基于图形用户界面的BP神经网络建模与仿真

介绍了误差反向传播（Back-Propagation，BP）神经网络结构，阐述了应用MATLAB图形用户界面（Graph User Interface，GUI）进行BP神经网络建模的方法和步骤，进行了实例仿真，验证了该方法的可行性和优越性，取得了满意效果，具有广泛的实用性。     

模糊建模与控制的神经网络方法及其仿真研究

本文提出了一种复杂系统模糊建模及控制的神经网络方法。利用改进的ｐｉ－ｓｉｇｍａ 网络，对模糊规则的结论参数和隶属函数进行在线修正，实现模糊规则的自组织。这种方法被用于降水量预报和机器人解耦控制，取得了满意的仿真结果。为增强神经网络仿真算法的快速性，本文采用了一种基于向量的数据结构，并用标识阵指示神经元的连接状态，以实现有效的内存运算。     

无人战斗机态势评估变精度粗集决策方法

为了解决在态势评估中一般粗糙集决策方法仅对规则进行提取而不完成规则匹配的问题,提出了基于加权相似性度量的无人战斗机（unmanned combat aerial vehicle, UCAV）态势评估的变精度粗集决策方法。建立了UCAV态势评估决策信息系统模型,基于正确分类率β的确定原则,给出了β值的确定方法,在该β值下从决策模型中提取出了决策规则。提出了基于互信息度的属性相对重要度计算方法,并依据相对重要度给出了属性的客观权重,结合专家经验形成了属性的综合权重。提出了基于属性综合权重的加权相似性度量方法,通过比较当前对象与决策信息系统中所有对象的相似程度给出决策结果,完成对该对象作战意图的预测。结果表明,该方法有利于UCAV对对象作战意图的预测和判断。     

粗造集理论与应用发展

针对近几年兴起的粗糙理论进行了介绍 ,给出了应用较多的一些评价函数 ,并对各部分理论进行了举例说明 ,最后对粗糙集的应用提出了论述 .     

粗集与神经网络的集成技术研究

粗集和神经网络都是处理不确定、不完全信息的软计算方法 ,两者曾在决策支持和知识获取等领域取得了很大的成功并得到初步应用。但两者都有局限性 ,同时在许多方面有互补性。因此粗集和神经网络的集成成为当今智能混合系统的一个重要分支 ,或许也是开发下一代专家系统的主流技术。从认识论的角度分析了粗集和神经网络的特点 ,评述了目前粗集和神经网络集成的理论和方法 ,指出其中存在的主要不足。最后提出了粗集和神经网络进一步集成所需解决的问题。     

SAR成像导引头干扰建模评估与仿真系统设计

针对SAR成像导引头干扰的仿真、验证和评估等问题,论述了SAR成像导引头干扰的建模与评估,以及仿真系统的设计.该仿算系统能在信号级进行目标环境、干扰和导引头的建模与仿真,模拟出多种干扰信号存在的情况下,信号环境模拟、回波信号采集、信号处理等处理过程,并能对干扰效果进行评估,通过仿真试验验证了仿真系统的有效性和实用性.该...     

基于神经网络的数控超声加工效果建模与仿真

为精确地预测数控超声加工效果,应用神经网络理论建立了数控超声加工切削率BP、RBF两种神经网络模型。根据实际情况,进行了网络结构设计,比较了不同特征参数时网络模型的性能,并对所建模型进行了仿真验证。验证结果表明,预测数据与实测数据有较好的一致性,RBF网络数据比BP网络数据稳定,性能更优,当RBF网络中分布密度spread取2时,性能最优。说明可以使用神经网络模型对数控超声加工切削率进行预测。     

建模与仿真确认框架

确认是建模与仿真校核、验证和确认(Verification,Validation and Accreditation,VV&A)的一个重要组成部分。随着建模与仿真复杂度的增加,传统的确认方法已经不能满足建模与仿真VV&A的需要。介绍了现有的确认概念,分析了建模与仿真的确认框架,重点阐述了确认框架中的一个重要步骤,即可接受性评估阶段的评估指标和评估方法。     

系统仿真评估鲁棒一致性研究

对于系统进行仿真可信度研究具有非常重要的意义。分析了系统的不确定因素;针对系统的不确定性对仿真可信度评估的影响,提出了的仿真可信度评估鲁棒一致性的概念;最后提出了可以采用模糊神经网络的解决实现仿真评估的鲁棒一致性。     

基于自适应遗传模糊神经网络的信用评估建模

提出了一种自适应遗传模糊神经网络评估信用风险的模型,该模型在多子群遗传算法基础上,采用带控制参数的动态概率选择与最优保存策略相结合的混合选择策略,根据种群适应度标准差大小动态调整交叉和变异概率,并将BP算子嵌入遗传算法中,构建了多子群自适应遗传BP算法,并利用该算法优化网络的连接权值和模糊参数。将所建模型应用到信用评估中,并与BP神经网络、ANFIS以及遗传神经网络模型预测效果进行比较,结果表明该模型对信用评估具有更好的泛化能力和更高的预测准确度。     

基于粗糙集与神经网络的电力负荷新型预测模型

针对电力系统多因素负荷预测问题的复杂性,融合粗糙集方法与神经网络方法各自的优势,提出一种新型的负荷预测模型——粗糙集径向基函数神经网络模型(RSRBFN).运用粗糙集方法和信息熵概念,在不改变样本分类质量的条件下约简负荷影响因素,简化了网络输入变量.通过消去冗余信息,提炼学习样本,获得典型样本.用典型样本约简隐含层神经元和训练网络,并将网络连接权值学习的非线性极值问题转化为线性规划问题,使网络结构得到优化,提高径向基神经网络的计算效率和预测精度,增强实用性.数值实验结果说明RSRBFN模型是可行、有效、实用的.     

基于Rough集理论和神经网络的武器系统参数费用模型

建立武器参数费用模型 ,首先要挑选特征参数 ,这里采用知识约简方法选择武器的特征参数 ;利用神经网络理论建立了参数费用模型 ,武器系统的费用与武器特征参数的关系可通过神经网络的阈值和权值得到体现 .通过实例对神经网络法与线性回归法所得的结果进行了比较 ,结果表明 ,神经网络法比线性回归法精确.     

Personal Credit Risk .Scoring Model Based on Rough Set and Neural Network

In order to improve the precision of personal credit risk assessment, applying rough set and neural network to the credit risk scoring prediction problem in an attempt to suggest a new model with better classification accuracy. To evaluate the prediction accuracy of the model, we compare its performance with those of SVM, linear discriminate analysis, logistic regression analysis, K-nearest neighbors, classification and regression tree, neural network and PCA-NN. The experimental results show the model have a very good prediction accuracy     

基于粗糙集-神经网络的矿井通风系统可靠性评价仿真研究

通过对矿井通风系统可靠性运行状态的跟踪统计和分析,首先建立了一套适合于矿井通风系统可靠性评价指标体系;然后利用人工神经网络与粗糙集理论的优势互补,以粗糙集作为前置处理系统优化指标结构,构建了基于粗糙集神经网络的通风系统可靠性评价仿真模型,并依此模型进行了实例验证.结果表明,该模型的仿真结论与基于ANN的结论完全吻合,训练效率提高了数百倍.     

基于粗糙集理论与贝叶斯网络的超视距空战战术决策

基于智能互补融合的思想,将粗糙集理论与贝叶斯网络有机结合在一起,提出了一种超视距空战战术决策的新方法.利用粗糙集理论实现对专家知识的约简和空战态势信息集的压缩,提取了超视距空战战术的最小决策信息集,基于最小决策信息集的贝叶斯网络模型可以降低网络结构的复杂性;同时利用贝叶斯网络实现了超视距空战战术的概率决策推理.最后,进行了实例分析,决策推理结果表明该方法的正确性以及在不确定环境下的有效性.     

粗糙集方法在作战仿真数据挖掘中的应用

粗糙集是数据挖掘的一种工具,目前已被成功地应用于数据挖掘、决策分析、过程控制、模式识别与机器学习等领域。在作战仿真系统中,产生了大量的数据,用粗糙集方法对作战仿真结果数据进行挖掘,可以得出一些有参考价值的规则,可证明粗糙集技术在军用仿真系统中有着广阔的应用前景。     

基于Ad Hoc网络的卫星通信系统建模与仿真

将Ad Hoc网络理论与卫星通信系统相结合，提出了基于Ad Hoc网络的卫星通信系统模型。并根据此模型，利用OPNET软件构建了系统仿真框架并进行仿真．同时对时延和吞吐率进行了分析，从而得出基于Ad Hoc网络的卫星通信系统所具有的利弊。