太湖洪水预报的前向人工神经网络全局最优逼近方法

将求解不等式约束非线性优化问题的群体复合形进化算法 ,应用于前向人工神经网络逼近 ,提出了前向人工神经网络全局最优逼近算法 ;将前向人工神经网络全局最优逼近算法应用于太湖水位预报 ,建立了太湖水位预报的神经网络模型 ,表明了提出的全局最优逼近算法的有效性     

三层前向人工神经网络全局最优逼近

提出了求解不等式约束非线性优化问题的群体复合形进化算法，提出的算法能充分利用目标函数值的信息，优化搜索过程具有较强的方向性和目标性，收敛速度快，且是全局优化算法；将群体复合形进化算法应用于三层前向人工神经网络逼近，提出了三层前向人工神经网络全局最优逼近算法；将三层前向人工神经网络全局最优逼近算法应用于实例，表明了提出的全局最优逼近算法的有效性     

多层前向网络在非均匀介质参数识别中的应用

将多层前向神经网络技术和计算力学方法相结合应用于非均匀介质参数识别,提出了一种新的Ｓｉｇｍｏｉｄ函数,使用前网络能较好实现全局最优逼近,采用有限元法获得神经网络训练所需的样本集,然后通过实测点的位移值用三层人工神经网络对非均匀介质进行参数识别,计算机数值实验表明,这种方法是有效的,所得结果具有相当的精度。     

具有物理基础的太湖水位多元回归模型

本文分析和比较了太湖水位预报的三种可能途径,认为采用具有物理基础的相关途径编制太湖水位预报方案最合适.在此基础上将太湖流域简化成 m 个线性入流系统和 n 个出流河道,根据水量平衡方程、水力学方法和水文学原理,推导出具有物理基础的太湖水位预报多元回归模型.模型的主要方程是线性的,其系数的物理意义是明确的.可以采用逐步回归方法和分析方法相结合的途径来确定.在太湖水位预报中,应用这一模型可以满足预报精度的要求.     

基于神经网络的交通事件检测算法

回顾了几种传统的交通事件检测算法,提出从多层前向人工神经网络角度建立模型,并运用BP算法予以实现.在将BP算法与传统算法进行比较之后,发现BP算法具有检测率高、误报率低、检测时间短的优点,同时也存在不足之处,指出了今后进一步研究的方向.     

神经网络在股票市场预测中的应用

本文分析了人工神经网络的缺陷的特点,提出了基于粒子群优化算法的神经网络模型算法.该算法利用粒子群算法全局寻优能力强等特点,可克服神经网络易陷入局部极小值、训练速度慢的缺陷。通过股票市场的仿真结果表明:基于粒子群算法的神经网络具有较好的全局快速收敛和较强的逼近等性能。     

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．     

HCM聚类算法的改进-MHCM聚类算法

硬聚类算法HCM的求解结果通常是局部最优解,本文将遗传算法应用于HCM聚类算法,同时考虑到该算法实现时的效率和开销,最终提出了一种新的算法MHCM聚类算法。测试数据实验表明采用MHCM聚类算法的结果90%以上能够取得全局最优解,远远超出了采用HCM算法所取得全局最优解的次数,证明了本算法的可推广性。     

大坝基础渗流量预测的交替学习人工神经网络方法研究

人工神经网络通过神经元之间的相互作用来完成整个网络的信息处理，具有高度非线性、自适应、自学习等一系列优点，广泛应用于物理量的预测预报中。为此提出并建立了基于交替学习迭代算法的人工神经网络模型，结合清江隔河岩水电站的实际，研究了这种模型在大坝基础渗流量预测中的应用，其预报精度较高，可望推广应用到大坝安全监控中去。     

电力系统潮流误差反向传播算法

文中将人工神经网络中的误差反向传播算法应用于电力系统潮流计算，通过算例表明，该算法具有较好的收敛特性。