Hermite正交基前向神经网络的权值直接确定法

根据多项式插值与逼近理论,提出了一种基于Hermite正交基的前向神经网络模型．该神经网络采用3层前向结构,以一组Hermite正交多项式作为隐层神经元的激励函数,而输入输出层神经元则采用线性激励函数．依据误差回传（BP）算法给出了权值修正的迭代公式．区别于以往反复迭代训练而达到最优权值的标准做法,针对该Hermite正交基前向神经网络模型,进一步提出了一种基于伪逆的直接计算权值的方法（即一步确定）．该权值直接确定法避免了以往的权值反复迭代的冗长训练过程,仿真结果显示其具有比传统的BP迭代法更快的计算速度和工作精度．     

双输入型模糊前向神经网络的构建

利用高斯型隶属函数作为隐层神经元激励函数,构建了四层模糊前向神经网络.根据从训练数据集中提取出的插值样本数量来确定隐层神经元个数.网络结构确定后,基于二元函数逼近论确定最优权值,得到双输入型近似插值神经网络,说明了最优权值的双输入型模糊前向神经网络的实现过程.计算机数值仿真实验表明所构建的网络在运行时间、逼近精度与去噪效果等方面是有效的,丰富了多输入神经网络的构建方法.     

“严格等平方和”问题的插配解法

本文解决了一道世界数学难题，作者在寻求该问题基本解的基础上导出了一个插配解法．用此方法既能迅速求解，又能简捷地构造出每组为任意个数、每个数为任意位，且符合严格等平方和条件的两     

求解“韩信点兵”问题的算法研究

求解“韩信点兵”问题可归结为一次同余式组ｘ＝ｒ１（ｍｏｄ ｐｉ）或一次不定方程组ｘ＝ｐｉｘｉ＋ｒｉ的求解，当方程的个数ｎ与模ｐｉ（ｉ＝１，２．．．ｎ）较大时，用同余式理论和孙子定理求解的过程非常繁琐。为此，运用试算分析法和辗转相除法，给出了求解上述问题的两种通用的计算机算法和程序。通过实践证明，该算法具有计算步骤简便，求解灵活快速，通用性强等优点。     

基于Kalman滤波的人工神经网络算法及在矿物机械活化中的应用

为了避免传统BP算法的局限性，通过利用Kalman滤波算法对权值矩阵作为滤波状态变量进行估计，在迭代过程中还引入神经元增益gi和状态动量因子γm两参数来平滑权值矩阵．在此基础上建立的BP算法不仅大大加快了收敛速度，而且提高了网络数值的稳定性，应用于矿物机械活化过程模拟得到令人满意的效果，证明是一种有效的BP学习算法．     

线性规划最好主元法的实验报告

该文对求解线性规划一种新的快速算法，称为最好主元法，在计算机上通过了数千个实例的试算表明，迭代次数不超过变量维数与约束个数之和，是一个很有价值的实用算法．     

傅立叶神经网络建模研究

基于函数逼近论，将一组傅立叶基函数作为三层前向神经网络各隐含神经元的输出特性，以其加权和作为网络的非线性输出，构成一种新型的傅立叶神经网络；从理论上解决了单输入神经网络隐含层数及隐含神经元个数难以确定的问题。仿真实验表明，该网络具有优良的逼近任意非线性特性的能力。     

代数拓扑的一个应用

本文探讨当拟人双臂各夹持形状复杂物体，在没有视觉情况下运动，在任意方位指定的位置上相互协调装配的问题．应用同伦论，导出一个适合计算机判定的判别式．此法计算量少．     

一类含导数条件的插值问题教学研究

从实际应用中常见的一类含导数插值条件的问题出发,推广余项校正法,构造了适合该类插值问题的Birkhoff插值多项式,并利用基于Birkhoff插值的Chebyshev谱配置点方法求解常微分方程边值问题的近似解.与常用的谱配置点方法相比,新的谱配置点方法有两个优点:导出的线性代数方程组的条件数与配置点个数无关;可以精确施加本质边界条件.数值实验表明,即使对于很大的配置点个数,新的谱配置点方法仍能得到稳定的解.     

小波神经网络的改进及应用

提出一种带有动态补偿的双隐层小波神经网络,其中过程神经元隐层完成对输入信息过程模式提取和对时间的聚合运算,小波函数代替非时变一般神经元隐层函数,用于提高网络对系统输入输出之间复杂关系的映射能力,动态补偿用于提高建模精度.将其应用于管道泄漏故障的检测,收到良好的效果.     

应用神经网络预测顶升法纠偏加固中的生石灰量

根据建筑物实测沉降利用人工神经网络理论,建立了前馈网络模型并提出新的算法,结合某建筑物纠偏工程实例对建筑物纠偏加固所需的生石灰量进行了预测.预测结果表明神经网络方法是可行且有效的.     

神经网络在国内旅游人数预测中的应用

针对国内旅游人数预测研究了旅游人数的影响因素,讨论了输入层、隐含层、输出层等神经元的设置及网络训练的参数,综合考虑训练精度、训练时间、泛化能力等条件,动量—自适应学习速率调整算法是适合国内旅游人数预测的,并基于动量—自适应学习速率调整算法建立了神经网络模型;将模型应用于国内旅游人数预测系统,结果表明,该算法具有较好的准确性和鲁棒性,利用神经网络模型预测国内旅游人数是可行的.     

基于多层感知机神经网络的智能高度传感器设计

基于大气中的两个物理参量:大气静压力、大气温度以及它们和几何高度的关系,借助于压阻式压力传感器和温度传感器对大气静压力和温度进行测量,并以两个传感器作为多层感知机网络的输入,以几何高度作为网络的输出.利用标准数据采用动批量法(MOBP算法)对网络进行训练,得到网络各层的权值和偏置值,由此可以确定在任意静压力和温度输入作用下,网络输出的精确几何高度值,神经网络的算法可借助DSP芯片实现.实验表明采用该方法设计的传感器比采用曲面拟合的方法具有更高的精确度和抑制传感器的温度漂移和时间漂移的优势.     

MHMM和ANN法结合的语音识别方法

提出了一种改进的隐马尔柯夫模型（ＭＨＭＭ）方法，并在ＭＨＭＭ方法中结合进人工神经网络（ＡＮＮ）方法，以这种方法为基础建立了语音识别系统。实验结果表明，与隐马尔柯夫模型方法比较，新系统的识别率有所提高，从而，充分地显示了人工神经网络在语音识别中的可行性和有效性。     

短期电力负荷预测的模糊神经网络方法

针对短期电力负荷的复杂性和不确定性,提出一种应用模糊神经网络的短期电力负荷预测模型. 该模型具有神经网络的强有力学习能力. 由于利用了模糊理论处理非线性问题的能力以及从海量数据中抽取相似性的功能,因而弱化了神经网络对样本的依赖性,增强了外推性,可在一定程度上减少学习时间,并充分考虑气温变化对负荷的影响. 实验结果表明,该模型对短期负荷有较好的预测精度,具有实用价值.     

一种不定控制系统的强健神经网络控制器

探讨不定控制系统的强健神经网络控制器．这是一个由遗传运算法则确定的最佳隐藏神经数的前馈多层神经网络．它借助状态空间控制器和编入必要的最佳程序,进行非线性处理,以确保性能的强健性．混合的遗传运算法则和后繁殖神经培养,具有最佳网络结构和神经染色体接合权的双重目标,把最佳网络结构和神经权协调地聚合,从而得到与性能控制目标基本一致．     

基于ANN的光伏并网逆变器SVPWM研究

通过分析空间矢量脉宽调制的工作原理,提出基于人工神经网络的SWPWM调制策略.这种基于ANN的光伏并网逆变器覆盖了SVPWM的欠调制和过调制两种模式,能实现从线性调制到六步模式非线性调制的平滑过渡.由于神经网络具有很强的并行处理能力以及容错能力, ANN SVPWM控制器运行速度快,能有效提高逆变器功率开关的开关频率.采用监督模式,通过固定权值分别对欠调制子网络和过调制子网络进行训练.在MATLAB仿真平台上搭建光伏并网逆变器仿真模型,由神经网络工具箱实现ANN控制器,仿真结果表明:在 SVPWM过调制区用ANN控制方法简单、高效、控制效果良好.     

2519铝合金本构关系的人工神经网络模型

2519铝合金足一种新型的装甲材料，变形时，各热力学参数之间存在着非常复杂的非线性关系，采用Gleeble 1500热模拟机上圆柱体轴对称高温压缩试验数据建立了该合金本构关系神经网络模型，利用所建立的网络模型对其它一些热力学状态下材料的流变应力进行了预测，实验结果表明：在目标函数为0．2、隐层节点数为5、学习率为0．1时，预测数据与实验数据吻合良好，系统误差较小(拟合度为2．6％)，表明已形成了一个知识基的本构关系模型。     

基于DV-Distance的无线传感器网络定位算法研究

无线传感器网络是一种全新的信息获取和处理技术,而节点自定位技术是无线传感器网络的主要支撑技术之一.由于无线传感器的节点数量非常大,致使利用GPS定位装置收集节点位置信息的代价将会很大.因此,研究能够适应无线传感器网络节点位置信息的算法是极其重要的.本文重点对距离无关的定位算法中的DV-Distance算法进行了研究,通过MATLAB软件平台对DV-Distance算法进行了仿真实现,结果表明不同信标节点密度时,定位算法的定位误差不同,而当存在障碍物及GPS误差也会影响定位误差.     

LEACH协议群首推选算法性能分析

LEACH协议是提出较早、较为完整的无线传感器网络协议之一。本文运用自主开发的无线传感器网络软件仿真平台,参考实际的硬件参数,根据LEACH协议对传感器网络的媒体接入层、网络层运行过程进行仿真。在得到的统计数据的基础上,对LEACH协议的群首推选算法进行了理论分析,指出了该算法的优点和不足,提出了进一步的改进方向。