一种求解多处理机调度问题的自适应蚁群算法

将蚁群算法应用于求解多处理机调度问题，提出一种自适应蚁群算法．算法以最小化makespan为调度目标，根据蚂蚁留下的信息素指导蚁群在解空间展开全局搜寻，将任务分配在恰当的机器上，并通过自适应调整阈值实现全局探索与精细查找的平衡．实验结果表明算法具有较好的优化性能．     

一种改进的CSP算法

针对基于约束满足问题,笔者对其算法进行了详细的论述及分析,并提出一种MRV＋FC改进回溯算法。实验结果表明,问题规模越大,该算法效果越明显。     

基于遗传/自适应神经网络混合算法求解作业车间调度问题

本文针对一类加工时间可变的调度问题,用遗传算法和基于约束满足的自适应神经网络混合算法进行了研究.遗传算法迭代生成的染色体对应非可行解,由自适应神经网络运算后得到可行解,对应的染色体作为新一代染色体.本算例的目标函数是基于任务的提前/拖期惩罚、附加惩罚以及加工时间的偏离量惩罚,目标是确定最优加工时间和最优加工顺序极小化目标函数,并与一般的遗传算法相比较,最后结果证明了本文算法的有效性.     

一种基于改进径向基神经网络的人脸图像识别方法

常用于径向基神经网络中心参数学习的K-均值聚类算法,易受初始参数选取的影响而收敛于局部极小值.将自动终止聚类判据的减聚类算法用于径向基网络的学习,可根据样本集确定径向基函数数目,且其计算量与数据点的数目与考虑问题的维数无关,很适合于人脸这种维数较高的模式.实验证明,应用这种算法训练径向基神经网络识别人脸,从识别精度到识别速度上都优于传统算法.     

一种实用的神经网络方法在液压泵故障诊断中的应用

针对传统BP神经网络训练中收敛速度较慢的缺点,将一种基于L-M算法的神经网络应用于液压泵故障诊断,并建立了基于该算法的故障诊断模型;论述了液压泵的故障特征频率,研究基于LabVIEW的频率提取与后期神经网络的处理方法.仿真结果表明:该方法和模型显著缩短了训练时间,运用神经网络方法进行液压泵故障诊断是有效的.     

一种基于神经网络的RSSI定位算法

针对商场、地下室等室内环境GPS室内信号较弱、定位误差较大的问题,本文提出了一种基于神经网络的RSSI定位算法,通过对基本的BP算法加以改进,优化其功能,最后进行实验验证。     

动态环境下混合生产的Makespan调度方法

针对动态生产环境下混合生产的最小完工时间(Makespan)调度问题,借鉴于预测控制的思想,用滚动优化的原理求解.提出可操作集的概念,将动态环境下的调度问题合理分解,并将所得的子问题规范化,并给出适用小规模问题的基于混合整数规划的算法,对于较大规模的问题给出快速收敛的启发式算法.仿真算例表明方法的可行性.     

一种改进的Hopfield神经网络对TSP问题的求解方法

论文对Hopfield神经网络的能量函数进行重构,使得新能量函数具有参数少、表达式简洁、计算效率高等特点;并引入遗传算法中的变异算子,使得改进后的Hopfield神经网络的具有自适应调整的功能.同时,针对有效解易陷入局部极小值等问题,运用数据转换技术、贪心算法等对有效解进行优化.最后对不同规模的TSP问题仿真,结果表明这些改进方法和技巧是可行的.     

一种基于神经网络辨识的预测方法

针对时变的非线性系统,将传统的预测控制与神经网络逼近任意非线性函数的能力相结合,提出一种基于神经网络辨识的预测方法.同时选用含有调整参数的双曲正切函数作为节点的激活函数,弥补由于未考虑激活函数的输出值域、影响神经网络辨识精度和速度不足的问题.仿真结果表明,它适用于无滞后和有滞后的时变非线性系统,辨识收敛速度快、精度高,并具有较强的自适应性和鲁棒性.     

一种基于差分进化的批量流水线调度算法

提出了一种解决批量流水线调度问题的差分进化算法.该算法采用基于浮点的编码方式,通过最大位置值规则将浮点数矢量转换为工件的调度序列.为了提高调度算法的优化性能,利用最优目标个体的重组产生变异个体,并通过变异个体与目标个体的交叉产生试验个体.仿真试验表明了所得算法的可行性和有效性.     

脉冲电镀电源的一种神经网络控制方法

提出了一种用于脉冲电镀电源的神经网络控制器,并对脉冲变压器建立了数学模型.通过对整个电源系统进行仿真、实验,表明这种给予动态BP神经网络的控制器可以提高控制精度,并且对非线性.时变电镀负载有较强的适应能力.     

基于神经网络的常微分方程数值计算方法

科学与工程应用中常用微分方程来建模,提出了一种基于余弦基神经网格的计算微分方程的新方法,其基本思想是以神经网络的输出来近似初值问题中的解析解.为保证算法的收敛性,提出并证明了神经网络算法的收敛性定理,为神经网络学习率的选择提供了依据.通过实例证明了该算法的有效性.     

基于投影神经网络求解凸规划问题的二分法

将投影梯度神经网络方法和二分法相结合,提出了一种求解凸规划的新算法,并证明了该算法的收敛性.     

傅立叶神经网络建模研究

基于函数逼近论,将一组傅立叶基函数作为三层前向神经网络各隐含神经元的输出特性,以其加权和作为网络的非线性输出,构成一种新型的傅立叶神经网络;从理论上解决了单输入神经网络隐含层数及隐含神经元个数难以确定的问题。仿真实验表明,该网络具有优良的逼近任意非线性特性的能力。     

一种基于粗集神经网络的欺诈风险分析方法

指出了传统的欺诈风险分析模型存在的问题,提出了一种基于粗集神经网络的欺诈风险分析方法.详细叙述了粗集神经网络的基本原理及基于粗集神经网络的欺诈风险分析方法,并给出了一个基于粗集神经网络的信用卡欺诈的分析实例。实验结果表明,该方法应用于欺诈风险的分析中是有效的,为欺诈风险的分析和预警提供了一条新的研究思路和方法。     

基于混合神经网络的协同过滤推荐模型

数据稀疏性是推荐系统中严重影响推荐结果准确性的重要因素之一.针对数据稀疏性提出了融合卷积神经网络(convolutional neural network, CNN)和降噪自编码(denoising auto-encoder, DAE)神经网络混合的神经网络评分预测模型(convolutional-denosing autoencoder, CDAE)对用户未评分项目进行预测评分,从而解决数据稀疏性问题.首先将向量化后的用户评论数据通过卷积神经网络训练得到用户特征向量矩阵,其次将用户特征向量矩阵作为降噪自编码神经网络的初始权重,结合用户评分数据经过降噪自编码神经网络训练,得到用户-项目预测评分,然后在此基础上进行基于用户的协同过滤推荐.最后使用movielens-1M实验数据集对比验证了提出的混合神经网络协同过滤推荐(convolutional-denosing autoencoder collaborative filtering, CDAECF)模型.实验证明,所提出的CDAECF模型能够有效地结合隐性反馈和显性反馈数据,具有较高的推荐准确率.     

DC/DC变换器的一种神经网络控制方法

为了消除Buck—Boosl变换器为代表的DC／DC（直流，直流）变换器最小相位性质的影响．对其输出电压进行控制，分析模型特性．采用非线性反馈控制电流内环．用RBF（径向基函数）神经网络设计了神经网络控制器控制输出电压外环，分析了系统的稳定性．仿真结果表明．提出的控制器动、静态性能很好．对变换器中元件参数的变化和负载电阻的扰动有较好的鲁棒性．     

变尺度因子暂态混沌神经网络多用户检测器

提出一种变尺度因子暂态混沌神经网络,具有较好的逃逸局部最优点的能力,并将其用于实现DS/CD-MA通信系统中的最佳多用户检测器.实验结果表明这种基于变尺度因子混沌神经网络的多用户检测器,其误码率性能优于已有的神经网络多用户检测器,能较好地逼近最佳多用户检测器的性能。