多层前向网络在非均匀介质参数识别中的应用

将多层前向神经网络技术和计算力学方法相结合应用于非均匀介质参数识别,提出了一种新的Ｓｉｇｍｏｉｄ函数,使用前网络能较好实现全局最优逼近,采用有限元法获得神经网络训练所需的样本集,然后通过实测点的位移值用三层人工神经网络对非均匀介质进行参数识别,计算机数值实验表明,这种方法是有效的,所得结果具有相当的精度。     

低渗透性含水层水文地质参数确定方法及其应用

基于低渗透性含水层的微水试验,提出了利用试验资料计算含水层水文地质参数的解析方法,推导了其解析表达式.该解析方法既考虑了水位降深和时间等参数,也考虑了将抽水量作为计算参数的已知量.用该方法确定含水层的水文地质参数,比用微水试验的配线法和水位恢复法具有更好的适用性.以某电厂地基抽水试验为例,用该解析法计算其含水层的水文地质参数,计算结果比较合理.     

一种含n层X形结构隔振器动力学特性研究

针对含1层X形结构的三参数隔振器谐振频率会向高频移动的问题,提出一种新型含n层X形结构隔振器.采用谐波平衡法建立新型隔振系统动态响应的解析模型,并将解析解与时域数值解和多体动力学软件Adams得到的仿真数据进行对比,验证了所建含n层X形结构隔振器模型的正确性.基于建立的模型,通过计算对比了新型隔振器与传统两参数隔振器、三参数隔振器、含1层X形结构隔振器的力传递率曲线,得出含n层X形结构隔振器可以进一步降低谐振处的峰值,且谐振频率比向低频发生移动.经过研究得出影响含n层X形结构隔振器性能的主要参数为阻尼比、初始夹角、刚度比,与激励力幅值以及杆长无关;进一步分析了阻尼比、初始夹角、刚度比对隔振系统传递特性的影响,得出通过选择合适的设计参数,可以使含n层X形结构隔振器在谐振频率的峰值进一步减小,且在高频处的隔振性能保持不变.     

基于Laguerre正交基神经网络的动态手势识别

提出一种基于Laguerre正交基前向神经网络的动态手势识别方法.首先根据多项式逼近和矩阵理论,构造了一种以Laguerre正交多项式作为隐含层神经元激励函数的多输入、多输出三层前向神经网络模型,在网络权值迭代计算公式基础上推出一种基于伪逆的直接计算网络权值方法,避免求取权值的反复迭代过程;提出一种快速的基于颜色的指尖...     

盾构隧道开挖面对数螺旋破坏模式研究

利用水土压力统一计算理论,将盾构隧道开挖面涉及的水土压力分算参数和合算参数转变为统一参数,该方法可应用于土层为砂土和黏土的情况,特别适用于土层为黏质粉土及粉质黏土的情况.基于上述计算的统一参数和极限分析上限法,推导了考虑水压影响的开挖面对数螺旋破坏模式的极限支护压力解析解公式;并利用土层厚度加权平均法,对多层土体参数和水压力进行了简化分析,从而可将上述解析解公式应用于多层土盾构隧道开挖面稳定性评价中.结合上海长江隧道实例,利用推导的解析解公式对盾构隧道开挖面极限支护压力进行了计算,并将计算结果与前人研究进行了对比分析.结果表明:所建立的开挖面对数螺旋破坏模式可应用于盾构隧道开挖面稳定性评价中.     

基于Bernstein多项式的SISO三层前向神经网络的设计与逼近

利用一元Bernstein多项式在相邻等距剖分点的差值和Sigmodial转移函数性质设计单输入单输出(single input single output, SISO)三层前向神经网络,并给出选取连接权和阈值的方法。此外,依据一元Bernstein多项式逼近连续函数定理证明SISO三层前向神经网络对连续函数也具有逼近性,进而通过实例获得该网络的一种输入输出解析表达式。     

神经网络隐层作用的机理分析

本文对傅立叶级数进行了拓展 ,提出广义级数的概念 ,指出三层前向神经网络隐层作用的机理实质上是一种广义级数展开 ,从而将神经网络与级数完美地统一了起来。指出神经网络隐层的驱动函数系列构成了一个框架 ,并给出了计算一个已训练好的三层前向网络的冗余度的方法 ,最后给出了许多有益的结论。     

承压含水层地下水稳定流的有限层分析

有限层法是一种对空间某一方向进行数值离散,而在其余两方向采用连续函数的半数值半解析方法.该方法能有效地将三维问题简化为一维问题求解,从根本上解决了常用数值分析方法在模拟三维地下水运动时存在的计算工作量大、占用内存多、耗时大等缺点.文中基于有限层法的优点,推导了以伽辽金法结合贝塞耳函数为基础的层状非均质各向异性承压含水层的稳定流有限层方程,并编制了相应的计算程序.通过对2个经典算例的数值解与解析解对比分析,验证了该方法的正确性.     

一种多层前馈网络计量经济建模方法

介绍了4种敏感性分析方法,给出了多层前馈网络计量经济模型正规化灵敏度的解析计算方法,进而利用灵敏度来进行多层前馈网络结构优化.结果表明了对多层前馈网络计量经济模型进行敏感性分析是一种有效识别敏感因素的方法.     

悬索桥成桥主缆线形计算研究

基于分段悬链线理论,推导了成桥线形计算方法和迭代格式.以此编制程序并围绕解析法中成桥线形分析中吊索力的确定,结合施工中加劲梁的架设特点,采用三种不同的近似方法来计算吊索力.对各种不同方法下得到的成桥线形进行了研究和比较.研究结果表明,基于解析的悬链线理论,吊索力虽然近似计算所得,但计算精度远比参数方程法和抛物线法高,在方法上也比有限元法简便.为以后采用类似方法计算偏差状况提供了参考.     

用T-S型模糊神经网络的机械手轨迹跟踪自适应控制

对于常见的将 CMAC神经网络前馈控制器和常规反馈控制器相结合的机械手轨迹跟踪控制方案 ,它的控制性能同时受神经网络前馈控制器学习能力和反馈控制器控制精度的制约。该文提出的采用 T- S型模糊神经网络的机械手轨迹跟踪自适应控制方案充分利用了 T- S模糊模型的特点和优点 ,以一种基于简化的 T- S型的模糊神经网络作为前馈控制器 ,同时反馈控制器也采用 T- S型模糊神经网络实现。针对三自由度机械手轨迹跟踪问题的仿真实验表明 ,采用 T- S型模糊神经网络的机械手轨迹跟踪自适应控制方案是可行的和有效的     

用初始函数法计算多层地基的位移和应力

本文应用Fourier积分变换,求出单层横观各向同性弹性地基位移和应力的初始函数解答。然后,利用矩阵递推方法,求出多层横观各向同性地基在表面荷载作用下位移和应力的一般表达式。根据导出的公式编制了微型计算机程序。文中的算例与其它方法结果比较说明了本方法的正确性。     

一种改进的多层前馈神经网络结构研究

通过将传统多层前馈神经网络结构改造为具有跨层连接的网络,提出了相应的多层前馈神经网络改进算法.通过分析网络误差函数,从理论上证明了:相对于无跨层连接网络,有跨层连接网络能以更加简洁的结构逼近理想状态.最后,用一个隐层神经元解决了传统网络必须用两个隐元才能解决的异或问题.     

基于层次模式的网格资源发现研究

网格被普遍认为是下一代网络,而资源发现是网格资源管理的基本组成部分。完全集中式资源发现机制和完全分布式资源发现机制都存在若干优点和缺点,因此,在集中式和分布式资源发现方法的基础上,提出了基于层次模式的资源发现方法。将网格中的资源分成三层结构,其中包括物理网络层、资源信息层和索引信息层,在此分层的基础上提出了基于层次模式的资源发现方法。最后对该方法进行模拟,并对模拟结果进行分析,该方法有较好的时间扩展性和性能,同时,在这种方法中能通过并行的方法发现需要的资源。     

混沌算法神经网络与含噪声时间序列的预测

在前馈神经网络连接权的动力学方程中引进一非线性反馈预后,网络在权空间具有混沌动力学行为：应用这种算法的神经网络对基于Mackey-Glass方程含噪声的时间序列进行在线预测,结果表明网络具有很好的预测性能。     

基于重置的拟牛顿动态前馈神经网络

前馈神经网络的结构直接影响网络的性能。构造基于拟牛顿法(Quasi．NewtonAlgorithm)的前馈神经网络模型，为了优化神经网络结构，尝试引入重置算法(EarlyRestartAlgorithm)，得到基于重置的拟牛顿动态前馈神经网络。对比实验表明，重置算法的引入有效地解决了结构优化问题，优化后的神经网络具有良好的收敛性与稳定性。     

基于神经网络的三维人体建模方法

利用扫描人体数据库,按特征点位置确定若干截面,对截面上的特征点重新识别和处理,获得胸部、脖子、腰部和臀部等特征部位截面环的训练样本,利用4层BP神经网络模型,通过编程分别训练得到人体胸部、颈部、腰部和臀部的神经网络权值参数,从而得到适用于一般人体的截面环自动生成模型,自动生成用户人体各个特征部位的截面环,最终生成三维人体网格模型.结果表明：该方法能很好地逼真实际人体特征曲线,是在只有用户人体参数信息,无扫描人体情况下的一种较好的人体建模方法.     

非均匀层状介质中感应测井响应的新型计算方法

数值模式匹配（NMM）法是电法测井数值模拟的有效方法，但是由于其在解析部分要推导反射矩阵和透射矩阵公式，因而比较烦琐。以非均匀层状介质中感应测井为例，探索了径向上数值、轴向上解析数值模式匹配理论，并对解析部分进行了改进，即应用电场强度和磁感应强度在界面的连续性条件推导出了上行波和下行波的递推关系，并提出了界面转换阵的概念。其思路简单，具有更加明确的物理意义。易于编程实现。经对比，新算法的数值模拟结果与原来的NMM方法和有限元方法（FEM）的计算结果是一致的。而且，这一思想同样适用于电极型测井方法的数值模拟．对于精确反演也具有首要意义。     

前馈神经网络结构优化新算法

前馈神经网络的结构直接影响网络的性能.首先基于拟牛顿NL2SOL法构造前馈神经网络模型,为了优化神经网络结构,尝试引入重置算法(Early Restart Algorithm),构建基于重置的NL2SOL动态前馈神经网络.最后通过对比实验表明,重置算法的引入有效地解决了神经网络的结构优化问题,优化后的神经网络具有良好的收敛性与稳定性.