BP网络在防空导弹采购费用研究中的应用

首先介绍了费用估算的常用方法和人工神经网络的基本概念、原理 ,然后提出了一种基于BP(BackPropagation)神经网络的防空导弹采购费估算模型 ,并对典型的防空导弹采购费进行了估算。结果表明 ,该方法是有效的、可行的。     

基于GA和BP融合算法的装备费用估算方法

简要介绍了GA和BP算法以及装备费用估算分析的传统方法 ,分析了GA、BP算法以及费用估算三者间相互结合的必要性。把GA和BP算法相结合并应用到装备费用估算分析领域 ,建立了基于GA和BP融合算法的防空导弹研制费用评估模型 ,并对典型的防空导弹型号研制费用进行了估算。结果表明 ,该模型具有计算精度高、适用范围广、运算速度快的特点 ,为装备费用估算提供了有效依据     

改进的标准模糊神经网络的工程造价快速估算

在对影响建筑工程造价因素分析和标准模糊神经网络结构分析的基础上,通过增加输入层与模糊层之间的权值v,加入规则的重要度γ,对标准模糊神经网络进行了改进,并建立基于改进的标准模糊神经网络的工程造价快速估算模型。将基于这种结构的模糊神经网络的工程造价快速估算模型应用于建筑工程的投标报价中,从仿真结果可以看出该网络模型学习时间较短,学习速率较快,精度较高。     

MATLAB产品在机载软件开发中的应用

在机载软件开发过程中,强调最多的是软件的安全性和可靠性.要高质量地完成机载软件的开发,需要建立完善的开发流程,并将项目管理和系统工程有机地结合起来.对于机载软件的认证,国外已经有很成熟的标准--DO178B,其中软件开发以及软件的测试和验证是最重要,又往往是最难做好的部分.文中重点描述如何做好软件开发、软件测试与验证,并结合实际工程项目,阐述MATLAB产品、TNI产品在软件开发过程中发挥的作用.最后给出了实际机载产品的试飞结果.     

多参数装备费用的支持向量机预测

支持向量机是一种采用结构风险最小化原则代替传统经验风险最小化原则的新型统计学习方法 ,具有完备的理论基础。首先应用支持向量机原理建立了基于支持向量机的多参数装备费用预测模型 ,然后采用模型对整套机载电子设备费用进行了预测。通过与多元线性回归和神经网络的预测结果对比 ,建立的新型装备费用预测模型具有更好的预测精度     

随机模糊神经网络在公司收益预测中的应用

系统介绍了随机模糊神经网络(SFNN)并将其用于上市公司每股收益的分类和预测，以解决—般的预测方法没有考虑到输入输出数据含有“噪声”的现实问题。文中选取了300家当前正在上海或深圳证券交易所上市的公司作为样本，用随机模糊神经网络对其每股收益的分类和预测进行了仿真研究，并将仿真结果与用模糊神经网络(FNN)的仿真结果进行了对比，结果显示用随机模糊神经网络的仿真效果较好。这对于投资者合理把握投资机会，正确投资以获得更高的收益有着一定的现实意义。     

TSK动态网络及其在非线性动态系统中的应用

针对非线性动态系统特点，提出了一种新型的基于TSK模糊模型的动态回归模糊神经网DRFNN（Dynamic recurrent fuzzy neural networks），并给出了网络参教的迭代算法和基于李亚普诺夫稳定理论的收敛性证明。该动态回归网络由静态网络和内反馈动态回归网络组成，在结构上更好的拟合了非线性动态系统特点，应用于非线性动态系统的辨识和控制的试验结果也说明该动态回归模糊神经网络对解决非线性动态系统辨识和控制问题的有效性。     

分布计算在机载天线辐射特性仿真分析中的应用

一致性几何绕射理论（UTD）结合优化算法分析机载天线的辐射特性,编写了Matlab下的远场方向图计算仿真程序。利用分布式计算引擎DCE及分布式计算工具包DCT,结合计算机网络进行分布式并行程序设计,提高了运行速度,形成了机载天线远场方向图仿真软件。得到了令人满意的远场方向图仿真结果,证明分布式并行程序设计可以应用于大型系统的计算仿真中,并对机载天线辐射特性进行了分析。     

人工神经网络在卫星遥测定量降雨估算中的应用

在分析卫星遥测降雨和人工神经网络的基础上 ,建立了 GMS卫星定量降雨估算的三层前向人工神经网络模型 (BP算法 ) ,结果显示出了较好的模拟估算效果.     

设备工程监理中投资控制的一般模型

设备工程监理制度将在我国全面建立和推行。如何在设备工程监理中，运用控制科学的思想及方法使设备工程监理科学化是一个值得研究的问题。本文建立了设备工程投资控制的一般模型。并提出了设备工程投资目标控制界限的确定方法。完善了设备工程监理的投资控制方法体系。希望对建立我国的设备工程监理制度提供有益参考。上述方法已应用在实际的大型设备工程项目监理中，使项目成本减少，投资控制方面取得显著的经济效益。     

模糊神经网络自学习控制器及其应用

本文提出了一种模糊神经网络自学习控制方法，并介绍了采用多层神经网络表达模糊控制的知识规则、模糊推理和学习算法。经实验仿真结果表明这种控制方案可改善具有时变及大纯滞后系统的控制品质，其性能优于一般模糊控制。     

神经网络在预测编码中的应用

讨论如何有效地利用backpropagation(BP)神经网络进行预测编码。改进的BP算法可以提高BP神经网络地收敛速度、泛化能力和稳定性。一般而言 ,四层网络比三层网络具有更快地学习速度 ;二阶网络比一阶网络性能更优越。利用MATLAB程序 ,构造三层、四层和二阶BP神经网络进行预测编码。测试结果表明 ,利用规模足够大的三层BP网络进行预测编码可以取得较好效果 ;四层和二阶网络比等价的三层网络可以更有效地进行预测编码     

超球聚类模糊神经网络在跟踪控制中的应用

采用简化的标准模型的模糊神经网络的基本形式而将模糊集的概念由一维推广到n维并利用超球聚类方法定义了一类n维模糊集及其隶属函数,提出一种基于超球聚类的模糊神经网络.这种模糊神经网络可以根据样本自动产生模糊规则,在一定程度上可避免"维数灾难”.将这种网络用于一类非线性系统的在线跟踪控制,定理表明,当聚类半径足够小时可使跟踪控制的静态误差任意小.     

A Fuzzy-Neural Network Control of Nonlinear Dynamic Systems

1.INTRODUCTIONInrealfile,therearemanyprocessesthataretoocomplex,highlynonlinear,uncertaininparametersanddisturbances,itissodifficulttogettheaccuratemathematicalmodel-basedtraditionalcontroldesignmethodologiescannotbeemployedeffectively,fuzzylogicandneuralnetworkprovideeffectiveapproachfordealingwiththeuncertaintyandnonlinearity,andhavebeenappliedtotherealmofmodeling,identificationandcontrolofnonlinearsystemsinrecentyears[1-4].Aclassofneuralnetworks,thefeed-forwardnetworks,havebeenproventob…     

基于BAM-Hamming神经网络的风险估计研究

现代弹药系统是一种集多门学科于一身的复杂系统 ,在研制过程中 ,由于受到不确定性因素的影响 ,会给研制工作带来一定的风险。提出了风险分析在弹药系统研制中的重要性 ,分析了各种风险分析与估计方法 ,给出了项目研制中风险特征因子及其估计方法 ,并将其转换成相应的二元码序列。利用BAM Hamming神经网络建立风险估计模型 ,采用最优编码方式 ,提高神经网络的容错性。以反直升机智能雷为例 ,验证了该方法的有效性和可靠性 ,以及一定的实用价值。     

残差修正的弹箭系统研制费用估算模型研究

对弹箭系统研制费用的估算常采用多元线性回归方程法 (参数法 ) ,该方法要求有大量样本数据 ,并且估算精度较差。在新型弹箭系统的研制中 ,在样本数较少或有限的情况下 ,参数法研制费用估算模型给研制费用的估计带来一定的困难。为解决这一问题 ,提出了用n次累加残差模型对参数法研制费用估算模型进行修正的方法。通过实例计算表明 ,本方法用较少的样本可以得到较高的预测精度     

加权模糊逻辑及其网络实现

本文从已有的加权模糊逻辑模型出发,分析了它的若干约束条件,并依之对模型进行改进,使其趋于合理和易于网络实现。通过概率算子为例,应用于BP网络。讨论了它的稳定性及其物理意义,这种逻辑模型与神经网络的结合,在很多情况下是行之有效的。