基于人工神经网络BP算法的可编程控制器的设计与应用

本文介绍了一种基于人工神经网络ＢＰ算法的可编程控制器的设计法，此种方法可用于对复杂的工业生产过程量进行控制。     

基于人工神经网络的股价指数预测

本文阐述了现行的股价指数预测方法的基于线性假设的局限性，针对股票价格指数的非线性变动特性，探讨了一种基于人工神经网络的股价指数预测模型，并通过Matlab6．5编程实现，运用到沪深300指数预测中。仿真结果表明，采用人工神经网络方法的误差较小，预测精度较高，能在一定程度上克服现行的预测方法的不足。     

基于人工神经网络的人脸识别分类器设计

为了提高人脸识别系统的自适应性,采用BP神经网络对抽取出的人脸特征进行识别。对人工神经网络、BP网络应用于人脸识别的过程做了简要介绍。并通过仿真实验加以验证。     

基于SoildWorks的参数化设计

本文以SoildWorks标准件库的开发为技术背景,详尽阐述了尺寸驱动法参数化设计结构,并以螺栓为例介绍了具体的参数化设计过程,最后建立了专用的SoildWorks功能模块．     

硬质合金刀片槽型实物模型参数化设计

提出了刀片槽型参数化设计思想，进而进一步提出了槽型参数化设计的尺寸驱动的参数化设计算法及其在ＡｕｔｏＣＡＤ进行二次开发的实现方法。     

基于人工神经网络的专家系统的建立

文章提出了一个基于人工神经网络的专家系统及其分层结构、知识获取和推理的方法，并将其用于生烃条件评价中。     

PSO-BP组合人工神经网络算法研究

基于梯度下降的BP人工神经网络应用广泛,但网络目标函数误差曲面极其复杂,网络初始值的选取对网络训练结果影响很大,导致收敛速度慢,容易陷入局部极小等问题.基于粒子群算法(pso)的训练方法能够摆脱陷入局部最优的困扰,但粒子群算法局部搜索能力不够,影响网络的训练效果,在充分研究两种算法特点的基础上,提出一种新的组合训练方法,建立了PSO-BP组合人工神经网络模型.     

人工神经网络在岩土与结构材料参数选取中的应用

从岩土工程研究思维方式转变的观点出发,将人工神经网络引入到岩土与结构材料参数选取中,并通过实例对应用情况进行简要评述。     

基于人工神经网络的信号分析处理

人工神经网络特有的非线性适应性的信息处理能力,克服了传统人工智能方法对于直觉信息处理方面的缺陷（如模式、语音识别、非结构化信息等）,使之在神经专家系统、模式识别、智能控制、组合优化、预测等领域得到成功应用。     

基于人工神经网络(ANN)理论的保护原理

根据现代控制技术的人工神经网络理论提出了一种保护原理构成方案,并分析了原理实现的可行性和技术难点。     

内河小型干货船结构有限元分析

以内河小型干货船为例,建立舱段有限元模型,阐述了舱段结构有限元结构分析方法.所得到的船体结构有限元分析结果对同类型的内河小型干货船设计和强度分析有一定的参考价值.     

基于参数优化的RBF神经网络结构设计算法

针对径向基函数(RBF)神经网络的结构优化问题,提出了一种基于参数优化的RBF神经网络优化算法.首先,改进K-means++算法,使得聚类算法更精确,为RBF神经网络的隐含层节点找到一个合适的初始中心;然后,考虑数据分布和缩放因子选择的影响,采用方差度量法计算隐含层神经元基函数的宽度;最后,修正网络参数,提高网络的非线性逼近能力.实验结果表明,本文提出的基于参数优化的RBF神经网络具有良好的逼近效果和泛化能力.     

基于神经网络的发电机参数辨识

介绍了人工神经网络(ANN)在发电机传递函数参数辨识中的应用,提出了一种隐层有七个神经元的BP神经网络,使用该网络对发电机参数进行辨识,并利用MATLAB/SIMULINK软件对所设计的BP神经网络进行了仿真,结果表明,所设计的神经网络能够有效地辨识发电机参数,并且具有训练时间少,没有局部极小化现象等优点.     

船舶航迹保持的神经网络控制器研究

提出一种船舶航迹保持在线神经网络控制器。该控制器能解决精确的船舶动态模型难以建立的问题,能用舵角同时控制航迹偏差和航向偏差,能通过对控制精度的直接计算来自动地在线训练学习而不需离线训练学习过程。计算机仿真结果表明了该控制器训练方法的有效性和控制的鲁棒性。     

一种可用于储层参数预测的基于神经网络的遗传算法

储层物性参数的展布一直是油藏描述的关键问题和难点。在遗传算法与神经网络结构模型相结合的基础上,设计了一种用遗传算法训练神经网络权值的方法,并把这种方法用于储层参数的预测。实验表明该神经网络具有较强的预测能力和实用性。     

一种基于RBF网络的参数自调整REM算法

针对传统的随机指数标记(Random Exponential Marking,REM)算法存在参数难以调整的缺陷,提出了一种改进型主动队列管理算法——基于RBF网络的参数自调整REM算法。利用RBF神经网络动态地对算法参数进行调整,使其能够适应不断变化的网络环境。该算法将REM算法在一定条件下近似为比例积分控制,使REM算法参数调节近似等效于比例积分系数的调节,简化了参数调节,提高了算法的实时性。仿真实验表明:该算法优于传统的REM算法,具有良好的鲁棒性及较快的调节速率。     

船型参数的流体动力设计

本文提出一种综合考虑流体动力性能的船型平衡设计方法(BDM),即首先根据本文提出的综合指数R选择流体动力性能优良的母型船,然后利用正交设计方法优化母型船,以便得到满足设计要求的船型。同时给出了一个利用文中提供的设计方法完成的渔船优化设计实例。     

基于神经网络的异常船舶航迹特征因子模型

船舶异常行为研究是海事安全科学理论研究的重要组成部分,它对于船舶监管以及海上安全通行具有重要意义,目前是航海领域的热点研究方向之一。根据船舶航迹分析船舶航行状态以及规范性,研究船舶航迹行为特征,发现隐藏于航迹数据集中的船舶异常行为模型。针对目前危险船舶向外播放伪造数据造成的船舶监控不准确的异常船舶行为,提出了基于神经网络的异常船舶航迹特征因子模型。通过中分纬度算法分析轨迹数据的隐藏关系,选取实际舶船舶自动识别系统(Automatic identification system, AIS)的数据对多层前馈神经网络（Back Propagation,BP）进行训练,使其完成对关系规则的学习,通过测试集数据对模型准确性进行判断。实验结果表明,该模型对于伪造船舶数据判断的准确率高于0.985。     

一种新颖的超浅吃水肥大船线型

本文介绍了一种新颖的超浅吃水肥大型船线型.为了改善适航性,这种线型具有收缩的满载水线面.这种线型已被用于B/T=4.53、L/B=5.83、C_B=0.824的万吨级运煤船设计.文中详细地给出了该船的线型特征和船模试验的结果.