时变最优化信息处理技术及其应用(Ⅱ)——前馈神经网络学习算法

多层前馈神经网络应用成功的关键之一在于寻找一种有效的学习方法。尤其是在线应用,其学习和效率显著极为重要。而且前应用最广泛的ＢＰ算法却存在收敛慢和振荡等缺点。     

神经网络在桩基水平承载力计算中的应用

在土木工程中,地基土、桩基几何形状变化、桩基材料及不同模型的可靠度等因素对桩基水平承载具有较大的影响。文章根据BP算法的特点,应用神经网络对桩基的水平承载能力进行了研究,提出了建立桩基承载力与土性参数、几何参数、材料参数以及计算模型的不确定性之间的关系律,作承载力分析并作受力预测分析。     

全局优化学习算法下的高阶神经网络模型

研究了一个高阶神经网络模型，该模型采用全局优化学习算法，能使所有学习图样都成为系统的稳态吸引子，其存储容量远高于Ｈｅｂｂ－ｒｕｌｅ－ｉｌｋｅ型学习算法下的高阶神经网络模型，并能存储识别相关图样，对由３０个神经元组成的二阶神经网络系统进行了计算机模拟，模拟结果证实了上述结论。此外，还分析了初始突触强度对学习效果的影响，计算不同存储力图样数目下的平均吸引半径。     

混沌退火在神经网络函数优化计算中的应用

将混沌扰动直接添加到Hopfield网络中以提高网络在函数优化计算中的寻优能力.在寻优过程中,通过不断衰减混沌扰动幅度及混沌扰动的接受概率来实现混沌的模拟退火.接收概率衰减速度的调节可以控制混沌退火的速度,从而影响网络的收敛速度.网络在优化过程中经历了混沌粗搜索和梯度下降精搜索两个阶段.利用混沌的随机性和遍历性等特点,网络可以到达全局最优点附近,最终获得全局最优解.仿真结果证明了该方法的有效性.     

预测神经网络控制器及其在禽蛋孵化过程中的应用

本文针对常规神经网络控制通常需要辨识网络和控制网络两个网,提出将神经网络用于提前学习系统动态特性,借助于运动方程来获得控制信号的预测控制算法,极大地提高了算法的运算速度。将此算法用于非线性多变量耦合的禽蛋孵化过程,取得了最佳的动、静态特性。     

一种混沌神经网络及在优化计算中的应用

提出了一种混沌神经网络模型。在Hopfield网络中引入混沌机制,首先在混沌动态下搜索,然后利用HNN梯度优化搜索。对非线性函数的优化问题仿真表明算法具有很强的克服陷入局部极小能力。     

改进粒子群优化神经网络及其在产品质量建模中的应用

针对传统神经网络优化算法易陷入局部最优值的问题,在标准粒子群算法的基础上,对粒子速度与位置更新策略进行改进,提出一种基于改进粒子群优化算法的BP神经网络建模方法. 使用sinc函数、波士顿住房数据及某钢厂带钢热镀锌生产的实际数据进行验证. 结果表明,与标准的反向传播神经网络和支持向量机相比,基于改进粒子群优化的神经网络模型可以有效提高预测精度.     

神经网络在非球面镜面型多项式反求中的应用

介绍BP神经网络的结构与学习算法,建立用于非球面镜面型多项式系数反求的BP神经网络模型,并且论述模型建立的步骤与原则方法,最后阐述了利用所建立的模型对非球面镜面型多项式系数反求的实施过程.研究表明,该方法能够较好地实现复杂非球面镜面型多项式系数的反求,并具有一定的容错能力.     

暂态混沌动力学在神经网络优化计算中的应用

通过在神经网络状态空间演化方程中引入一个非线性反馈项,使神经网络系统的动力学表现出混沌特性。为将混沌动力学作为搜索机制应用于优化问题,又引入一个调节机制构成了暂态混沌神经网络模型。本文着重分析了暂态混沌神经网络动力学行为,并将其应用旅行推销员问题。实现了全局优化且有较快的收敛速度。     

动态反馈型神经网络的特性及其应用

对Hopfield型神经网络的特性及其应用作了较为详细的讨论，给出了相应的动力学特性以及在联想记忆和优化计算方面的应用，得到离散型网络的最大记忆容量以及与汉明距离的关系，对于连续型网络还给出了绝对稳定的充分必要条件。最后指出了动态反馈型神经网络的局限性和进一步的研究方向。     

BP神经网络的模型优化研究及应用

随着神经网络在数据分析、预测及生产控制中的应用,神经网络的优化学习成为研究的一个重要课题。通过探讨BP神经网络模型的建立过程,针对BP神经网络的模型优化问题进行了详细研究。并通过对银行客户分类的仿真实验证明,优化模型能够有效地提高BP神经网络的收敛速度及预测精度。     

神经网络的遗传设计及其在甲醛生产建模及优化中的应用

采用遗传算法的机制设计了一种同时对前向网络的连接权值及拓扑结构进行搜索的方法，并采用以隐结点为基本基因型的方式，同时在算法中加入了局部搜索的方法．该算法已被应用于甲醛生产过程的建模及优化，达到了良好的效果．     

车载VLBI天线精确定位预测控制系统

利用模型预测控制算法（具有对象精确度要求不高、抗干扰能力强、控制精度高等特点）成功地对车载ＶＬＢＩ天线这样一个操作环境多变、干扰强度大、定位精度要求高的受控对象实现了快速实时控制。     

一类约束优化问题的神经网络

提出了一类解不等式约束优化问题的神经网络，并针对几个党见的约束优化问题给出了相应的网络求解公式。与文献［３］相比，该网络的优点是：虽然问题中含有不等式约束，但所给的网络求解规模没有扩大。     

BFGS人工神经网络求解无约束优化问题

提出了一种基于BFGS算法的求解无约束优化问题的人工神经网络模型,并对该模型的稳定性作了理论分析.采用该模型对两个著名的测试函数进行数值实验,结果表明,文章给出的模型具有较好的数值效果.     

PID神经网络混沌优化及其在机械臂轨迹跟踪控制中的应用

针对BP优化PID神经网络（BP-PDNN）易陷入局部极小的不足,提出了一种变尺度混沌优化PID神经网络设计方法,即MSCOA-PIDNN,将其应用于机械臂轨迹跟踪控制中.利用混沌运动的遍历性优化网络权值,通过压缩优化变量取值区间提高搜索效率.采用MSCOA-PIDNN建立机械臂系统的预测模型,以多步预测性能指标为目标函数,优化PID神经网络控制器,从而实现机械臂系统轨迹跟踪的有效控制.仿真结果表明,MSCOA-PIDNN在机械臂轨迹跟踪控制中性能优于BP-PIDNN.     

基于遗传算法的神经网络结构优化

介绍了遗传算法的基本原理,然后利用遗传算法优化神经网络结构,形成以遗传算法与神经网络相结合的进化神经网络.经验证可知,该算法具有一定的可行性与有效性.     

不一致连续Hopfield网络及其应用

针对一致连续Hopfield网络容易陷入局部最小和不合理解的现象,给出了不一致连续Hopfield网络的能量分析,得到了使网络能量函数上升、下降和不变的条件.在此基础上,通过衰减自反馈,提出了求解旅行商问题(Traveling Salesman Problem,TSP)的新网络.通过仿真证实,该网络可有效地求解TSP问题.     

神经网络优化问题研究进展

神经网络优化问题是智能计算研究领域中的一个前沿课题．在剖析神经网络优化问题现代方法优缺点的基础上,探讨了神经网络优化问题的研究动态和重大进展：结构优化方面目前主要是利用网络自身的性质及寻求新的算法优化网络的隐层层数与隐层节点数,但效果并不明显;权值优化方面多数研究是固定结构单方面优化权值,结构与权值优化的同步进行还有很大的研究空间;BP算法是优化神经网络最常用的一种方法,随着与智能算法的融合,性质得到了一定的改进,其中BP网络各种性能综合改进的研究是近年来研究的热点．针对神经网络优化存在的问题提出了改进的策略并对今后的研究前景作了具体的展望．