函数型连接神经网络偶发事件分类器设计

偶发事件分析是电力系统安全分析和可靠性计算中的关键问题,需要大量的计算时间.为了有效地减少大电力系统开断模拟的计算工作量,提出一种用于识别偶发事件的函数型连接神经网络(FLNN)分类模型和算法.为获取事故后的系统状态信息,用相对于故障前系统状态的变化量反映事件的行为特征,设计了一组行为指标(PI),构造出神经网络分类器.讨论了各种行为指标及其组合对分类器的不同影响,指出支路功率行为指标是较好的行为指标.通过对IEEE-RTS24试验系统进行的分类计算表明,该分类器不仅网络结构和学习算法简单,而且提高了计算速度和精度.     

基于函数连接型神经网络的非线性滤波

提出了一种基于函数连接型神经网络(FLNN)的非线性滤波解决方案,比较了线性滤波器和FLNN神经网络在非线性滤波中的性能差异。应用MATLAB针对伴有随机噪声的信号进行了仿真滤波试验,证明了该理论的可行性。     

基于递推k-均值聚类算法的RBF神经网络及其在系统辨识中的应用

提出了一种基于ｋ－均值聚类算法的ＲＢＦ神经网络递推快速学习算法,并用此对动态非线性过程进行辩识。仿真结果表明了本文方法的可行性。     

一种新的系统辨识方法

本文利用欧几里德演算法,通过一次性剔除公因子,给出一种能同时辩识系统阶数和参数的方法,最小二乘——欧几里德算法。     

模糊神经网络在小车摆系统辨识中的应用

本文利用自适应神经-模糊推理系统ANFIS良好的系统辨识能力,对具有较大非线性特性的小车摆系统进行辨识,得到了相应的系统模型.仿真实验进一步验证了ANFIS的系统辨识的能力.     

系统辨识的神经网络实现

采用Ｂｐ算法，给出了一个系统辨识的实现方案，并给出计算机编程算法，为神经网络的理论研究向生产实践应用转化，提出了一条可行的途径。     

一种适于非线性系统辨识的神经网络学习算法

提出基于卡尔曼滤波前向多层感知器快速学习算法，对此算法进行了详细的推证。仿真结果证实了这种神经网络结构用于非线性系统辨识的有效性。此算法收敛速度快、重复性好，且对存在观测噪声的输入输出能获得尽可能精确的辨识结果，从而提高了神经网络系统辨识的实用性。     

基于神经网络的函数逼近问题

给出了函数逼近问题,提出了一种新的神经网络模型,结合函数逼近问题及该神经网络模型给出了一种学习算法,并利用该算法对函数逼近进行了仿真.说明了该算法的实用性.     

混合计算智能学习算法在系统辨识中的应用

提出既具有较快的收敛性,又具有良好的全局收敛特性的混合计算智能学习算法,并将其应用于系统辨识。仿真结果表明,此方法是有效可行的。     

基于神经网络的智能控制在水泥生料配料中的运用

本文根据水泥生料配料的工艺要求，将一种神经网络的控制系统运用于生料配料，对于难以建立数学模型的控制系统提供了有效的方法。     

局部反馈函数联接网络及其应用

结合时间序列分析提出了一种具有局部反馈回路的函数联接网络（ＬＲＦＬＮ）模型，并利用ＬＲＦＬＮ对非线性时间序列进行了建模与预报，对网络扩展函数选取，初始权集的设定，以及网络结构选择和学习算法进行了研究，同时，通过对模拟数据和机切削颤振数数据的建模与预报，将其与常用的时间序列模型（ＡＲ，ＡＲＭＡ和指数自回归模型）以及ＢＰ网络进行比较，研究结果表明该方法是可行和有效的。     

柔性制造系统的P－定时有色Petri网模型

给出了Ｆｌｏｗ－ｓｈｏｐ型系统缓冲器容量无限和有限两种Ｐ－定时有色Ｐｅｔｒｉ网模型。模型结构简单，不随机器、加工件种类、数量的增减而变化，普遍适用于按顺序操作或施工过程的模拟。     

遗传算法在系统辨识中的应用

基于遗传算法,采用改进的遗传算子,提出了一种辨识系统参数的方法．该方法能有效地克服有色噪声的干扰,获得系统参数的无偏估计．仿真结果说明了该方法的有效性．     

基于遗传算法的离散和连续系统辨识

阐述了遗传算法应用于离散和连续系统中直接辨识物理参数。该方法能有效地克服有色噪声的干扰 ,获得系统参数的无偏估计。对离散系统的辨识仿真结果说明了该方法的有效性     

MIMO系统的循环频率域分离辨识方法

针对多输入多输出(MIMO)线性时不变(LTI)系统提出了一种新颖的盲辨识方法。它利用了调制产生的二阶循环平稳性(MIC),在循环频率域对信号的统计量进行分离。再用简单的算法,就可以识别出不同的系统。文中还讨论了对算法进行的计算机模拟。     

一类二阶非线性泛函微分方程的振动性

在二阶泛函微分方程振动理论研究成果的基础上,利用Riccati变换、微分与积分、不等式的放大与缩小等方法,讨论了更一般的一类二阶非线性泛函微分方程的振动性,得到了该类方程所有解振动的新的充分条件,改进了已有文献中的某些条件,推广了文献中的一些已知的结果。     

二阶非线性泛函微分方程的振动性(英文)

讨论了一类二阶非线性泛函微分方程的振动性,得到一些新的振动准则.     

基于模糊Petri网的误用入侵检测方法

提出了基于模糊Petri网的误用入侵检测方法,并将类似于神经网络的学习引入模糊Petri网,以调整攻击知识模型参数. 理论分析表明,基于模糊Petri网的误用入侵检测系统具有更高的推理效率,能从环境中动态学习调整知识模型的相关参数,如阈值、权值、确信度. 仿真结果表明,在大多数情况下,学习调整后的知识模型能够提高误用检测系统的检测率.     

基于网页内容相似度和链接关系的社区发现及动态添加

给出了一种基于网页内容相似度和网页之间链接关系的社区发现方法.该方法不仅考虑了网页之间的超链接关系,而且着重考虑了网页在内容上的相似度并克服了传统社区发现算法忽略网页内容的局限性,使发现的社区在内容上更相关.在原始社区的基础上对其进行动态添加,将网络中新出现的与原始社区中的网页存在链接关系同时与主题相关的网页加入到原始社区.实验表明,此方法可以有效地应用于网络的社区发现,使发现的社区在内容上更相关.     

基于随机Petri网可修控制系统的可用度计算

提出了一种基于随机Ｐｅｔｒｉ网的可修控制系统的稳态可用度的计算方法。该方法利用随机Ｐｅｔｒｉ网作工具来分析系统的状态变化关系，从而得出相应的Ｍａｒｋｏｖ链状态转移图，再利用由此得来的状态概率矩阵方程求解，计算较为简单。