面向工程复杂劳动的非线性计量系统设计与分析

研究复杂劳动及复杂劳动过程的三要素特性，提出复杂劳动是大脑神经网络以非线性、并行的方式进行模糊信息处理的过程，是从混沌搜索已知记忆状态的过程。基于这种特性，引入混沌、神经网络等非线性理论，应用知识工程、模糊技术等，给出复杂劳动非线性计量的思路，建立了非线性计量系统，并以椅子类设计为例，给出案例分析。     

一种基于神经网络的非线性自适应滤波器

提出了基于Ａｄａｌｉｎｅ－ＭＬＰ递归神经网络的非线性自适应滤波器。这种新的滤波器运用了自适应ＩＲ滤波器理论，具有神经网络分布式并行信息处理，较好的容错特性和鲁棒效应等优点，且比传统的滤波器有更好的收敛特性，并可方便地实现非线性滤波。此外，还给出了Ａｄａｌｉｎｅ－ＭＬＰ递归网络在线滤波算法及其在非线性自适应噪声抵消器中的应用。最后进行了计算机仿真。     

神经网络在水资源预测中的应用

人工神经网络通过神经元之间的相互作用来完成整个网络的信息处理，具有自学习和自适应等一系列优点，因而用它来进行水资源预测是可行的。针对水资源预测问题，初步建立了基于神经网络的预测系统，给出了应用实例。这是水资源预测的一种新的尝试。     

水上交通安全信息处理中的神经网络技术

由于航道信息环境的复杂化 ,使得现代水上交通安全面临着很多严重问题。解决这些问题的出路在于采用先进的信息处理理论和技术 ,而神经网络就是一个最佳的选择。研究分析表明 ,神经网络在水上目标的雷达、红外和声纳检测 ,识别 ,跟踪 ,水上交通安全信息融合 ,船舶避碰决策支持等方面 ,具有良好的应用前景     

基于连续型Hopfield神经网络的噪声字符识别

采用连续型Hopfield神经网络(CHNN)对噪声字符进行识别。此模型比离散型Hopfield神经网络(DHNN)和布尔神经网络(BNN)更易于硬件实现，且在信息处理的并行性和实时性等方面更接近实际生物神经网络的工作原理。仿真结果表明该方法可以有效地对噪声字符进行识别。     

基于免疫克隆选择算法的多用户检测技术研究

为了解决最佳检测器计算复杂度较高的难题，提出一种精简有效的克隆选择算法。把人工免疫系统和神经网络系统的信息处理机制引入到CSA提出了免疫克隆选择算法。所提ICSA通过使用随机Hopfield神经网络制备疫苗构成新的免疫算子，把新的免疫算子结合到克隆选择算法中，不仅加快了克隆选择算法的收敛速度，并提高了克隆选择算法的全局收敛能力。然后在CDMA系统利用此算法设计了新的多用户检测器。仿真结果证明了ICSA检测器能够快速收敛到全局最优解，并且无论抗多址干扰和抗远近效应能力都优于传统方法和一些应用优化算法的多用户检测器。     

外积取等联想记忆神经网络部分同步收敛性

在生物视觉系统中发现的部分同步振荡现象被认为是视觉信息处理的重要机制 ,并对认识脑信息处理机制有重要意义。以联想记忆神经网络为例 ,针对外积取等学习准则定义了两种部分同步运行规则 ,通过引入样本向量割、割等价及割互补的概念 ,对外积取等联想记忆神经网络部分同步运行的收敛性作了直接的数学分析 ,证明了实现收敛所需的迭代数是有限的。     

基于BP神经网络PID参数自整定的研究

PID控制是迄今为止在过程控制中应用最为广泛的控制方法。但在实际应用中，其参数整定仍未得到较好的解决。本文把神经网络技术应用在PID控制中，充分利用神经网络具有非线性函数逼近能力，构造神经网络PID自整定控制器，并通过仿真试验，取得较好的结果。     

神经网络专家系统——基本理论与实现

AI的引入使计算机科学取得了惊人的成就,而作为AI最活跃的分支——专家系统的迅速发展和成功应用使AI从学科研究走向实际应用取得了重大突破。然而,专家系统的发展遇到知识获取“瓶颈”、“窄台阶”等因难以及现代数字计算机固有的缺陷,使其支持能力受到极大的限制,亟待开拓新的途径和方法。最新发展的以非线性大规模连续时间模拟并行分布处理为主流的神经网络理论为AI和专家系统的发展开辟了崭新的途径。基于神经网络非线性信息处理基本原理,本文系统地研究并论述了神经网络专家系统理论与基本框架;提出了知识的神经网络表示、知识获取的自适应学习训练、知识的自适应并行联想推理、模糊推理等方法。神经网络专家系统理论的发展和应用必将为AI、计算机科学和信息科学带来历史性的突破。     

开关电流WTA神经网络

本文研究了ＷＴＡ神经网络的开关电流技术实现。提出了ＷＴＡ神经网络的开关电流技术实现电路，分析了开关电流ＷＴＡ电路的动态行为。模拟实验和计算机仿真结果表明本文所提的开关电流ＷＴＡ神经网络是可行的。此开关电流神经网络可应用标准的数字ＶＬＳＩ工艺单片集成，且能在低电压如３．３Ｖ下工作。     

神经网络模型用于多变量综合预测

本文研究神经网络用于多变量时间序列预测的原理与方法，提出组合多种信息的综合预测方法。以股票交易为例，用神经网络组合各类信息，运用信心股价理论对中国股市的发展进行跟踪预测。在此基础上进一步从信息利用的角度说明了神经网络预测方法的特点。结果表明，神经网络模型用于多变王时间序列预测，其精度和趋势均较统计方法有所提高；神经网络综合预测，对中短期股票价格的预测，有实用价值。     

Time Series Neural Network Forecasting Methods

ＴｉｍｅＳｅｒｉｅｓＮｅｕｒａｌＮｅｔｗｏｒｋＦｏｒｅｃａｓｔｉｎｇＭｅｔｈｏｄｓＷＥＮＸｉｎｈｕｉ；ＣＨＥＮＫｅｉｚｈｏｕ（ＴｈｅＣｅｎｔｌａｌｏｆＮｅｕｒａｌＮｅｔｗｏｌｋ，Ｘｉ＇ｄｉａｎＵｎｉｖｅｒｓｉｔｙ，Ｘｉａｎ７１００７１，Ｃｈｉｎａ）Ａ...     

跨越连接BP算法及其在卷烟制丝工艺中的应用

传统BP神经网络算法及其改进算法都是非完全全连接神经网络算法,具有收敛速度慢,泛化能力差等不足.通过对神经网络连接方式的转化,可以得到一种完全全连接神经网络--跨越连接神经网络,并给出了跨越连接BP神经网络算法.针对卷烟制丝工艺的仿真实验表明,该算法具备描述复杂数据的能力,与传统BP算法相比,网络训练收敛速度快且泛化能力强.     

一种新的基于神经网络的非线性组合预测方法

一种新的基于神经网络的非线性组合预测方法文新辉牛明洁（西安电子科技大学，７１００７１）（新疆石油学院，乌鲁木齐８３００００）ＡＮｅｗＮｏｎｌｉｎｅａｒＣｏｍｂｉｎｅｄＦｏｒｅｃａｓｔｉｎｇＭｅｔｈｏｄｏｎｔｈｅＢａｓｉｓｏｆＮｅｕｒａｌＮｅｔｗｏｒｋ...     

基于模糊神经网络的轮廓误差附加补偿控制研究

在分析系统轮廓误差的基础上，提出了基于模糊神经网络的轮廓误差补偿方法，并说明其补偿器的原理、算法及实现。该法在不改变系统各单轴位置环的前提下，根据系统的轮廓误差，通过模糊神经网络的自学习能力动态向各轴提供误差补偿信息，进而提高系统的轮廓精度，同时也解决了各轴之间增益不匹配、动态不匹配和各轴不可预见性问题。最后，在MATLAB6.1环境下对该系统进行仿真，仿真结果表明其可行性和有效性。     

ANN在事物分类中的问题讨论

在事物分类中 ,人工神经网络被认为是一种客观而实用的方法 .但数据分析表明 ,网络输出结果并不完全符合实际情况 ,有时甚至严重失真 ,存在着一系列问题 ,而这些问题是由网络本身的性质所决定的 .     

LM-BP算法在金融股指预测中的参数设定

针对股价系统内部结构的复杂性、外部因素的多变性,分析了基于BP网络进行股市预测的原理,利用三层前馈神经网络对股市建立预测模型,探讨了网络的拓扑结构、隐节点个数确定的原则、样本数据的选取和预处理、初始参数的确定等问题.为了避免网络陷入局部最小点和提高网络的收敛速度,算法采用改进后的LM-BP,并与其他BP算法进行比较.以最具代表性的上证指数为例,仿真实验表明了经过对筛选后的样本学习,并对所建的预测模型进行训练后,该LM-BP算法能够对有短期上证指数走势进行有效稳定预测.     

神经网络的智能雷战斗部总体效能评价研究

建立了反直升机智能雷战斗部系统总体效能的评价体系.对各种评价方法进行了分析,这些方法都是以判断矩阵为核心,仍然显著地受决策者的主观影响.对应用人工神经网络技术解决反直升机智能雷战斗部系统总体效能评价问题进行了探讨,给出了神经网络评价模型和算法.对层次TCPSIS法评价结果与神经网络评价结果进行比较,结果表明神经网络的评价结果受决策者的主观性影响较小.     

基于灰色神经网络组合模型的故障预测

针对装备故障预测存在有效样本少、模型预测精度低等问题,集成灰色理论和神经网络方法,提出基于灰色神经网络的故障预测组合模型。基于新信息优先原理和重构背景值方法优化灰色GM（1,1）模型的初始值与背景值,利用Levenberg-Marquardt算法改进反向传播神经网络模型;采用组合预测思想,将多方法融合改进灰色模型和神经网络模型,分别构建基于权重分配、基于误差修正和基于结构优化的3种灰色神经网络组合模型。以某雷达发射机的故障预测为例,验证上述方法在故障预测中的有效性。结果表明,灰色神经网络组合模型的预测精度优于单一预测模型,可用于装备的故障预测和预测性维修。     

基于神经网络的交通信息融合预测方法

为了更加准确地预测动态变化的交通信息，通过分析城市道路交通流量变化的特点，提出一种基于神经网络的融合预测方法。这种方法根据预测数据各属性的特点，将数据构造为多个相关的时间序列。在此基础上，对各序列采取不同的处理方法，然后利用神经网络进行融合，得到最终的预测结果。这种方法可用于数据动态预测的各种领域。实验结果表明，采用这种方法可以有效地改善数据预测的误差。