遗传算法在非线性电路分析中的应用

本文提出了一种用遗传算法求解非线性电阻电路方程的方法，并通过实例进行了验证。实验证明这一方法可以有效地防止传统数值解法中的迭代振荡和发散问题，可广泛用于非线性电路的分析。     

一种进行非线性直流分析的C语言程序实现

非线性电路分析求解较复杂，手工计算困难．本文用Ｃ语言编制的程序可对非线性电路进行分析求解。     

非线性电路的ACNGA求解方法研究

在非线性电路的研究中，非线性电路的全解集的求解方法研究是非线性电路理论的重要研究领域之一。遗传算法是一种模拟生物进化的最优化搜索方法，因其稳定性好、不需要计算目标函数的能处理多维数值问题，遗传算法在科学研究和工程技术中得到广泛运用。针对非线性电路的全解集的求解要求，本文提出了一种改进的具有自适应交叉算子的小生境遗传算法，成功地应用于非线性电路的全解集的求解，结果表明了具有自适应交叉算子的小生境遗传算法（ACNGA）对非线性电路求解的有效性和实用性。     

二次物理分解法--一种大规模非线性电阻网络的并行分析方法

提出了一种大规模非线性电阻电路并行分析的方法-二次物理分解法，该方法可以把大规模非线性电阻网络分解成大量的可行并行分析的小规模线性子网络，计算机模拟证明该方法可以有效地对非线性电阻电路进行并行分析，提高分析的速度与效率。     

含非线性时变互感电路的计算机辅助分析

基于电路理论和数值积分和原理，导出非线性时变互感关于梯形算法的电路模型，提出一种便于用计算机对含非线性时变互感电路进行瞬态分析的方法，将含非线性时变互感电路的瞬态分析简化为若干非线性时不变电阻性电路的直流分析。     

含有非线性电阻的动态电路唯一稳态的研究

利用矩阵分解方法，在用常数界定元件成分关系斜率条件下，得到了确定具有分解形式的高维含有非线性电阻的动态电路唯一稳定条件，结果表明，含有非线性电阻的动态电路的唯一稳态，可以用分解矩阵的稳定性决定。     

非线性电阻电路解的存在性与唯一性的研究

介绍了近年来国内外有关非线性电阻电路研究状况的７个定理,特别是对于非线性电阻电路解的存在性与唯一性方面的研究成果和研究方法进行了较详细的比较,提出了非线性电阻电路解的存在性与唯一性的研究取决于非线性电阻电路的结构特性和各元件的特性参数等几个观点     

电路节点的数据结构及电路方程的数据结构

简要介绍了一般电路的数据结构brlist和基尔夫回路集的数据结构kichhoff，提出了电阻、恒压源和恒流源等元件的数据结构和电路节点集的数据结构dotsque，给出了由电路brlist得出dotsque的算法，通过一个实例分析了实际电路、brlist、kicrhhoff和dotsque的关系，给出了KVL方程、KCL方程和电流电压方程的数据结构，最后从人工智能和机器学习的角度讨论了非线性复杂的计算机表示方法和计算机自动求解的问题。     

自适应杂交NGA及其在多值电路分析中的应用

提出了一种具有自适应交叉算子的ＮＧＡ算法（简记为ＡＣＮＧＡ），以解决具有多模态函数的参数优化问题，ＡＣＮＧＡ能随着解空间参数结构的变化，自适应地选择不同的杂交算子并确定相应的杂交率，使解群在保持多样性的前提下，以较收敛率得到最优解集。该算法可求解非线性方程组，并主解具有任意约束关系的非线性电阻电路的所有解。     

根据节点电压值识别非线性电路参数

本文利用非线性电路的非线性性质和替代原理,提出一种新的非线性电阻电路参数识别法。对于无源非线性电阻电路,当非线性电阻不存在故障或存在单故障时,各元件参数、特性可唯一地确定,当非线性电阻存在多故障时,在一定条件下,各元件参数、特性可唯一地确定。对于有源非线性电阻电路,当非线性电阻不存在故障时,各元件参数、特性同样可唯一地确定。     

非线性振动控制的神经网络离散逆系统方法

针对非线性结构振动控制难以用线性控制方法精确控制的情况，提出神经网络离散逆系统方法．建立了结构的离散化模型，再用神经网络将非线性系统通过逆系统变换变为伪线性系统，对该伪线性系统可以用一般线性方法精确控制．该方法将非线性结构控制问题转化成了线性结构控制问题，使问题难度大大减小．对某非线性建筑结构振动作了控制仿真，实现了精确线性化，控制效果曲线与对线性结构控制效果曲线几乎完全吻合．神经网络离散逆系统方法发挥了神经网络和线性控制各自的优点，可用于强非线性结构的振动控制．     

基于Volterra基函数网络的自适应逆控制方法

提出了一种基于Ｖｏｌｔｅｒｒａ基函数（ＶＰＢＦ）网络的非线性系统自适应逆控制方法。对象和逆控制器各用一个ＶＰＢＦ网络表示,应用正交最小二乘算法进行离线网络结构确定和权值初始化,构造了一种动态归一化非线性最小均方（ＤＮＮＬＭＳ）权值更新算法,以进行网络权值的在线学习。仿真结果表明,该方法具有算法简单、学习速度快、鲁棒性能好等优点。     

基于结构的神经网络在液压缓冲器建模中的应用

分析了液压缓冲器的结构及其动态工作过程，介绍了基于结构的神经网络建模方法．该建模方法根据系统结构组成特点将复杂系统分解为相互关联的简单子系统，用函数链神经元分别建立子系统模型，然后根据子系统间固有的连接关系将子系统神经元模型连接成一个网络，所得网络模型即为原系统模型．应用该方法建立了52SFZ—140—207B液压缓冲器的动态模型．结果表明，基于结构的神经网络建模方法对复杂非线性系统建模是有效的．     

材料非线性问题的遗传算法与神经网络耦合分析

基于遗传算法的全局最优化功能以及BP网络的非线性映射功能，提出了用于结构非线性分析的遗传算法与神经网络耦合分析方法。该方法是利用遗传算法的全局优化功能搜索BP网络各神经元之间的连接权值。以受内压的厚壁圆筒为数值算例，利用建立的遗传算法与神经网络的耦合分析方法进行弹塑性分析。计算结果表明该方法是有效的，具有较高的计算精度和计算效率。     

多层人工神经网络合理结构的确定方法

隐层结构如何选择是多层人工神经网络应用中一个关键问题·基于多层神经网络优化算法原理和非线性方程理论,建立了多层神经网络计算输出和理想输出关系的非线性方程组,分析了权阈变量、标准样本数量和输出层单元数量的内在关系,给出隐层层数和每个隐层单元数量选取应该满足的基本条件·提出多层神经网络合理结构,即隐层层数和每个隐层单元数量选取的一般原则,给出隐层结构定量求解的直接计算方法和间接优化计算方法·对具体算例进行了合理结构分析,通过神经网络优化算法对多种结构组合比较,表明所提出的合理结构分析方法的正确性·这种方法将为多层神经网络在工程应用中如何选取合理结构提供理论依据和选取有效方法·     

基于动态BP算法的非线性滞后系统辨识

鉴于很多实际问题都可以转化到多示例框架下求解,多示例学习越来越受到机器学习领域内学者们的关注.提出了一个基于Logistic回归模型的多示例学习算法.首先定义了一个新的似然函数来表示每个包的标签与其示例的隐含标签之间的关系,然后利用凝聚函数把该似然函数转化为一个光滑的凹函数,从而使问题可以用常用的无约束优化方法快速求解.在一些标准数据集和一个文本分类问题上的实验结果表明,所提算法要优于其他常用多示例学习算法.     

基于进化神经网络的入侵检测方法

将神经网络与遗传算法结合,提出入侵检测的进化神经网络方法,它是个高效并行非线性动态处理系统,可以满足实时处理要求·首先用遗传算法优化神经网络结构,然后用优化的神经网络进行入侵检测预测、预警·用进化神经网络方法不断演化,寻找最优的网络结构·当进化神经网络学会系统正常工作模式后,能够对偏离系统正常工作的事件做出反应,进而可以发现一些新的攻击模式·实验表明预警率是很高的     

RF功放非线性特性的在线神经网络建模

为了改善功放系统的非线性特性,采用了基带数字预失真技术,其中功放系统的建模是其关键技术.由于功放系统是一个复杂的带记忆效应的非线性时变系统,为了能够实现实时校正,采用级联相关算法进行在线神经网络建模.首先选用残差相关性判别方法来确定神经网络功放模型的结构和初始参数,然后使用带遗忘因子的递推最小二乘法对神经网络模型参数进行在线自适应调整.对实测数据的验证表明,建立的神经网络模型完全能达到给定的性能指标要求.     

递归神经网络的学习算法

本文提出采用组合神经网络方法,对一类非线性控制对象进行学习以实现最优控制,仿真实验表明,这种方法对于复杂非线性系统的研究是有效的。     

非线性函数逼近的神经网络方法

针对工程实际中一类典型的非线性函数逼近问题，本文阐述了单层函数型网络及双层网络在应用时各自的特点，并提出了对网络输入节点进行优化选择，可提高网络的逼近精度，简化网络结构．文中给出了具体的选择方法，计算机模拟结果验证了该方法的有效性。