基于动态递归神经网络的自适应控制非线性系统研究

提出一种基于动态递归神经网络的自适应控制器 ,该控制器能通过自学习不断进行适应性控制 ,且结构简单 ,易于实现 .其主要特点是能够提供一个跟踪网络来辩识系统模型 ,进而确定控制器的网络参数 ,实现间接自适应神经网络控制 .经过对大量非线性系统的仿真研究 ,证明其具有良好的控制性能 .     

带时变时延效应的模糊神经网络均方指数输入的状态稳定性

在本文中,我们对一类带随机和时变时滞效应的模糊Cohen-Grossberg神经网络的均方指数输入对状态稳定性进行了研究。通过利用Razumikhin技巧和构造新的时滞微分不等式,我们得到了神经网络系统均方指数输入对状态稳定性的充分性判定条件。并给出了一个例子用来说明我们得到的结果的有效性。     

广义时延神经网络的渐近稳定性

讨论如下带有时延的广义神经网络模型(dxi)/(dt)=Gi(xi)[bi(xi)-∑nj=1cijdj(xj(t-τj))], i=1,2,...,n,其中,τj＞0为第j个神经元的时延,cij表示第j个神经元在t-τj时刻的输出对第i个神经元的影响强度,t∈I=[t0,∞),x∈Rn.利用Lyapunov函数及推广的Halanay微分不等式,研究了该模型的渐近稳定性,给出了系统指数稳定的几个充分条件及相应的Lyapunov指数.     

a阶时延逆系统的小波神经网络实现

研究采用小波神经网络（WNN）构造a阶时延逆系统的工程实现问题，并给出了a阶时延逆系统小波神经网络存在的充分条件。文中利用小波具有的时频局域化特性，完成小波神经网络的初始化，并去除网络中大量不必要的节点，使网络大大简化。仿真研究表明，该方法对a阶时延逆系统的实现具有良好效果。     

基于分数阶时延混沌神经网络的图像加密

基于分数阶时延混沌神经网络,提出了一种新的图像加密算法:利用混沌系统产生秘钥流,把时延和分数阶导数嵌入到秘钥系统中以增加算法的安全性;用像素异或和置换相结合的方法对原始图像进行加密。通过对加密后图像各像素的水平垂直相关性、信息熵、游程统计、灰度变化平均值、直方图均衡度、密钥灵敏度等数据的详细分析,验证了该加密算法的安全性和有效性。     

神经网络敏感性的定义分类研究

研究了神经网络的输出变量对输入变量和权重变量的敏感性定义,通过分析这些敏感性定义的本质,把神经网络的敏感性定义分为3类:分析学,几何学,物理学.在这3种敏感性定义分类中,对分析学和物理学定义的敏感性进行了模拟实验,实验结果表明,物理学定义的敏感性更适合应用在径向基函数神经网络删除冗余属性上.在解决其他网络的冗余属性问题上,需要进一步研究.     

单隐层感知机神经网络对权扰动的敏感性计算

为使MLP神经网络对权扰动的敏感性计算算法更符合实际需求,提出一个不依赖隐层向量相互独立假设的敏感性计算算法。该算法通过自底向上依次计算单个神经元和单个层的敏感性来获得整个网络的敏感性,并采用数值计算方法给出敏感性的数学表达式。以UCI数据集为基础,验证该算法的计算精度,结果表明该算法得到的敏感性理论值能较好地逼近敏感性的模拟值。     

基于递推k-均值聚类算法的RBF神经网络及其在系统辨识中的应用

提出了一种基于ｋ－均值聚类算法的ＲＢＦ神经网络递推快速学习算法,并用此对动态非线性过程进行辩识。仿真结果表明了本文方法的可行性。     

时延细胞神经网络（DCNN）的全局稳定性

讨论具了延的细胞神经网络（ＤＣＮＮ）的全局渐近稳定性，利用Ｌｙａｐｕｎｏｖ泛涵方法，通过构造Ｌｙａｐｕｎｏｖ泛涵，对ＤＣＮＮ的稳定性进行再分析，给出了ＳＣＮＮ全局渐近稳定时一些充分条件。     

五维时滞双向联想记忆神经网络系统的Hopf分支

研究了具有五个神经元的双时滞双向联想记忆神经网络系统,利用泛函微分方程稳定性理论和Hopf分支理论得到线性稳定的条件,同时给出存在Hopf分支的充分条件,并运用MATLAB进行数值模拟,验证理论分析的结果。     

基于模糊距离的BP网络板形信号模式识别的研究

介绍了一种新的板形信号模式识别方法 .该方法基于待识别信号与标准样本之间的模糊距离 ,并将模糊距离作为 BP网络的输入 ,有效地解决了在板材宽度变化时神经网络的拓扑结构形式不变的问题     

基于自适应神经网络的调频调幅信号预测

线性调频信号在雷达和声纳探测上有着广泛的应用,利用自适应神经网络理论对线性调频信号的预测进行了研究,建立了自适应神经网络预测控制模型．在Matlab里进行了仿真,从图上可以看出,尽管在预测的初始阶段误差较大,但经过一段时间后,误差几乎趋于零．结果表明自适应神经网络能较好地对线性调频信号进行预测．     

网络设计中集中器定位问题的神经网络解决方法

给出了用于解决网络设计中集中器定位问题的神经网络方法，这类容量受限的集中器定位问题是求最小总花费的NP完全问题，利用拉格朗日乘数法和惩罚函数构造神经网络动态系统的微分方程，采用专门的神经网络可以有效解决，模拟结果表明，这种神经网络方法有效可行，并能求出最优解或近似最优解。     

神经网络在信号处理中的应用

运用ＢＰ网络来消除信号的随机噪声和模式识别，作为例子，考虑了正弦波、矩形波和三角波３种信号。在５０％噪声情况下，ＢＰ网络仍能有效地消除这３种信号中的随机噪声并正确地找出它的理想模式。     

基于神经网络的电力系统谐波测量方法研究

提出了一种新的基于三角基函数神经网络的电力系统谐波测量方法,给出了该神经网络算法的收敛定理,并采用加窗插值算法修正基波频率的准确度．该方法不需要同步采样和整周期截断,可一次性获得电力系统基波及各次谐波的频率、幅值和相位．计算机仿真结果表明,该方法计算精度高,计算量小,收敛速度快．     

BP神经网络拟合平稳跟踪眼震信号

在前庭功能检查中,要对平稳跟踪信号进行分析,必须先对实验者的跟踪数据信号进行曲线拟合。由于BP神经网络可以实现输入和输出间的任意非线性,使得它在函数逼近上有广泛的应用。因此本文用BP神经网络对平稳跟踪信号进行曲线拟合。对网络的训练方法采用贝叶斯正则化算法。实验表明,拟合的曲线和正弦曲线基本吻合,尽可能的通过了样本点,也排除少数点的干扰。     

Designing Neural Network Model in Distributed Control System

The realizing of Artificial Neural Network(ANN) in Distributed Control System (DCS) is discussed. The model of ANN designed can be called as easily as conventional algorithm. It can act as an ANN controller or as an identifier in adaptive control system.     

基于RBF神经网络的混沌背景下瞬态弱信号检测

针对海杂波背景下瞬态弱信号检测的问题,采用海杂波混沌模型,基于神经网络重构混沌序列相空间,提出了基于RBF神经网络预测混沌时间序列和瞬态弱信号检测方案。理论分析和仿真结果表明这种方法能够有效实现混沌背景噪声中瞬态弱信号的检测。     

基于神经网络的负载识别

提出了基于神经网络的负载识别方法,对供电系统管理有重要的现实意义.