关于神经网络专家系统的研究

对于专家系统所存在的主要技术问题，讨论了利用神经网络实现ＥＳ的可能性，以前向多层感知机模型分析了神经网络专家系统的功能及其特征，并以识别手写数字的ＮＮＥＳ（ＨＤＲ－１）为例，说明了神经网络技术在ＥＳ开发中所起的作用。     

Ar^＋离子注入对Ge／GaAs（100）异质结能带偏离影响的XP…

用Ｘ光电子能谱（ＸＰＳ）方法研究了界面特性和Ｇｅ／ＧａＡｓ（１００）异质结的能带偏离关系。实验表明，当在清洁的ＧａＡｓ（１００）表面生长Ｇｅ异质结时，其价带偏离（△Ｅｖ）与界面特性无关，而在Ａｒ离子注入的ＧａＡｓ（１００）表面上生长的Ｇｅ异质结，其价带偏离与Ａｒ＾＋离子的浓度分布有关。     

罐藏生装整桃护色研究(简报)

罐藏生装整桃护色研究（简报）朱向秋魏建梅（河北省农林科学院昌黎果树研究所，昌黎，０６６６００）ＰＲＥＬＩＭＩＮＡＲＹＳＴＵＤＹＯＮＣＯＬＯＲＰＲＥＳＥＲＶＩＮＧＯＦＣＡＮＮＥＤＲＡＷＡＮＤＷＨＯＬＥＰＥＡＣＨＺｈｕＸｉａｎｇｑｉｕＷｅｉＪｉａｎｍｅｉ...     

基于人工神经网络和专家系统结合运用的电网故障诊断技术的研究

人工神经网络（ＡＮＮ）和专家系统（ＥＳ）的结合是智能系统研究的发展方向。本文对ＡＮＮ和ＥＳ结合用于电力系统故障诊断问题进行了研究，提出一种新的电力系统故障诊断方法。该方法综合了ＥＳ和ＡＮＮ各自的优点，充分利用ＥＳ的推理能力和ＡＮＮ的学习能力，由ＥＳ根据故障报警信息搜索电网数据库，提出故障假设，再由ＡＮＮ对故障假设进行诊断。该方法教授给ＡＮＮ的知识是电网通用的故障判断知识，具有较强的能用性。研究表明ＡＮＮ和ＥＳ结合用于电网故障诊断是非常有效的。     

A CLASS OF NONHOMOGENEOUS INVERSE RIEMANN BOUNDARY VALUE PROBLEM

ＡＣＬＡＳＳＯＦＮＯＮＨＯＭＯＧＥＮＥＯＵＳＩＮＶＥＲＳＥＲＩＥＭＡＮＮＢＯＵＮＤＡＲＹＶＡＬＵＥＰＲＯＢＬＥＭ￥ＬｉｕＳｈｉｑｉａｎｇ（刘士强）（ＮｉｎｇｘｉａＵｎｉｖｅｒｓｉｌｙ，Ｙｉｎｃｈｕａｎ７５００２１）０ＩｎｔｒｏｄｕｃｔｉｏｎＴｈｅｓｔ...     

基于神经网络推理的故障诊断专家系统

本利用神经网络（ＮＮ）知识并行处理，自学习及联想记忆等功能，建立了基于网络推理的专家系统，论述了ＮＮ的结构，算法参数的确定，系统知识获取和离线／在线自学习功能提出了ＮＮ数值推理和ＥＳ深层逻辑概念相结合的输入／输出转换机制与ＮＮ推理的解释机制。研究表明系统具有良实用性。     

基于模糊线素特征与神经网络相结合手写体汉字识别

本提出了一种基于模糊方向线索特征（ｆｕｚｚｙｄｉｒｅｃｔｉｏｎａｌｌｉｎｅｅｌｅｍｅｎｔｆｅａｔｕｒｅ,ＦＤＬＥＦ）与人工神经网络（ａｒｔｉｆｉｃｉａｌｎｅｕｒａｌｎｅｔｗｏｒｋｓ,ＡＮＮ）相结合的手写体汉字识别方法（ＦＤＬＥＦ－ＡＮＮ）,解决了单一ＦＤＬＥＦ方法对相似字识别率低的问题。     

基于人工神经网络和专家系统结合运用的电网故障诊断技术…

人工神经网络（ＡＮＮ）和专家系统（ＥＳ）的结合是智能系统研究的发展方向。本文对ＡＮＮ和ＥＳ结合用于电力系统故障诊断问题进行了研究，提出一种新的电力系统故障诊断方法。该方法综合一ＥＳ和ＡＮＮ各自的优点，充分利用ＥＳ的推理能力和ＡＮＮ的学习能力，由ＥＳ根据故障报警信息搜索电网数据库，提出故障假设，再由ＡＮＮ对故障假设进行诊断。该方法教授给ＡＮＮ的知识是电网通用的故障判断知识，具有较强的能用性。研究表明     

基于人工神经网络和专家系统Shell的城市发展水平综合评价专家系统的研究

基于人工神经网络（ＡＮＮ）和专家系统Ｓｈｅｌｌ（ＥＳＳ），提出了一种城市发展水平综合评价专家系统（ＣＣＥＥＳ）的基本结构模式，并对ＣＣＥＥＳ中评价指标规范化方法、基于ＡＮＮ的知识获取方法，基于决策表的知识库自动生成方法以及推进机的工作原理作了描述。     

影响同步发电机无功—电压特性的因素分析

指出整定同步发电机的无功－电压（ＱＧ－ＵＧ）特性是自动调节励磁（ＡＥＣ）装置最基本的功能之一，提出自动调节励磁装置的作用可等效为同步电势在端电压方向的投影（Ｅｑｃｏｓδ）及同步电抗（Ｘｄ）的代换。当视转子电流恒定时，额定运行点的ｄＱＧ／ｄＵＧ取决于同步电抗Ｘｄ。     

交通量的灰色神经网络预测方法

结合灰色系统思想与神经网络构成灰色神经网络,根据目前灰色模型与神经网络结合的方法,提出并联型、串联型和嵌入型3种预测模型的结构.并联型灰色神经网络首先采用灰色模型、神经网络分别进行预测,而后对预测结果加以组合作为实际预测值;串联型对多个灰色预测的结果使用神经网络进行组合;嵌入型在神经网络的输入端、输出端分别增加一个灰化层和白化层而构成.对并联型灰色神经网络给出一种根据预测模型的有效度确定加权系数的方法.将上述3种灰色神经网络模型用于对京石高速公路断面机动车实时交通量进行预测,模型精度和预测结果比较理想,优于单一预测模型.实验表明:灰色神经网络可提高预测精度,用于交通量预测方法是有效可行的.     

新型递归神经网络求解时变矩阵Moore-Penrose逆

将传统梯度神经网络（GNN）与张神经网络（ZNN）巧妙结合,提出了一种新型的神经网络（NNN）模型.在相同的条件下,采用NNN,GNN,ZNN模型求解时变矩阵M-P逆,从理论上证明了NNN模型的有效性和优越性.计算机仿真结果表明NNN模型在有噪声的条件下求解矩阵M-P逆具鲁棒性.     

基于IPSO-GNN的油田指标预测模型研究

针对油田开发指标预测问题,提出将灰色神经网络(GNN)与改进粒子群算法(IPSO)相结合的组合预测模型(IPSOGNN),通过IPSO对GNN的a、u参数进行优化,改善了GNN的不足,有效地保证了预测精度。以油田开发指标中的含水率作预测算例,仿真结果表明:此模型的预测精度高于灰色预测模型、灰色神经网络以及BP神经网络模型,同时也表明了此方法的可行性与有效性。     

一种基于粗糙神经元的神经网络预测算法

根据粗糙集理论的上、下边界,在神经网络预测模型中引入粗糙神经元,建立了一种新的BP神经网络,它由传统神经元和粗糙神经元组成。仿真实例中将其应用于降水量的预测控制,研究显示了该网络具有良好的克服偶然因素的能力以及较强的预测准确率。     

基于神经网络的分子性质预测算法研究进展

分子性质预测是材料化学领域的热点问题,基于第一性原理的计算方法虽然可以明确地描述体系中电子分布,但计算过程过于复杂,且计算复杂度随分子中原子增加呈指数级增长。近年来,随着相关研究的不断深入,涌现出多种多样的深度学习算法,将算法分为基于多层感知机(multi-layer perceptron, MLP)和图神经网络(graph neural network, GNN)两大类及六个子类,研究不同算法的特点。分析表明,MLP类算法结构简单,算法扩展性有限,与分子内部结构关联度不高;相反,GNN类算法融合消息传递机制,将分子间相互作用转换为结点、边之间的特征传递,在各向评价指标中占优。目前,基于深度学习的分子性质预测算法正从MLP类算法向GNN类算法过度。最后,提出基于深度学习的分子性质预测算法未来在数据集、各向异性特征传递、指导材料科学与生命科学中的实际应用等方面的发展方向。     

利用遗传神经网络算法的ATM链路容量控制

研究遗传神经网络算法在异步转移模式（ＡＴＭ）链路容量分配中的应用。利用神经网络预测器,借助足够的学习样本,自动学习用户信息和网络性能的未知关系,预测网络性能,并用遗传算法进行优化分配,解决了ＡＴＭ链路容量分配中的困难。分别采用链路利用率和呼损率两种优化目标进行计算机模拟。结果表明,该方法能正确完成容量分配,与其它方法相比,不需对网络进行复杂的数学分析,控制简单、易行。     

神经网络在二次规划问题中的应用

利用对偶神经网络解决了基于线性等式、 不等式和有 界约束的二次规划问题, 表明所研究的对偶神经网络具有整体指数收敛性, 与包含高次非线性条件的神经网络相比, 所提出的网络使用了更少的神经元, 并且网络的体系结构更简单.数值实验结果表明了该方法的有效性.     

一种新的灰神经网络及其在海洋平台振动控制中应用

针对灰色理论预测精度比较低和神经网络结构很难确定等问题,首次提出一种基于新的效果测度的灰局势决策理论,并据其构造神经网络的拓扑结构,确定神经网络的各层神经元个数及神经元的输入输出运算.将灰神经网络作为自适应预测逆控制器用于导管架式海洋平台的振动主动控制中,数值仿真结果表明,构造的灰神经网络泛化能力强,提出的控制方法可有效地控制导管架式海洋平台顶部在随机外荷载作用下产生的位移响应.     

基于正则约束的分层仿射图神经网络文本分类模型

文本分类是自然语言处理中一个重要的研究课题。近年来，图神经网络（graph neural network，GNN）在这一典型任务中取得了良好的效果。目前基于图结构的文本分类方法存在边噪声和节点噪声干扰、缺乏文本层次信息和位置信息等问题。为了解决这些问题，提出了一种基于正则约束的分层仿射图神经网络文本分类模型Text-HARC，该模型融合了图注意力网络（graph attention network，GAT）与门控图神经网络（gated graph neural network，GGNN），引入正则约束过滤节点与边噪声，分别使用仿射模块与相对位置编码补充词语表示。通过实验，该方法在TREC、SST1、SST2、R8四个基准数据集上的准确率提升明显，消融实验结果也验证了该方法的有效性。     

利用遗传算法优化人工神经网络权值

遗传算法是一种新的、基于自然选择和基因遗传学原理的随机搜索算法．针对神经网络中BP算法学习效率低且收敛速度慢以及容易陷入局部最优等不足，文章提出利用遗传算法对BP神经网络中的神经元间的连接权值进行优化的方法．试验结果表明，用遗传算法优化BP神经网络的连接权值后收敛速度快，并有效的解决了BP算法容易陷入局部最优的问题．