前向多层代数神经网络隐层神经元数目估计方法

结合目前估计前向三层神经网络隐层神经元数目的方法,提出一种向量不交关系来确定多层前向代数神经网络隐层神经元的数目,该方法只须估计出第一隐层神经元的数目,其余各层神经数目利用不交关系的算法随之确定,通过多项式代数函数实例表明,该方法具有效。     

前向多层代数神经网络隐层神经元数目估计方法

结合目前估计前向三层神经网络隐层神经元数目的方法 ,提出一种向量不交关系来确定多层(层数 >3)前向代数神经网络隐层神经元的数目 ,该方法只须估计出第一隐层神经元的数目 ,其余各层神经数目利用不交关系的算法随之确定 ,通过多项式代数函数实例表明 ,该方法有效     

一种三层前向网络参数的解析计算方法

介绍了用解析法计算三层前向网络参数的方法 ,给出了一个三层前向网络准确记忆给定样本所需隐层节点个数的充分条件 .也可用解析法计算的参数作为 BP等算法的训练初值 .仿真结果说明这种方法是有效的     

动态数学神经网络模型及其应用

本文在（１）的基础上建立了广义数学神经元,并引入动态机制,形成动态数学神经网络,由网络当前状态决定网络结点数,从而在一定程度上解决了前向神经网络隐层结点数无法确定的难题,并成功地将其运用于解决用多项式逼近连续函数的魏尔斯特拉斯定理,并建立了龙贝格求定积分的动态数学神经网络模型。     

基于代数神经网络的多元多项式不可约判定及学习算法

把感知器作为数学模型,充分利用神经元的运算特性,以二元多项式近似求根神经网络模型为基础,设计一类多元多项式不可约判定的神经网络模型,它是单输入多输出三层前向神经网络,给出神经网络学习算法,这种学习算法在ｐ－ａｄｉｃ意义下,通过调整隐层与输出层的权值Ｃｉ,ｊ完成学习,可确定出多元多项式不可约,通过算例表明,该算法有效,相比传统的判定算法,可操作性强。     

动态数学神经网络模型及其应用

本文在［１］的基础上建立了广义数学神经元，并引入动态机制，形成动态数学神经网络，由网络当前状态决定网络结点数．从而在一定程度上解决了前向神经网络隐层结点数无法确定的难题，并成功地将其运用于解决用多项式逼近连续函数的魏尔斯特拉斯定理，并建立了龙贝格求定积分的动态数学神经网络模型．     

多维离散傅立叶变换神经网络函数逼近

利用多维离散傅立叶变换原理构造新颖的神经网络模型用于函数逼近,网络结构为分层前向网络。给出了网络的学习算法,网络的大部分权值都是固定的,只有输出层与最后隐层之间的权值需要调节。     

权值直接确定的三角型模糊前向神经网络

为了确定前向神经网络的网络结构,提出了一种基于采样数据的含单隐层神经元的模糊前向神经网络,反映了构造数据所蕴含的系统信息,其隐层神经元激励函数选择为三角型隶属函数和构造数据相应输出的乘积。该网络模型可以随采样数据的多少自主选择构造数据,自主设定隐层神经元,利用权值直接确定法得到网络最优权值。数值仿真实验表明,相比于现有文献的已有网络模型,模糊前向神经网络具有逼近精度高、网络结构可调、较好的预测性和实时性高的优点。     

多项式前向神经网络

提出了一种新型的前向神经网络模型-多项式神经网络。该网络具有三层结构,隐层、输出层神经元激活函数分别为：f(x)=x^p和线性函数,网络隐层-输出层的权值采取最速下降法学习,输入层-隐层的权值采用遗传算法进行学习;网络学习时,其误差函数单调递减,学习算法具有较好的收敛性;该网络能逼近任意的连续函数,且具有较好的稳定性,应用实例表明该网络的性能是优良的。     

多层人工神经网络合理结构的确定方法

隐层结构如何选择是多层人工神经网络应用中一个关键问题·基于多层神经网络优化算法原理和非线性方程理论,建立了多层神经网络计算输出和理想输出关系的非线性方程组,分析了权阈变量、标准样本数量和输出层单元数量的内在关系,给出隐层层数和每个隐层单元数量选取应该满足的基本条件·提出多层神经网络合理结构,即隐层层数和每个隐层单元数量选取的一般原则,给出隐层结构定量求解的直接计算方法和间接优化计算方法·对具体算例进行了合理结构分析,通过神经网络优化算法对多种结构组合比较,表明所提出的合理结构分析方法的正确性·这种方法将为多层神经网络在工程应用中如何选取合理结构提供理论依据和选取有效方法·     

分形插值曲线上的图能量

从分形插值曲线上图序列的生成入手,通过定义初始图能量的概念,给出各层的图能量表达式.应用这种定义式并且通过调和扩充算法和归纳法对分形插值曲线上图能量间的关系进行了研究,从而得到重整能量的概念,由此对插值曲线上的电路作出了解释.     

前向多层感知器网络的逐层学习算法

提出一种改进的前向多层网络逐层学习算法,隐层神经元的输出函数由具体系统的样本输出值确定,先让前面的隐层及输入层的权值确定不变,然后对当前层的权值进行,前一隐层输出值地误差进行估计以得到新的输出值,将其作为临时教师信号用来训练前一层的权值,把每一层权值的改变量和输出值误差的估计转变为最小二乘问题,逐层处理,直到输入层,数字仿真和具体应用的结果表明了算法的有效性。     

过热汽温的模拟柔性神经网络直接自适应控制系统

提出一种模拟复合正交柔性神经网络,并应用于电厂过热汽温的直接自适应控制方法。模拟柔性神经网络被用作为过热汽温控制系统中的主、副调节器,以改善控制系统的动态性能。神经网络采用5层网络结构,网络隐层节点采用带参数的Sigmoid函数构成的Laguerre（拉盖尔）复合正交多项式。网络在学习过程中,输入层与隐层之间不用调整权值,仅连续调整输出层与隐层之间的权值和隐层中Sigmoid函数的参数,以提高网络的学习适应性。网络隐层节点（处理元）是复合正交多项式的展开项,展开项的多少决定着网络的学习速度和精度。通过对具有严重参数不确定性、扰动以及大迟延的电厂过热汽温被控对象进行仿真研究,结果表明控制系统的干扰和超调明显减小,在控制系统的动态性能上,所提控制方法优于常规控制方法。电厂过热汽温控制取得了令人满意的效果。     

非等距网格上奇异扰动问题的有限差分格式

考虑一维定常对流扩散方程的Dirichlet边值问题,利用Taylor级数构造一个基于非等距网格的有限差分格式,给出了格式的截断误差估计,并分析了其稳定性.采用网格生成函数构造非等距网格,并与一些已有的差分格式对比,数值实验表明该格式可以得到更为精确的数值结果,能很好地模拟边界层效应.     

液力变矩器通用特性及其匹配方法的研究

利用系列泵轮转速及工况的试验数据,建立了一种基于液力变矩器通用特性的发动机与液力变矩器匹配模型.分析了传统匹配方法产生较大误差的来源,在有限试验数据基础上利用反向传播神经网络的拟合和泛化能力,确定了神经网络结构的隐含层节点数,建立了液力变矩器通用特性预测模型,并与传统经验修正模型进行对比.对比结果显示文中提出的方法使得特性预测精度有显著提升.在此基础上,结合发动机净外特性提出了发动机与液力变矩器通用特性匹配模型,该匹配模型考虑了泵轮转速对液力变矩器稳态性能的影响,更符合实际运行情况下发动机与液力变矩器共同工作特性,提高了液力变矩器与发动机的匹配精度.      

一般有界Sigmoidal函数神经网络的插值与逼近

研究了一维欧氏空间中神经网络的插值问题.首先,对于一组插值样本和定义在R上的一般有界Sig-moidal激活函数,给出了精确插值的单隐层前向神经网络存在的条件;然后,构造了近似插值网络,给出了估计精确和近似插值网络之间的误差;最后,利用连续模作为度量,分别估计了两类网络对连续函数的逼近误差.     

矿井涌水量时间序列的频谱分析及应用

阐述了频谱分析方法的基本原理 ,分别计算了矿井涌水量和降雨量的自谱以及它们的互谱 ,给出了隐含周期的检验方法和谱平滑的一般方法 .研究实例表明 ,频谱分析能较好地确定矿井涌水量时间序列的周期性和相关关系 ,为揭示矿区地下水系统的内在机理、矿井涌水量预测及控制提供定量依据 .图 3,参 5     

压电层合板的结构特性及优化分析

基于三维弹性和压电理论 ,用幂级数展开方法得到了压电层合板静态特性的三维解 ;给出了压电层与基体之间剪应力、位移、电势的三维分布图 ;讨论了工程中常用的 2类压电材料在感知和作动情况下沿压电材料厚度方向电势的分布情况 ,分析了电势可看作线性分布的条件 ;讨论了压电层及粘结层厚度变化对层合板变形的影响 ,并作了优化分析 .     

弹性球体在冲击载荷下的应力波传播

给出了弹性球体在冲击载荷下应力波传播的解析解。该解法是利用特征函数展开法，将动力学的一般解分解为满足非齐次边界条件的准静态解和仅满足齐次边界条件的自由振动解，其中准静态解满足欧拉方程，而自由振动解满足贝塞尔(Bessel)方程。利用分离变量法，贝塞尔(Bessel)方程的解是一个由球贝塞尔函数构成的级数形式解，然后将此解和准静态解叠加，可得弹性动力学问题的解。与特征线法，积分变换法，广义射线法相比具有物理意义更加明确，数学解法更加简明的优点，同时这一解法可以推广到任意载荷下，各向同性弹性动力学中的一般球对称问题。     

基于Chebyshev神经网络的非线性Fredholm积分方程数值解法

利用Chebyshev扩展块代替隐层结构, 提出一种基于函数逼近的Chebyshev神经网络模型求解非线性Fredholm积分方程的方法, 并给出其最佳逼近解及算法的收敛性分析. 数值算例验证了算法的可行性和有效性.