生化过程的神经网络组合模型

用神经网络描述未知的反应动力学参数，结合反应器物料平衡方程，提出了生化过程的神经网络组合模型。并提出了特别适合微生物发酵过程的Ｍｏｎｏｄ饱和型和基质抑制型的神经元传递函数。在Ｈｅｂｂ学习的基础上，引入教师指导信号，提出了神经网络误差一次反向传播的快速学习算法。将此组合模型用于某流加发酵过程状态变量和动力学参数的在线估计，仿真研究获得了满意的结果。组合模型具有训练速度快、预测精度高等优点，为动力学结     

双耳信号时差与强度差的听觉效应

对频率在４０００Ｈｚ以下的纯音,方波和噪声在有时差或强度差时的主观感受进行的直接测试结果表明,通过双耳信号产生整体单一声源感,双耳信号需要有一个以上的频率成分。单频纯音并不能独自产生声源在不同位置的主观感受,且完全没有整体单一声源的感受。实验结果还表明所有频率成分的强度差,时差在半周期以下的频率成分地时差对声源的空间位置感起作用。     

基于神经网络的模型验证方法

通过对传统模型验证方法在应用中所存在问题的详细分析,提出一种基于神经网络的模型验证方法.该方法利用神经网络强大的非线性映射能力,通过对各种模型关键行为特性的学习,将实际系统行为归类为其中的一种模型,从而对模型的可信性做出评估.首先利用仿真模型的输入输出作为训练集充分训练神经网络,再使用实际系统参数作用于训练好的神经网络,通过神经网络的输出值(概率向量)确定模型与实际系统的匹配程度.最后的图像目标识别模型验证数值仿真实例,说明了该方法的可行性和有效性.基于神经网络的模型验证方法能够很好地验证模型对复杂不确定系统的建模准确程度.     

空间测时差定位的直接求解方法

对于时差测量定位系统 ,就空间模型的情况 ,给出了一种直接求解方法 .文中还讨论了侦测站共线时特殊情况的求解方法 .这种直接求解计算方法十分有效     

双耳信号时差与强度差的听觉效应

对频率在４ ０００ Ｈｚ 以下的纯音、方波和噪声在有时差或强度差时的主观感受进行的直接测试结果表明,通过双耳信号产生整体单一声源感,双耳信号需要有一个以上的频率成分．单频纯音并不能独自产生声源在不同位置的主观感受,且完全没有整体单一声源的感受．实验结果还表明所有频率成分的强度差、时差在半周期以下的频率成分的时差对声源的空间位置感起作用     

化工生产过程的混合佩特里网建模方法

针对连续化工生产过程中混杂的离散事件,提出了基于混合佩特里网的建模方法。且由于连续对象的数学模型越来越复杂化,要求越来越高,文中在佩特里网中引入人工神经元网络,以汽提塔液位控制为例,详细分析了连续过程和离散过程的混杂特性。     

基于神经网络逆模型的Fuzzy-PID控制方法及其应用研究

在Ｆｕｚｚｙ－ＰＩＤ复合控制的基础上提出了一种基于神经网络逆模型的Ｆｕｚｚｙ－ＰＩＤ控制方法。该方法综合了模糊控制、神经网络控制和ＰＩＤ控制的优点, 使复杂工业过程中的非线性、时变等问题都得到了较好的解决。仿真结果表明, 该控制器具有较好的适应性和鲁棒性, 结构简单, 易于实现。     

结合Transformer模型与深度神经网络的数据到文本生成方法

数据到文本的生成是指从结构化数据生成连贯文本的一种自然语言处理方法。近年来,由于端到端训练的深度神经网络的应用,数据到文本生成的方法显示出了巨大潜力。该方法能够处理大量数据自动生成连贯性文本,常用于新闻写作、报告生成等场景。然而,已有研究中对于数据中具体数值、时间等数据信息的推理存在较大缺陷,无法充分利用数据间的结构信息给出合理的生成指引,并且生成过程容易出现语义与句法分离训练的问题。因此,文中提出一种结合Transformer模型与深度神经网络的数据到文本生成方法,并提出一个用于内容规划的Transformer Text Planning(TTP)算法,有效地解决上述问题。在Rotowire公开数据集上进行方法验证,实验结果表明,文中方法性能优于已有数据到文本生成模型,可直接应用于结构化数据到连贯性文本的生成任务中,具有一定的实际应用价值。     

一种结合进化策略与神经网络的图象恢复方法

图象恢复在已知退化矩阵的前提下,可近似看成求解最优化问题.本文提出了一种进化　策略与神经网络结合的求解最优算法,并应用于图象恢复.结果表明,综合算法优于仅采用神经网络的算法.     

啤酒发酵过程中神经网络糖度混合建模

发酵是一个复杂的反应过程对象，其内部反应的机理模型一般都难以精确得到，从而给反应过程参量的在线检测与控制带来困难。本文分析一些基于神经网络的混合机理建模的解决方法，并对随机搜索策略的学习方法进行建模与估计进行探讨，最后给出相应的仿真结果。     

改进BP网络在铁水预脱硫终点硫含量预报中的应用

针对本溪钢铁集团有限公司的铁水罐喷吹CaO+Mg复合粉剂脱硫过程,采用BP神经网络建立铁水预处理终点硫含量预报模型.在模型建立过程中,为了克服标准BP算法迭代次数多、收敛速度慢的缺点,采用新的自适应调整学习率方法和最大误差学习法对标准BP算法进行了改进.用1 900炉数据进行模型训练,经100炉数据现场验证表明,有12%的炉次预报值与实际值完全一致,有89%的炉次误差≤0.003%,平均误差为0.002 0%.     

考虑时滞因素的RBF神经网络模型在高炉铁水硅预报中的应用

在高炉炼铁生产过程中,铁水硅含量反映高炉炉温,预测和控制炉温对高炉生产的节能、降耗、顺行至关重要.基于包钢6号高炉生产数据,建立了RBF神经网络铁水硅含量预测模型.研究表明:考虑时滞因素的RBF神经网络模型,当误差范围＜±0.10时,预报准确率达到了85％,其准确度高于不考虑时滞因素的RBF神经网络模型,对在线预测高炉铁水硅含量具有实用价值.     

人工神经网络预测高炉铁水硅含量

提出了BP神经网络预测高炉铁水硅含量的几种网络优化方法，指出了神经网络预测硅含量的可行性与局限性。     

一种双向映射神经网络模型

在传统BP神经网络的基础上,提出了一种双向映射网络,证明了该网络的存在性,并验证了该网络的可实现性.该双向映射网络为某些问题的研究开辟了一条新思路.     

BP神经网络在专家系统开发中的研究与应用

针对专家系统开发过程中遇到的"知识瓶颈"问题,提出了神经网络与专家系统相结合的方法,利用神经网络训练和学习得到的故障数据来丰富专家系统的知识库,提高专家系统诊断的准确性。基于某型燃气轮机对此方法进行了验证,结果证明这种方法是可行的。     

第三产业前景预测的神经网络方法

利用神经网络方法，基于非确定性多因素时间序列数学预测模型，对第三产业的产值比重和就业比重同时进行预测，得到了很高的预测精度，与传统回归方法对比，这一方法合理，、可取、适应面广、稳定性好，运算快，值得更深研究。     

有机灰色神经网络模型在河流水质预测中的应用

针对灰色预测对波动较强的序列只能预测大致变化的缺陷,在分析河流水质动态变化的基础上,结合灰色理论中的GM(1,1),无偏GM(1,1)和RBF神经网络的特点,提出有机灰色神经网络预测模型,将灰色模型得到的数值作为神经网络的输入,原始数据作为神经网络的输出,训练得到最佳神经网络结构.以某地区河流水质为例,根据其变化规律,应用有机灰色神经网络模型进行预测,结果表明,该模型拟合误差小,预测精度高.     

用人工神经元方法预报IF钢性能

用人工神经元方法分析ＩＦ钢性能与成分、加工工艺之间关系，通过实验与现场数据训练１个前向网络的考核结果表明，该方法是用于大生产中ＩＦ钢成分与工艺设计的有效方法。     

混合型神经网络专家系统

本文在分析传统人工智能与神经网络信息处理的各自特点的基础之上,指明二者相互结合的必然性,并给出了混合型神经网络专家系统的框架。     

板坯连铸漏钢预报神经元网络专家系统的研究

在提出混合式神经元网络专家系统的理论框架结构的基础上，用C语言开发了具有神经元网络模式识别功能和专家系统功能的漏钢预报模型。离线测试表明，本系统比武钢引进的逻辑判断预报系统性能更好。