基于时序建模的教学质量评估系统的神经网络辨识

采用时序分析对教学质量评估体系进行系统分析和建模,引入Box-Cox进行数据的非平稳性预处理,选用L-MBP网络进行系统辨识。通过比较网络对校验样本的预测效果,对隐层节点数和各层间的传递函数进行优化,同时采用重复训练法来提高网络的稳定性和预测精度。算例表明这种辨识方法能对教学质量进行更准确的评估和预测。     

发电机神经网络模型用于电力系统暂态稳定计算

用递归神经网络建立发电机模型,多层输出反馈网络建立励磁系统和调速系统模型,并将此三部分集结构成为一个发电机组的详细模型。将此详细模型写入电力系统的网络方程,联立求解电力系统暂态稳定过程。详细模型写入暂态稳定程序中６机２２节点网络。暂态过程计算结果表明,由人工神经网络模型仿真计算与机理模型常规稳定计算比较,使用人工神经网络模型和机理模型的计算结果非常接近,说明人工神经网络模型可以用于电力系统暂态稳态计算,为今后人工神经网络并行、快速、在线处理电力系统实时计算提供应用途径。     

基于连续优化蚁群算法的神经网络在喷射器性能预测中的应用

以现有的喷射器实验数据集作为样本,用单隐层前向神经网络预测喷射器的性能,网络的训练分别采用连续蚁群系统(CACS)算法和连续蚁群优化(ACOR)算法.数值实验结果显示,用这两种蚁群算法所训练的神经网络对于喷射器性能的预测精度能够满足实际工程的要求,其中ACOR算法的训练误差小于一般的BP算法,预测精度也有所提高.     

神经网络模型在锂离子电池表面温度预测中的应用研究

基于人工神经网络构建了锂离子电池表面温度的预测模型. 该模型为3层网络结构,其中输入层中有4个节点,隐含层中有9个神经元,输出层中有1个节点. 训练结果表明,模型具有较快的收敛速度和优秀的训练质量,从而保证了预测的精确度. 模型的预测值与实验值吻合程度高,说明了模型工作的有效性. 模型预测电池在较高环境温度(80 ℃)下以10C倍率放电结束时的表面温度为86.71℃,仅比环境温度高出6.71 ℃. 该模型有助于电池热管理系统的研究与开发.      

烟草类消费价格指数预测模型的研究

用神经网络中的：BP网络建立了烟草类消费价格指数预测模型,首先选定历年数据为训练组,初步确定烟草类消费价格指数预测网络结构,然后计算出网络各层上的权重值,并使其达到稳定,通过比较网络精度,确定其最优隐含层层数和各层节点数,从而确定烟草类消费价格指数预测最优模型,使用了LevenbergMarquardt优化方法,克服了传统BP算法收敛速度慢,难以确定隐含层和隐含层节点数的缺陷,从而使学习时间更短,运用该模型对城市居民烟草类消费价格指数进行了预测,用检验样本验证训练结果,绝对误差为-2.0,相对误差为2,0964％,预测某城市3年烟草类消费价格指数分别为97.3752,97.3973和97.400O。获得了可信的结论。     

人工神经网络用于红外光谱定性分散染料

根据分散染料的红外光谱图，用人工神经网络直接建立红外光谱数据库，以化合物编号直接作为人工神经网络的输出对网络进行训练，训练后的人工神经网络可对属于训练范围内的分散染料进行定性。     

遥感图象中波谱混迭象元分离方法的研究

提出用层次神经网络模型来解决遥感图象中波谱混迭象元的分离问题,即所谓的“同谱异构”问题,该模型由两级或多级神经网络级联而成,第一级神经网络主要用于波谱混迭象元的分类,采用第一个稳含层的BP网络,输入节点数目等于输入波段向量的维数,输出节咪数目等于期望类别数;第二级和后续层次的神经网络用于波谱混迭象元的分离,也采用只有一个稳含层的BP网络,其输入节点数目仍然等于波谱向量的维数,输出节点数目等于形成该混迭波谱的类别数,该模型可以高度精确地分离出波谱混迭的象元。     

Sigmoid传输函数与三层前馈神经网络的映射能力

对于具有n个隐含单元的三层前馈神经网络,证明了隐含层的Sigmoid传输函数可以把输入层数据的维数提升到n维,这意味着有n个隐神经元的前馈三层神经网络具有把低维空间映射到高维空间的能力。     

人工神经网络用于化合物的属性识别

将化合物中元素的Z1、、Z2、(Z1/rcov)1、(Z2/rcov)2、X1和X2作为结构描述符,用LM-BP神经网络和概率神经网络识别55种未知类别化合物的属性,两种方法均优于文献方法,且人工神经网络方法识别结果准确、稳定可靠,因而是一种较好的化合物属性识别方法.     

BP神经网络用于函数逼近的最佳隐层结构

研究采用反向传播算法的人工神经网络用于函数逼近时的支结构。方法,以典型的ｎ输入、单输出的多层ＢＰ网为例,在几种不同的网络隐层结构下对典的连续函数进行逼近训练。,分析各网络输出的全局误差。     

基于机器学习在空气质量指数中的应用

利用机器学习和多元线性回归模型对西安市近一年的空气质量指数进行了研究,首先利用随机森林思想对数据进行了补齐,然后运用交叉验证对神经网络模型选取最优的隐层节点数和训练周期数,最后,通过比较两种模型的拟合效果发现,神经网络模型在对空气质量指数的预测效果明显好于多元线性回归模型。     

多变量模糊控制系统的前馈解耦

为实现多变量模糊控制系统的动态解耦，基于前馈解耦思想和神经网络理论，提出了一种多变量模糊控制系统解耦的新方法——模糊前馈解耦法,模糊控制器和解耦部分独立设计，解耦由两层神经网络实现，节点少，其活化函数采用分段线性函数．利用简化的学习算法，根据系统输出误差，在线调整网络权值，从而实现动态解耦而无需辨识被控对象的模型，该方法结构简单且计算量小，适于实时多变量过程控制，仿真证明了该方法的有效性。     

基于神经网络的短期电力负荷预测

采用神经网络方案来进行短期电力负荷预测，探讨了负荷模型分类模式，对应用于实际的神经网络算法进行了具体处理，如数据的归一化问题，网络权值与阈值的初始值选定，训练样本的选择策略等。同时，以三种短期负荷预测为例，进行了大量的仿真研究，结果表明神经网络用于电力负荷预测不但可满足短期负荷预测的技术要求，而且精度比常规方法高，且算法快速简单。     

基于参数优化的RBF神经网络结构设计算法

针对径向基函数(RBF)神经网络的结构优化问题,提出了一种基于参数优化的RBF神经网络优化算法.首先,改进K-means++算法,使得聚类算法更精确,为RBF神经网络的隐含层节点找到一个合适的初始中心;然后,考虑数据分布和缩放因子选择的影响,采用方差度量法计算隐含层神经元基函数的宽度;最后,修正网络参数,提高网络的非线性逼近能力.实验结果表明,本文提出的基于参数优化的RBF神经网络具有良好的逼近效果和泛化能力.     

土壤侵蚀产沙量的人工神经网络模拟

在分析土壤侵蚀产沙过程和神经网络模型特点具有某些相似的基础上 ,采用三层前馈网络模型 (BP算法 ) ,模型的第一层有 5个结点 ,分别代表降雨强度、降雨历时、降雨量、前期降雨量 (用前 1 0天降雨总量表示 )、径流深 ;第三层只有一个结点 ,表示土壤侵蚀产沙量 ;隐层的结点数采用“试错法”确定为 3个。利用四川某地水土保持试验观测资料 ,对土壤侵蚀产沙量进行模拟及预测 ,通过分析比较 ,显示了具有较好的模拟预测效果     

WLAN indoor location method based on artificial neural network

WLAN indoor location method based on artificial neural network (ANN) is analyzed.A three layer feed-forward ANN model offers the benefits of reducing time cost of the layout of an indoor location system, saving storage cost of the radio map establishment and enhancing real-time capacity in the on-line phase.According to the analysis of SNR distributions of recorded beacon signal samples and discussion about the multi-mode phenomenon, the one map method is proposed for the purpose of simplifying ANN input values and increasing location performances.Based on the simulations and comparison analysis with other two typical indoor location methods, K-nearest neighbor (KNN) and probability, the feasibility and effectiveness of ANN-based indoor location method are verified with average location error of 2.37m and location accuracy of 78.6% in 3m.     

基于小波神经网络的邮件分类算法研究

小波神经网络模型是将小波理论和神经网络结合起来的一种模型.通过对邮件分类问题的分析,采用由伸缩和平移因子决定的小波基函数代替传统的神经元激励函数的小波神经网络的方法,建立了相应的邮件分类的小波神经网络模型.该模型克服了传统BP神经网络参数不足、隐含层单元数目难以确定、收敛速度较慢等缺点.应用结果表明,该算法在邮件分类中能有效减少平均绝对误差,提高查准率,为邮件分类算法研究提供了一种新的方法.     

基于小波神经网络的股票预测

通过将Morlet母小波基函数作为神经网络隐含层神经元的激励函数,构建了Morlet小波神经网络,对网络结构进行了隐含层节点的优化,对股票收盘价的变化进行仿真和预测,实验结果表明,Morlet小波神经网络具有较好的逼近非线性映射的能力,其泛化性能和预测能力较优.     

多变量模糊推理系统的神经网络实现

以双缸连通液面Ｆｕｚｚｙ控制系统为模型，研究了多变量Ｆｕｚｚｙ推理系统的神经元网络实现问题。这里主要考虑如下二个问题：（１）ＢＰ网络在语言环境下实现多变量Ｆｕｚｚｙ推理系统的有效性；（２）神经网络结构（隐层节点个数及输出层激发函数）对推理结果的影响。仿真结果表明，在语言环境下ＢＰ网络具有很强的近似推理能力，基于ＩＦ－ＴＨＥＮ的多变量Ｆｕｚｚｙ推理系统可由一个ＢＰ网络训练学习而加以实现，从而为有效的实现多变量复杂系统的Ｆｕｚｚｙ控制奠定了基础。     

多项式前向神经网络

提出了一种新型的前向神经网络模型-多项式神经网络。该网络具有三层结构,隐层、输出层神经元激活函数分别为：f(x)=x^p和线性函数,网络隐层-输出层的权值采取最速下降法学习,输入层-隐层的权值采用遗传算法进行学习;网络学习时,其误差函数单调递减,学习算法具有较好的收敛性;该网络能逼近任意的连续函数,且具有较好的稳定性,应用实例表明该网络的性能是优良的。