驶辅助系统的跟车性能,基于神经网络方法建立了一种集成式驾驶员跟车模型.通过真实交通环境下的驾驶员实验获得了稳定跟车状态数据,并利用Kalman滤波器对数据进行了处理和估计.设计了以BP神经网络为核心的集成式模型结构,该模型以前车速度为输入,计算跟车过程中的两个特性参数并输入神经网络以模拟驾驶员控制的自车加速度.利用处理后的数据样本对网络进行了训练,并对该模型进行了仿真验证.仿真结果表明;神经网络模型具有模拟驾驶员跟车行为的能力,模型体现出较为准确的跟踪特性,并对不同的前车工况具有良好的适应性.     

基于仿真方法验证IDEF3过程模型的有效性

经营过程建模中对模型的有效性验证是过程分析优化的基础。现有的过程模型有效性验证方法单纯追求算法的高效率,只能针对特定模型验证某些过程结构的合理性,不适合经营过程的复杂性需求。该文提出了一种基于仿真方法的有效性验证算法,在确保验证算法效率的基础上,能够验证扩展的IDEF3过程模型的3种逻辑错误:结构死锁、同步丢失和对象不匹配,从而不仅能够验证过程逻辑结构上的不合理,还能够对参与过程的对象所造成的不合理进行验证。     

基于模型检测的审计方法逻辑正确性验证

利用模型检测的建模方法,对审计方法及其计算过程和期望的计算结果进行建模,并在模型检测器上对逻辑性较强的凭证断号检查审计方法进行验证,提出一个利用模型检测方法对审计方法逻辑正确性验证的框架.利用模型检测器给出的反例,对验证的审计方法进行修正.实验结果表明,模型检测方法能验证审计方法逻辑的正确性.     

基于BP神经网络模型的水质评价方法探讨

运用人工神经网络理论和方法,建立了水质评价的BP神经网络模型,并对长治市10眼水井的地下水水质进行了评价,并与综合指数法、模糊综合评判法的评价结果进行了比较。结果表明,用BP神经网络模型评价水资源水质是可行的,为水资源水质评价提供了一个新的方法。     

基于均衡7×2交叉验证的模型选择方法

交叉验证策略广泛应用于分类问题的模型比较和模型选择中．文章提出一种均衡7×2交叉验证并给出了相应的构造方法．文章以分类回归树（CART）为考察模型,对比了采用均衡7×2交叉验证、组块3×2交叉验证、标准5折和10折交叉验证在模型选择中的性能．模拟结果表明,在小规模数据集上,均衡7×2交叉验证方法选择到真模型的概率明显高于其余三种交叉验证的选择方法．     

基于规范化工作流网建模的模型验证方法

在比较分析已有工作流模型验证算法优缺点的基础上,提出一种新的工作流模型验证方法.该方法基于规范化工作流网,不仅可以检测死锁、孤立点等常规模型错误结构,而且能够检测隐蔽性很强的AND-split→OR-join(A→O)结构.为了成功检测A→O结构,详尽分析了不同A→O结构的特点,并找到它们之间的共同特征,进而通过探测该共同特征来检测是否存在A→O结构,从而克服已有算法无法验证A→O结构的缺陷.此外,还给出模型规范化规则,使得方法能够验证不规范的业务流程.通过实例分析,表明算法有效可靠.     

基于多传感器的神经网络模式识别方法

提出基于样本信息量不减少和减小误差的原则下，提取样本数据的综合指标的处理方法，从而克服传统识别方法中样本数据过大，而且存在误差和干扰，严重影响识别速度和效果的困难。改善了神经网络模式识别的效果。     

基于Hopfield-Tank模型的快速神经网络方法

分析了Hopfield－Tank模型在收敛性、稳健性、优化率以及计算速度方面存在的问题，根据外部惩罚函数法的基本思想提出了一种新的基于Hopfield－Tank模型的快速神经网络方法。对TSP的能量函数进行了改进，并对我国31个城市的TSP进行了软件模拟，得出了15640km的最短路径，在收敛性、稳健性、优化率以及计算速度方面的结果都十分满意。     

一种用神经网络估计网络可靠性的方法

提出一种用神经网络估计网络系统可靠性的方法．用节点数为n的网络系统的结构参数、网络中边的可靠度以及网络可靠性的精确值对神经网络进行训练，使神经网络学习到网络结构参数、网络中边可靠度与网络可靠性之间的映射关系．并利用同样的训练数据，应用GCV方法对神经网络模型的误差进行估计．对于节点数为n的其它网络系统，只要将有关数据输入获得的神经网络，就可得到该网络可靠度的估计值．     

基于BP神经网络的税收预测模型

在分析影响税收主要因素的基础上，将反向传播（BP）神经网络理论应用于税收的预测．首先对初始数据进行预处理，使其适应BP神经网络学习的要求，然后建立基于BP神经网络的税收预测模型．采用实际数据对模型进行验证，并将其与传统的统计模型相比较，证明了基于BP神经网络的税收预测模型有较高的精度和较强的实用性．     

基于组合神经网络的教师评价模型研究

本文提出的基于组合神经网络的教师评价模型,可以弥补以往基于神经网络的教师评价模型的不足,不但可以给出教师的综合得分或所属类别,还可以给出教师在每个方面的得分.所使用的组合神经网络,由多个结构相同的BP神经网络组成;用构建的组合神经网络和传统BP神经网络分别进行实验.仿真实验表明,该模型相对误差较小,可以满足评价需求.     

基于神经网络的发动机模型辨识

为进一步研究发动机的稳态、空载、动态转矩、燃油消耗模型和万有特性,笔者提出了一种基于神经网络的神经元结构模型和多层前馈网络结构模型并分别进行了数学分析.实践研究表明：在发动机的工作过程中,动态工况占66%～80%,并发现发动机的动力性和经济性指标与稳态工况存在着一定的差异.     

基于神经网络的项目评估分析方法

项目评估是当前有关部门需要面临和经常遇到的问题，怎样公正、合理地评价项目，是急需解决的问题。使用神经网络的方法分析建立模型，构建了解决这一问题的方法，建立了一个适用的系统，既达到了快速解决问题的效果．又为以后这种类型的项目提供了解决问题的一种思路。     

基于神经网络的文献老化模型研究

研究了利用神经网络建立文献老化模型的方法,提出了该方法的基本设计思想和算法实现过程,并通过实例进行了计算,利用建立好的神经网络模型计算出该文献的半衰期。与传统的B-K模型计算方法进行了比较,结果表明该算法用于文献老化是可行的,具有较高的精度。     

基于GM-RBF神经网络组合模型的水泥强度预测方法

 为预测煤矸石代黏土煅烧水泥的28 d 抗压强度性能,根据生产水泥的物检分析数据,将GM(1,N)预测技术和径向基函数（RBF）神经网络技术相结合,提出了基于GM-RBF 神经网络组合模型水泥强度预测的新方法。该组合模型首先利用试验产品的典型物检数据建立GM(1,N)网络,对数据进行预处理。然后将输入样本数据进行一次累加生成操作,并进行归一化,设置GMRBF神经网络组合模型预测精度和散步常数。经处理后的输入样本作为RBF 神经网络输入向量,相应的实测28 d 抗压强度作为模型的输出期望值开展训练,比较预测数据与实测数据,并进行调整,最终得到符合精度要求的GM-RBF 神经网络组合模型。该组合模型一方面避免GM(1,N)模型的理论误差,利用累加生成运算和样本数据的预处理,减少了由于训练样本随机性对建模精度产生的影响;另一方面由于具有自适应、自组织和速度快等特点,能快速预测水泥远期强度情况。仿真试验表明,该模型预测精度优于单个GM（1,N）模型或RBF 神经网络模型,具有较好的拟合性,适用于对水泥强度的预测,可以为煤矸石代黏土煅烧水泥的质量分析提供有效参考。