BP神经网络权重和阈值初始化方法研究

针对Nguyen-Widrow算法生成的BP神经网络模型的初始化权重和阈值相关性较大,并因此影响BP神经网络模型的函数逼近性能的问题,在原初始化方法的基础上,提出了3种权重和阈值初始化改进方法.实验结果表明,改进初始化方法能够有效地提高BP神经网络模型的预测精度.     

基于模糊自适应变权重算法的函数链神经网络预测方法

为提高复杂工业系统非线性时间序列预测精度,将工业系统非线性时间序列不同的单个预测模型预测值作为函数链神经网络的原始输入值,并将原始输入值按正交的三角函数扩展得到的数值作为函数链神经网络扩展输入值,在分析函数链神经网络拟合充要条件的基础上,结合模糊自适应变权重算法计算函数链神经网络权重,建立基于模糊自适应变权重算法的函数链神经网络预测模型。研究结果表明:基于模糊自适应变权重算法的函数链神经网络预测方法的预测精度较高,并且平均误差和预测平方根误差均较小,具有较强的泛化能力;该模糊自适应变权重函数链神经网络预测模型可用于复杂非线性工业系统决策。     

基于信息交互的改进鸡群优化算法

针对鸡群优化(chicken swarm optimization,CSO)算法易陷入局部最优、收敛速度慢以及高维和超高维问题求解困难等缺点,提出了 一种基于信息交互的改进鸡群优化(information sha-ring chicken swarm optimization,ISCSO)算法.通过引入信息交互和边界变...     

信息设计中的交互设计方法

交互性是信息社会中的信息设计及工业设计发展的重要特点和发展趋势。针对信息设计中的交互设计方法,探讨其交互性视觉元素的设计规律,通过交互设计原则的把握,达到感官、行为层级甚至反思层级的可用性目标以及用户体验目标。     

基于记忆图样权重的联想记忆神经网络学习算法

提出了记忆图样对神经突触联接强度的贡献权重概念。通过使原图样成为稳定态即稳定条件得到的方案求解该权重,得到了突触联结强度矩阵,实现了神经网络相关模式的联想记忆。将此算法和其它联想记忆算法进行了比较和讨论,并用计算机进行了模拟。     

金融市场中的交互信息

在金融市场应用方面强调了在构造状态空间时选择最佳时间延滞的重要性,选择时间延滞的单值系统方法具有局限性,分析金融时间序列需要一个测量相关性更一般的方法,运用交互信息准则测量相关性,提出了基于金融时间序列的交互信息准则的新方法,当金融时间序列为高斯分布,选择时间延滞的两种方法具有相同的结果。     

上市公司综合经济效益比较的神经网络方法

上市公司综合经济效益排序是个多指标比较问题.作者提出一种基于人工神经网络的方法,通过学习、推理确定权重,较好地揭示样本各指标间的关系,从而对样本进行综合比较和排序;并通过网络的推理求出各指标对总权重所作出的贡献.     

分布式系统中计算机间的信息交互设计

在基于局域网的大型分布式仿真和控制系统中，包括数据库服务器在内的各计算机之间的信息交互方案的设计是系统性能优异的关键，尤其是在计算机数量较多或待交互的单位时间信息量较大时更为重要。为了解决计算机间的信息交互所涉及的各机间的共亨数据的读取、存贮和更新等方面的问题，采取了有效的系统规则、实时通信和快速数据库访问等技术，全面论述了相关技术细节，给出了有效的解决方案，可以达到实时的效果。     

应用人工神经网络确定评价指标的权重

阐述了如何利用人工神经网络方法确定评价指标的权重,以消除以往权重确定过程中人为影响及缺乏动态性这一弊端,具有一定的实用意义。     

基于模糊神经网络的多方案优选方法的研究

针对多属性、多准则的机械方案优选权重难以确定的问题，提出权重分配的神经网络模型，使权重的确定较为客观准确，并具有自学习功能。     

一种用神经网络估计网络可靠性的方法

提出一种用神经网络估计网络系统可靠性的方法．用节点数为n的网络系统的结构参数、网络中边的可靠度以及网络可靠性的精确值对神经网络进行训练，使神经网络学习到网络结构参数、网络中边可靠度与网络可靠性之间的映射关系．并利用同样的训练数据，应用GCV方法对神经网络模型的误差进行估计．对于节点数为n的其它网络系统，只要将有关数据输入获得的神经网络，就可得到该网络可靠度的估计值．     

判别混沌与噪声的局部可变神经网络方法

为了解决多对单类型的分类问题（ 尤其是无限多对单） ，提出了一种处理多对单问题的新型神经网络模型———局部可变权值神经网络，并将其应用于混沌信号和噪声的判别．局部可变权值神经网络学习算法与传统神经网络类似，但在工作时可根据网络输入来调整神经网络局部权值．从最后分类结果看，无论是在学习时间还是在分类精度上，局部可变权值神经网络比传统神经网络都要好     

人工神经网络在信息过滤中的应用

通过分析TextCNN和TextRNN等模型的特点，构建了卷积神经网络与循环神经网络相结合的文本分类模型.在“SMS Spam Collection v.1”数据集上对模型进行测试，选用AUC和Precision等评价指标来评价模型.结果表明，模型有良好的鲁棒性，能够准确识别垃圾邮件.     

用递阶控制思想改进基于结构的神经网络模型

分析了基于结构的神经网络建模方法，应用递阶控制的思想对基于结构的神经网络模型进行了改进．在原模型中增加了一个协调器，对每一时刻各子系统输出修正后再进行下一时刻计算．建立了52SFZ-140—270B型液压缓冲器基于结构的神经网络模型．测试结果表明，改进后的模型减小了子系统误差及子系统间的相互影响，提高了系统的整体模型精度．     

神经网络与智能信息处理

本文简要概括了神经网络理论的发展.在此基础上,对其主要发展趋向和所涉及的前沿问题进行了阐述.文中还对神经网络与智能信息处理给出了一定的评论,并提出了相应的观点.     

基于灰色神经网络的道路权重确定方法

提出了一种基于灰色神经网络的道路权重确定方法.首先利用灰色预测模型少数据建模和人工神经网络模型非线性逼近的优点,将两种模型有机结合,实现对交通流的模拟预测;其次利用交通流量-行驶速度以及行驶速度-行驶时间的关系确定交通流量与行驶时间的关系模型;最后结合前两部分建立的模型构建基于灰色神经网络的路阻函数模型,从而确定路段的权重.实验结果表明,该方法具有较高的精度,且模型利用少量的数据就可以确定路段的路阻函数,为路段权值的确定提供了一种有效可行的方法,可用于智能交通的路径规划等应用中.     

一种基于ELMAN神经网络的最优中制导律

对于中远程导弹,为得到最优中制导弹道,提出了一种基于ELMAN神经网络的最优中制导律。研究和仿真分析表明这种基于ELMAN神经网络的最优中制导律与其它末制导律配合,可有效提高导弹拦截机动目标的性能。     

一种提高DCT变换编码性能的神经网络方法

提出了一种提高ＤＣＴ变换编码性能的神经网络方法，内容包括：ＤＣＴ变换编码的失真分析、神经网络模型、网络学习算法和计算模型结果。