BP学习算法的局限性与对策

研究采用多神经网络组合结构、改进ＢＰ学习算法和训练策略等３个对策来克服ＢＰ学习算法的局限性．手写数字识别的实验研究表明，这些对策效果显著．     

基于归纳学习的结构损伤识别方法研究

采用归纳学习方法来识别结构损伤．首先，通过对经典的决策树算法和序列覆盖算法进行结合与改进，得到一种高效且代价又小的归纳学习算法(RAC)，同时引入装袋算法产生多个分类法，并用它们进行类预测，而且使用选票策略得出最佳类预测．其次，用正交最小二乘迭代算法作为径向基函数(RBF)神经网络的学习方法，通过“信息一贡献”准则进行正交变换来优选中心．最后，对上述归纳学习方法用于梁结构损伤定位的效果进行了实验评估．结果表明，对于RAC算法和生成分类法的数目分别为10和50情况下的装袋算法，当损伤样本被噪声污染程度在100％时，识别精度均可达到90％以上，而对于RBF神经网络算法，只有当损伤样本被噪声污染程度小于70％时，识别精度才可达到90％以上。     

基于单神经元的非线性单值预测控制

利用单神经元构造被控对象的预测模型，给出了基于单神经元预测模型的单值预测控制算法，证明了该算法具有结构简单、运算量小、速度快的特点．通过理论分析给出了神经元学习收敛的充分条件．仿真结果表明了该算法的可行性．     

导航式课件设计

了解学生的认知结构并根据学生的个体差异提出具体建议，引导学生高效率地学习，是ＣＡＩ课件设计者多年追求的目标．我们进行了这方面的尝试，开发研制了“导航式计算机辅助离散数学教学系统”．本文介绍了该系统的算法及程序设计技术     

一种无导师自学习的人工神经网络模型——自适应谐振理论ART的改进及应用

概述了目前各种人工神经网络模型的特点及优劣，在此基础上着重介绍一种无导师的在线学习模型——自适应谐振理论ART，并给出其具体算法步骤．详细分析该传统ART算法的实质，指出其合理及不合理处，并就其不合理处提出改进算法（已在AST486上实现）．作为对改进算法的验证，给出了一个“字符识别“的应用实例，改进算法无论在学习过程上还是在识别结果上都比传统算法更类似于人脑．     

基于计算力矩结构的并联机器人层叠小脑模型补偿控制研究

提出了一种新的不确定机器人跟踪控制策略．在计算力矩结构的基础上引入一个层叠小脑模型(CMAC)补偿控制项，利用层叠结构CMAC分层学习的特性调整网络泛化和逼近能力，并从理论上分析了网络的收敛性．为了确保系统误差一致最终有界收敛，分别设计了粗／细子网的权值更新律．最后，在网络学习稳定的基础上，采用自适应鲁棒项抵消网络最终学习误差．与传统计算力矩法相比，在不要求加速度测量和惯性矩阵求逆的情况下，算法给出清晰的跟踪误差收敛域．基于6自由度并联机器人的仿真实例验证了算法的有效性．     

一种用于RBF神经网络的支持向量机与BP的混合学习算法

基于支持向量机与径向基(RBF)神经网络在结构上的相似性,提出了一种用于RBF网络的支持向量机与BP的混合学习算法．算法分为2步：首先采用序贯最小优化算法学习训练支持向量机,得到RBF网络较优的初始结构和参数;随后由BP算法调整优化RBF网络参数．混合学习算法结合了支持向量机小样本学习、学习训练快捷以及BP算法在线修改网络参数的特点．仿真研究表明,混合学习算法学习效率高,网络性能优良,应用于函数逼近时效果优良．     

一种模糊神经网络的改进学习算法

针对前人（Ｃ．Ｔ．Ｌｉｎ， ｅｔ ａｌ． Ｉｎ ＩＥＥＥ Ｔｒａｎｓ ＯｎＣｏｍ ｐｕｔｅｒ， １９９１， Ｖｏｌ．４０， Ｎｏ．１２） 提出的模糊神经网络结构，改进了已有的学习算法，新算法更加简洁有效。利用新算法，可以自动获取模糊规则。通过函数模拟实验，验证了新算法的有效性。提出了网络的分解与综合方法，避免了模糊神经网络用于实际复杂问题时，模糊规则的组合爆炸问题。该模糊神经网络可应用于换热器受热面的结垢过程模拟。     

基于神经网络误差补偿的混沌系统广义预测控制

本利用BP结构神经网络，对混沌系统的建模误差进行预测，并将其补偿到广义预测控制中，以提高算法的鲁棒性，线性模型和神经网络的学习均采用阻尼最小二乘算法．仿真结果表明该算法对混沌系统控制的有效性．     

基于高斯混合模型的EM学习算法

本文研究了一类基于无监督聚类学习的算法——EM算法的算法实现．EM算法通常用于存在隐含变量时的聚类学习，由于引入了隐含变量，导致算法难以保证收敛和达到极优值．本文通过将该算法应用于高斯混合模型的学习，引入重叠度分析的方法改进EM算法的约束条件，从而能够确保EM算法的正确学习．     

基于模糊神经网络的PI自适应控制器

利用模糊神经网络的模糊推理能力以及前馈神经网络的逼近能力 ,将其与自适应控制方案结合 ,并取带有控制增量约束的广义目标函数作为优化指标 ,从而推导出一种能对非线性非最小相位系统进行有效控制的模糊神经网络间接自适应控制器。在网络学习算法上采用带有动量项的BP算法。仿真结果表明了该方法的有效性。     

人像识别中的特征抽取

提出一种基于快速G小波变换图像压缩原理对人像图像进行特征抽取的方法。用此方法抽取的人像特征在前向神经网络的学习训练和识别中取得了较好的效果。     

天线方向性图的神经网络建模

为了探索多层前传神经网络模型对天线方向性图的建模能力与特性,用多层前传神经网络模型对对称振子天线及二元对称振子天线阵的方向性图进行建模试验。实验表明,多层前传神经网络模型可以有效地对天线的方向图进行建模,可用于天线的计算机辅助设计（CAD）。     

球形压痕法测材料力学性能:神经网络模拟

讨论利用球形压痕法对材料的力学性能参数进行估算时外载P和压入深度h的关系．分析了带动量修正的前馈式反向传播型神经网络的特点，通过已知的P—h关系建立神经网络系统，利用球形压痕法得到的计算结果作为训练数据对神经网络进行训练，通过训练好的神经网络模拟了球形压痕法的计算结果．利用训练5000次基础上得到的神经网络对球形压痕法所得结果进行了模拟，分析并比较了利用神经网络方法得到的结果与通过球形压痕法得到的结果．结果表明，神经网络可以很好地模拟利用球形压痕法分析得到的材料局部力学性能参数．     

Ti-5Al-2Sn-2Zr-4Mo-4Cr合金本构关系的新模型

本构关系是联系材料塑性变形行为与工艺参数的桥梁,也是用有限元法模拟金属成形过程的前提条件．开发了一个基于神经网络的Ｔｉ－５Ａｌ－２Ｓｎ－２Ｚｒ－４Ｍｏ－４Ｃｒ合金的本构关系模型．首先利用Ｔｈｅｒｍｅｃｍａｓｔｏｒ－Ｚ型热模拟机等温压缩Ｔｉ－５Ａｌ－２Ｓｎ－２Ｚｒ－４Ｍｏ－４Ｃｒ合金,研究在不同变形温度、变形程度和应变速率等工艺参数条件下流动应力的变化情况．然后用实验所得的热变形工艺参数与性能间的数据来训练具有ＢＰ算法的人工神经网络．训练结束后的神经网络即成为一个知识基的本构关系模型．预测结果和实验结果对比表明神经网络模型具有较高的精度和推广能力．     

基于SENCOMM可加载库安全模型的研究与实现

主动网络的安全问题是当前主动网络研究中的热点问题。与传统网络的安全性相比,由于主动网络的节点是可编程的,因此主动网络的安全性问题更加突出。在SENCOMM平台的基础上,分析了SEN-COMM体系结构和其可加载库中潜在的安全隐患,提出并实现了一个SENCOMM可加载库的安全模型。     

多层前传神经网络的随机训练算法

基于承机射线法,本文提出了一种对动态网络大新的多层前传神经网络的训练算法。     

基于最小二乘法的BP算法

标准BP神经网络算法收敛速度慢是限制其广泛应用的主要原因．为此，以标准BP算法为基础，应用最小二乘法理论，提出了一种收敛速度快的BP算法——NLMsBP算法．仿真结果表明，和标准BP算法及其它改进形式比较，NLMSBP算法收敛速度大大提高，稳定性并未降低，这为BP神经网络应用于实时性要求高的场合提供了算法基础．该算法缺点是计算量大，所需计算机内存大，不适于大型网络的计算．     

一种基于移动Agent的移动Ad Hoc网络入侵检测系统

移动Ad Hoc网络比传统的有线和无线网络面临着更多的安全问题,入侵检测技术可作为第2道安全防线来弥补入侵预防技术的不足;由于移动Ad Hoc网络所具有的特殊性,使得已有的入侵检测系统不适合被运用到移动Ad Hoc网络中。文章设计了一个新的适合移动Ad Hoc网络的基于移动Agent的分布式入侵检测系统,该系统充分考虑了移动Ad Hoc网络资源受限的特点,对整个网络进行了簇的划分并且提出了一个划分簇的算法,进而对不同的Agent进行了合理分配。     

数据传输协议在卫星网络中的性能分析

TCP协议是目前互联网上广泛使用的数据传输协议,当它用于卫星网络环境时,由于受时延、带宽等因素的影响,协议传输效率明显下降。介绍了为适应卫星网络环境对TCP协议机制的一些改进,和一种专为卫星环境而设计的卫星传输协议－－STP。通过模拟实验对几种协议实现方案的性能进行了分析和比较,实验结果表明：STP协议不仅具有较高的前向吞吐量,而且需要的反向信道带宽更少,在改善卫星系统性能方面优于其他改进方案。