空中交通流量预测的人工神经网络和回归组合方法

为了寻找合适的空中交通流量预测方法,在综合回归预测方法和人工神经网络预测方法优点的基础上,提出采用组合预测方法的思想,并基于多元线性回归模型确定组合方法的权重系数。以北京管制区大王庄导航台流量预测为实例,分析结果表明:组合预测方法对实际流量有好的拟合度,能提高人工神经网络的泛化能力,并减小预测的误差,即总体上不仅优于传统的回归预测方法,也优于单独的人工神经网络预测方法。组合方法为空中交通流量的预测提供了一种可靠而有效的新途径。     

基于人工神经网络及非线性回归的岩爆判据

采用人工神经网络和非线性回归方法研究岩爆判据研究.首先利用人工神经网络对原始样本进行量化,然后对量化后的样本数据进行非线性回归分析,获得新的岩爆判据公式.研究结果表明:此岩爆判据公式具有较高的预测精度.     

人工神经网络:当前的进展与问题

一、引言人工神经网络（ArtificialNeuralNetwork，ANN）研究热潮的再度兴起有其客观的历史背景。50年代以来，以符号机制（Symbolism）为代表的经典人工智能（ArtificialIntelligence，AI）形式体系取得了巨大的成功。80年代，当人们对过去30年的成就与问题进行反思时，却不得不承认，智能系统如何从环境中自主学习的问题事实上并未很好地解决[1]。Rosenblatt（195）的感知机（Perceptron）模型首次将自组织和自学习的思想引人智能系统[2]，这一贡献对人工神经网络30年之后的重新崛起埋下了伏笔。80年代中期，以符号机制为代表的经典…     

用人工神经网络和多元线性回归预测毛细管气相色谱保留指数

对石脑油各组分在毛细管气相色谱上的保留指数的理论预测,可作为色谱分离过程中识别各组分的一种参考方法,选择了6个分子结构信息描述符,即分子量、三级分子连接性指数、环烷烃的立体异构体参数及密度,作为输入参数以提高BP网络的预测能力,对指数的同一数据集用多元线性回归和BP神经网络同时进行了预测,平均相对误差分别为1．21％和1．29％。     

基于人工神经网络与回归分析的水质预测

针对人工神经网络(Artificial Neural Networks,缩写ANN)在预测中出现的异常值现象,采用了回归分析模型得到的预测区间来控制异常值现象的方法.并且应用在黄河三门峡河段的水质预测中,氨氮通量预测的ANN模型控制前平均精度仅有50.05%,控制后该月的相对精度为90.08%,平均精度达到80.79%,整体预测精度明显提高.化学需氧量(COD)浓度的预测也有类似情况.实践表明该方法对于消除ANN模型预测中出现的异常值现象是较为有效的.     

浅谈智能科学——人工神经网络及其发展中的哲学思考

人工神经网络是人工智能科学的重大研究领域之一,并在二十世纪科学技术所得了重大成果。近年来,国际学术界掀起了研究人工神经网络的热潮,但其神经网络模拟的对象需进一步的理解。有鉴于此,本文从哲学的角度对人工神经网络的产生背景、发展进行了初步的讨论。     

位移反分析的人工神经网络方法研究

各种传统位移反分析方法的反分析模型非常复杂,求解亦非常困难．本文应用人工神经网络原理,建立了位移反分析的人工神经网络方法,并应用该方法对所设定的一标准弹塑性问题的力学参数进行了反演,反演结果表明,所建立的位移反分析的人工神经网络方法具有模型简单、求解快捷等优点,且其精度亦能达到工程应用要求,因而可以在工程实际中应用。     

对数函数自回归模型的自回归分析

将回归模型的回归分析推广到对数函数自回归模型的自回归分析,获得了对数函数自回归模型参数的估计公式、估计标准误公式、变量的点估计与区间估计公式、总体自回归系数的检验统计量.     

线性自回归模型的自回归分析

将回归模型的回归分析推广到线性自回归模型的自回归分析,获得了线性自回归模型参数的估计公式、估计标准误公式、变量的点估计与区间估计公式、总体自回归系数的检验统计量。     

非线性回归分析中的神经网络方法

基于三层前馈式人工神经网络,提出一种用于确定一类非线性曲线回归参数的有效方法。通过实例学习,结果表明,该方法具有良好的参数辨识效果     

人工神经网络法在地下水水质分级中的应用

通过对受污染的地下水进行水质分析，建立了该类水质的人工神经网络分级预测模型，采用已确定其污染级别的地下水数据作为训练样本对网络进行训练，然后利用收敛的网络进行污染程度分级，其结果与实际的基本一致，这充分说明了利用神经网络预测该类水质受污染程度是一种可行方法。     

汽轮机在线性能分析BP神经网络模型

为了提高汽轮机在线性能分析系统的健壮性、精确性和抗干扰能力，对BP网络算法进行拓展，增强其网络功能。使之能够分析网络输入参数偏差对输出参数的影响，建立了一种新的汽机在线性能分析模型．与常规在线分析模型相比，该模型只需常规模型输入参数个数的1/5，大大减小了测量设备损坏对在线系统的影响；而且该模型分析结果精确、可靠，测定的热耗结果与常规分析结果误差不超过1％．另外，该模型容错性能良好，参数在2％内波动对分析结果无太大影响．     

微波陶瓷测试技术的神经网络实现

针对微波陶瓷的开式腔谐振法算法复杂、计算量大、计算速度慢的问题，提出了一种基于神经网络的替代算法．对完全神经网络模型和部分神经网络模型进行了对比，并讨论了网络拓扑结构对在线训练效果、训练时间和离线计算精度的影响．研究表明，采用1-6-6—2结构即单输入双输出的三层部分神经网络模型，计算速度可比传统算法提高1280倍以上，介电常数的计算误差不超过0.03％，品质因数的计算误差不超过0．8％，与传统算法相比，用神经网络实现的算法具有运算量小、速度快等优点，并保持了足够高的计算精度．     

硬度转换的神经网络模型

基于人工神经网络理论，建立了各种硬度值之间相互转换的完整一的神经网络模型，该模型可实现各种硬度之间的线性与非线性映射，并对硬主莆中没有的数据给出准确的预测，克服了查表法的不足，较线性回归具有更高的精度，网络模型可嵌入机械ＣＡＤ系统中，方便中种硬主之间的转换。     

RBF人工神经网络拓扑结构定义与解的唯一性证明

以RBF人工神经网络为例,通过引入透明人工神经元的定义,提高了人工神经网络拓扑结构表述方面的一致性,证明了人工神经网络解的唯一性与确定性,提出了训练算法的非随机性和学习速率的最佳选择.     

基于事例的推理循环中人工神经网络和遗传算法的4种应用模型

从理论上研究了人工神经网络（ANN）模型和遗传算法（GA）在基于事例的推理（CBR）循环中的应用。针对CBR循环中遇到的共性技术问题，即事例的检索与修改，提出了4种应用模型：基于神经网络自适应共振（ART1）、自组织特征映射（SOFM）模型的事例聚类，基于反向传播神经网络（BPN）模型的事例相似度计算，基于GA的最近邻检索法（K－NN）特征权值优化以及其于GA和BPN的事例自动修改。讨论并建立了各种模型的算法。对提高CBR实际应用时事例的检索效率与质量具有指导作用。     

基于人工神经网络基础上的汽轮发电机组励磁与转速控制

在对汽轮发电机组过渡过程和人工神经网络理论分析研究的基础上，把人工神经网络引入到对发电机组励磁与转速系统的控制中，根据分工合作、协调控制的原则提出了由两个三层ＢＰ网络为核心的ＡＮＮ综合控制器．该控制器能识别运行状态的变化，在故障时自动启动快关汽门装置，达到对机组的综合协调控制．最后给出了该控制器对单机－无穷大系统的数字仿真结果     

区组设计在改进BP网络样本选取中的应用研究

利用多元统计分析中的试验设计思想，提出了用区组设计指导样本选取，并将之应用于我国西部煤田地质环境评价神经网络建模之中，结果表明该方法是有效的。     

Immune Feedforward Neural Network for Fault Detection

An immune algorithm-based approach was developed to optimize a feedforward neural network. The network architecture, activation functions, and training method were encoded as individuals with an ap- propriate method for individual selection. The immune feedforward neural network is then applied to fault detection of water quality monitoring equipment. This gives better performance than a feedforward neural network.