改进果蝇优化算法优化广义回归神经网络的预测问题研究

为提高传统非线性预测模型的预测精度,提出一种基于改进果蝇优化算法优化广义回归神经网络的预测方法,将果蝇群体分两部分分别进行迭代寻优,从而改进了果蝇优化算法的寻优性能,进而避免了在寻优过程中陷入局部最优。该方法利用改进果蝇优化算法优化广义回归神经网络的径向基函数扩展参数,然后用训练好的广义回归神经网络预测模型进行预测,最后通过订单预测算例进行实证研究。实证研究结果显示,该方法在解决订单预测问题中与未改进的果蝇优化算法优化广义回归神经网络和传统的广义回归神经网络方法对比,具有更高的预测精度和更好的非线性拟合能力。     

基于L-M算法的EV71传播预测模型

本文基于神经网络L-M优化算法,提出一种时EV71病毒的有效预测模型,利用matlab进行仿真模拟,结果和阜阳病毒感染情况非常符合.神经网络L-M优化算法克服了神经网络BP算法收敛速度慢的缺点,同时通过学习训练,本模型的神经系统具有有效性和通用性的特点.     

用新的神经网络求解MCM系统划分问题

提出了一种新的自组织神经网络模型，这种网络克服了Ｋｏｈｏｎｅｎ自组织神经网络不能直接处理划分和布局问题的面积约束，邻域确定困难和学习速度慢等缺点，还将这一神经网络模型应用于以芯片间连线代价最小和时钟周期最小为优化目标的，以面积和是延为约束条件的性能驱动的ＭＣＭ系统划分中，算法不仅学习速度快，能够处理大规模电路划分问题，而且具有整体优化效果，本算法已用ＶｉｓｕａｌＣ＋＋编程实现，实验结果表明，这是一     

激活函数可调的神经元模型及其有监督学习与应用

提出一种激活函数可调的新神经元模型（tunable act ivation function，简记为TAF）模型，并给出这类模型的一般形式，该模型用于多层前向神经网络MFNN时，其激活函数可借类似BP算法进行训练而求得，通过几个具体例子给出了对激活函数进行训练的算法，试验结果表明，采用TAF模型的多层前向神经网络的网络容量和性能，优于采用通常M－P模型的网络。     

时滞离散智能系统的动态输出反馈镇定控制器综合的统一方法

提出标准神经网络模型（SNNM）来描述包含神经网络或T—S模糊模型的时滞（或非时滞）离散智能系统．SNNM由离散线性动力学系统和有界静态非线性算子连接而成．利用SNNM的全局渐近稳定性分析的结果，分别设计线性或非线性动态输出反馈控制器，使得SNNM的闭环系统稳定．控制方程可以表示为线性矩阵不等式（LMI）形式，便于利用各种凸优化算法求解以获得控制规律．大部分基于神经网络（或模糊模型）的时滞（或非时滞）离散智能系统都可以转化为SNNM，以便采用统一的方法来综合这些智能系统的控制器．SNNM的3个应用例子表明：SNNM不仅使得大多数基于神经网络（或模糊模型）的离散智能系统镇定控制器的综合简单易行，而且为其他类型的非线性系统的控制器综合提供新的思路．     

h=1／M的M—CPFSK信号定时-频偏联合估计算法

提出了一种针对突发模式的h=1／M的M—CPFSK信号定时一频偏联合估计算法：在每个数据包前嵌入一段特定的训练序列,接收端将信号做K级差分,计算每级差分信号自相关的,次方,再进行离散傅里叶变换DFT提取定时和载波频偏信息。适用于h=1／M的全响应或部分响应、矩形或升余弦滤波器M—CPFSK信号。Matlab仿真结果表明,在加性白高斯噪声信道以及Ray—lei出平坦衰落信道上,该算法能快速准确的估计定时和载波频率偏差：     

基于FOA-GNNM的矿井突水水源判别

提高矿井突水水源判别的精确度是避免突水事故发生,保证矿山的人员和财产安全的重要基础。利用果蝇优化算法(FOA)对灰色神经网络(GNN)的参数进行动态微调,建立基于果蝇优化算法的灰色神经网络模型(FOA-GNNM)。选取某矿区水样的6组离子浓度作为判别依据,分别采用FOA-GNNM、BP神经网络和GNNM对矿井突水水源进行判别,并对上述三种方法判别结果进行对比分析。结果表明,FOA-GNNM水源判别结果精度更高。这为快速准确地判别矿井突水水源提供了一种新方法。     

基于PSO算法改进的ANFIS在织物染色配色中的应用研究

本文研究了PSO（粒子群优化）算法及一种用于织物染色配色的自适应模糊神经网络（ANFIS）,提出了基于织物染色配色的粒子群算法改进的ANFIS配色模型,并进行了仿真试验。从仿真试验的结果看,该配色模型收敛速度快,精确度较未改进的ANFIS模糊神经网络有明显的提高,在解决织物染色配色问题上取得了令人满意的配色效果。     

绿色能源-氢气及无机材料储氢的研究进展

氢能是二十一世纪解决化石能源危机和缓解环境污染问题的绿色能源。实现氢能的利用，氢的储运是目前要解决的关键问题。本文简单介绍了高压储氢、液态储氢和固态储氢三种储氢方式，重点介绍了无机储氢材料的研究进展，如：金属，金属氧化物，碳基材料，化学氢化物，M—N—H体系，M—C—H体系等储氢材料，并对其进一步研究进行了展望。     

神经树在煤与瓦斯突出预测中应用研究

由于煤与瓦斯突出影响因素之间存在着复杂的非线性关系,为准确预测煤与瓦斯突出的危险性,本文提出了基于柔性神经树的煤与瓦斯突出预潮模型,其中利用多表达式编程和粒子群优化算法分别优化了自身的结构及相关参数,使得神经树具有强大的预测和分类能力,与传统神经网络相比具有更加灵活的自动优化能力.通过采用实测数据对算法进行了验证. 结果 表明与常规预测方法相比较,该模型的预测准确性高,具有良好的适应性和有效性.     

基于客户满意度的模糊神经网络JSP研究

针对具有不确定性因素的作业车间调度问题，基于模糊数学的思想，把模糊加工时间、间隔期和模糊交货期用梯形模糊数表示，建立了基于客户满意度曲模糊作业车间调模型。运用Hopfleld神经网络算法求解，结合目标函数和JSP的全部约束条件，构建能量函教和JSP换位矩阵，保证了神经网络稳态输出为最优生产调度方案。最后用网络计划图对稳态输出的换位矩阵进行解码得到最优调度甘特图，避免了传统成本树法易出现死锁调度的问题。计算实例验证了本算法的可行性和有效性。     

面向三峡库区水环境监测的分区多跳LEACH算法

针对无线传感器网络节点能量受限的问题,结合三峡库区水环境的具体应用环境,提出一种基于LEACH算法的改进型无线传感器网络节能路由算法——LEACH—PM。该算法将整个网络划分为若干个区域,各个分区内按轮进行建立分簇和传输数据。在簇建立阶段,考虑了节点的剩余能量;在数据传输阶段,采用单跳与多跳相结合的方式以降低网络的能耗。应用MATLAB对LEACH-PM算法与已有的LEACH算法进行仿真比较。实验结果显示,LEACH—M算法能更好平衡网络节点能耗,降低簇头节点能耗,延长整个网络的生存期。     

解决非可微凸优化问题的次梯度反馈神经网络

发展了Leung等人所提出的解决非线性凸规划问题的动态反馈神经网络模型, 引入基于次梯度动态反馈神经网络模型解决非可微凸优化问题. 对于无约束非可微凸优化问题, 假定目标函数是强迫性的凸函数, 证明了由投影次梯度构造的反馈神经网络轨道从任意初值点出发都收敛于一个渐近稳定的平衡点, 该平衡点为原无约束问题的最优解. 对于约束非可微凸优化问题, 在目标函数是强迫性的凸函数, 约束函数也具有凸性的假定下, 依次造构能量函数序列和相应的基于次梯度的动态反馈子网络的模型, 建立了收敛定理并给出了停时条件. 最后, 设计了两种有效的算法并结合一些实例进行了仿真验证.     

低碰撞区跳频序列集周期Hamming相关函数的理论限

建立了具有低碰撞区跳频序列集的频隙数目P，序列长度L，序列数目M，低碰撞区LH（或无碰撞区NH），最大周期Hamming自相关边峰值Ha和最大周期Hamming互相关值H、等参数满足的一些理论限．证明了常规跳频序列已有的Lempel-Greenberger界，Seay界和Peng—Fan界是这些新界的特殊情况．     

基于遗传算法的Cu-Cr-Zr合金形变热处理工艺优化

形变热处理工艺是提高铜合金引线框架性能的有效方法. 利用神经网络和遗传算法优化Cu-Cr-Zr合金的形变热处理工艺参数. 神经网络的输入参数为轧制变形量、时效温度和时效时间, 输出参数是导电率和硬度. 在神经网络训练的基础上, 采用遗传算法优化ANN的输入参数. 神经网络和遗传算法的组合建模获得了良好的泛化性能和优化结果.     

基于混沌-RBF神经网络的风电场风速预测

在利用风速时间序列具有混沌特性的前提下,将相空间重构和RBF神经网络结合的混合算法用于风电场风速预测。通过实例仿真计算对比表明,该混沌-RBF神经网络的混合算法可以进一步提高预测准确度。     

相空间重构和混沌遗传神经网络融合的矿井涌水量预测研究

为了更准确预测矿井涌水量变化,有效防治矿山水害,本文提出利用相空间重构和混沌遗传神经网络相结合的方法预测矿井涌水量。选用C-C算法确定嵌入维数和延迟时间,通过对时间序列进行相空间重构来判断涌水量时间序列的混沌特性。为避免BP神经网络极易陷入局部解的问题,采用遗传算法对混沌神经网络进行参数优化,构建混沌遗传神经网络预测模型。将构建的模型应用于某矿山-100 m水平巷道涌水量的预测,在理论预测时长内预测最大误差为3.38%,表明该方法能够反映短期内矿井涌水量变化的趋势,相比单纯的混沌BP神经网络预测模型,预测精度有所提高,可为矿山企业的灾害防治提供科学的参考依据。     

基于广义能量函数的快速自适应主分量提取

通过引入一个任意对角矩阵, 提出了一种广义能量函数(GEF)来优化一个两层线性神经网络的连接权矢量, 推导出一种递归最小二乘(RLS)算法, 不需要设计非对称电路, 即能并行提取一个输入协方差矩阵的多个主分量. 分析了算法在平衡点的局部稳定性能. 实验结果表明该算法具有收敛快、稳健性好等优点.     

一种基于自适应神经网络的航空发动机故障诊断方法

航空发动机在使用过程中,气路部件的性能不可避免地发生了蜕化,相应的故障诊断技术对发动机的健康管理系统具有重要意义.本文针对发动机在设计点的非线性部件级模型,借助PCC(Pearson correlation coefficient)相关分析方法,对神经网络的输入参数和输出参数的选取方式进行了优化.以前馈型神经网络为基础,针对常规BP(back propagation)神经网络收敛速度不稳定、且容易陷入极小值的缺陷,设计了一种新的自适应神经网络,准确估计了发动机部件的蜕化情况.这种算法融合了比例因子和动量因子,改善了网络的学习速率,提高了神经网络置信度和对发动机模型参数的泛化能力.结果表明,本文设计的自适应神经网络的精度优于常规BP神经网络,并且在训练样本数较少时,依然能够通过训练得到理想的网络,保证发动机健康参数的故障检测具有较高精度.     

盲均衡和信道参数估计的一种ICA和进化计算方法

首先给出了一种盲均衡的新方法。该方法利用过程采样技术和一种新的独立分量分析神经网络，仅通过接收到的信号完成在线盲均衡，基于接收信号的四阶累积量和线性系统的特性，利用进化规划算法和均衡输出序列，估计信道参数。计算机仿真结果表明算法具有较好的性能。