节点自删除神经网络及其在磨粒识别中的应用

在前向多层神经网络的基础上,提出了一种新的节点自删除神经网络模型。该神经网络根据隐层节点输出的相似性能够自动地进行网络节点的删除。对网络中冗余节点的删除,使网络尺寸得到优化,这一定程度上也解决了前向多层神经网络的推广性和学习问题。在Ｐａｒｔｙ－４问题的实例中,通过对惯性ＢＰ算法网络和该节点自删除网络的比较,充分说明了该节点自删除神经网络在各方面的优越性。铁谱磨粒识别一直是一个困难的课题,应用自删除神经网络模型在该实例中,也取得了较好的识别效果。     

一种新的RBF神经网络学习算法

本文提出一种改进的RBF神经网络学习算法,它利用减聚类算法确定隐层单元的数量,并用修剪的办法删除冗余单元,避免了传统的K聚类算法对隐层单元数量确定的盲目性。利用最小二乘法确定隐层和输出层之间的权值。在对非线性函数进行逼近的仿真中,验证了该算法的有效性。     

非结构网格上浅水方程的LU-SGS隐式算法

针对浅水数值模拟的特点,建立了可以在非结构网格上求解浅水方程的LU-SGS隐式算法.对复杂地形的底坡项进行了修正,并利用淹没节点法处理移动边界问题.利用算例对此隐式算法进行了模拟验证,并与Roe显式算法进行了比较.结果表明,隐式算法可以有效地缩短计算时间,具有良好的计算和收敛效果.长江口实际潮流模拟结果也证明了此隐式算法处理实际浅水问题的能力.     

最小支撑树的一种删除大权边算法及应用

最小支撑树的一种删除大权边算法是在Kruskal算法、Prim算法和破圈法的基础上,提出的另一种算法。介绍了删除大权边算法的基本概念和性质,列举了删除大权边算法的计算实例,叙述了删除大权边算法的及其应用。     

一种改进的BP算法在工程造价预测中的应用

针对在神经网络中得到广泛应用的BP算法难以确定隐节点个数的缺点,提出了一种动态调整隐节点数的改进的BP算法,以恰当确定隐节点数。在收集相似工程有关资料的基础上,考虑物价波动的影响,应用上述算法对工程造价进行预测。算例结果表明：该方法所得的工程造价预测值精度令人满意,具有应用价值。     

一种基于因素贡献率的自适应前馈网络算法

前馈网络具有很强的信息处理能力，但是实际应用中的样本量有限，训练出来的网络效果不太理想，本文提出一种自适应前馈网络算法，通过调节参数α向量，使网络结构按精确度和推广能力来综合考虑，若训练出来的网络满足先决条件，就认为网络规模是合适的，此算法不仅能删除隐层中的节点也能删掉输入层中若干总贡献率小的节点，从而避免了维数灾难，并给出一种调整剩余权重的算法，避免重新训练，文中讨论了网络结构的重要性，并用该方法进行仿真实验，结果证明了自适应前馈网络算法具有较强的建模能力。     

一种新的模糊神经网络删剪策略

模糊规则的数量直接决定模糊神经网络结构的复杂度和效率.基于神经网络自构行学习(NNSCL)算法,用共轭剃度预条件正则方程算法求取删除隐层神经元后的剩余权值,得到改进的NNSCL-1算法.将此算法应用到模糊神经网络的规则推理层,可以极大地优化网络的规则及结构,并且结构优化后不需要重新训练也能保持网络的精确度和泛化能力.仿真结果显示了此算法的有效性和可行性.     

模糊神经网络中长期负荷预报研究

采用动量法、自适应学习率和异变换函数对BP算法进行改进,并通过模糊神经网络对中长期负荷进行预测,还针对BP算法中隐层节点难以确定的不足,大胆采用预测误差曲面方法,使隐层节点个数选择具有科学的依据,算法计算表明,采用模糊神经网络提高了预测精度。     

基于"节点删除"的多路径获取方法的研究

提出一种基于"节点删除"的多路径获取算法,可以用来为动态路径诱导系统(DRGS)提供多条"合理的"候选路径.该算法比传统的"k-最短路算法"和基于"重叠惩罚"的多路径算法更简单、快捷和有效.     

无线传感器网络安全加密成簇算法的设计及研究

在无线传感器网络中,网络节点的成簇算法是实现对传感器网络高效节能管理和应用的有效途径为了提高网络的安全性和寿命,提出了一种基于随机并行簇头选举算法和密钥预分配方案,在假设的网络模型中,均匀地选举簇头节点,并且实现对恶意节点的识别和删除,在数据通信阶段通过加密算法实现数据通信的安全性,从而有效地实现网络寿命的延长和数据通信的安全。     

自构形神经网络模型在天然气储量评价中的应用初探

在ＢＰ（Ｅｒｒｏｒ Ｂａｃｋ－Ｐｒｏｐａｇａｔｉｏｎ）算法基础上,采用ＢＩ（ＢａｃｋＩｍｐｅｄａｎｃｅ）算法,运用了自组织优化隐层节点数和自动化优化网络因子的方法,使得人工神经网络ＡＮＮ的计算速度、精度和柔韧性有所提高,且在微机上其操作变得更加容易。在勘探成熟的气藏中,按照天然气成藏理论,选取能够系统反映气藏的８个储量评估参数,进行网络学习,建立储量评估模型。应用所建的网络模型对正处于勘探阶段的气     

随机网络中分布式节点高精度自定位算法研究

随机网络不确定性高,较为复杂,当前节点定位算法无法准确对随机网络中分布式节点进行准确定位,且适应性差。为此,提出一种新的基于标记传递的随机网络中分布式节点高精度自定位算法,标记传递算法将随机网络中的分布式节点用有标记数据和无标记数据进行描述,依据节点间的相似度将节点标记传递至其相邻节点。对节点定位问题进行描述,介绍了标记传递算法,在此基础上通过标记传递算法对随机网络中分布式节点进行高精度自定位,定位过程主要分为离线训练阶段与在线自定位阶段,给出定位详细实现过程,对定位结果进行滤波处理。实验结果表明,所用所提算法对随机网络中分布式节点进行自定位,定位精度高,适应性强。     

一种基于DHP的动态链地址关联规则挖掘算法

采用动态链地址法建立Hk 表,提出DLDHP算法,克服DHP算法不能给Ck 中的每个项集单独计数的缺点,在增加Hk 表的空间时也会删除链表中的结点空间,从而Hk 表不会占用较大的内存,最终直接由Hk 表得到频繁k-项集的集合Lk ,不用再次扫描数据库。实验结果表明:DLDHP算法是有效可行的。     

一种新的基于动态SOFM的神经网络聚类模型

提出一种动态增删自组织映射(DGDSOM)神经网络,给出该模型的聚类算法描述及实现过程。定义了聚类节点信任度,并根据竞争结果、信任度、中心相似度,制定节点的增删策略,通过动态评价并变动节点,提升聚类效果。实际的聚类分析应用结果表明,该算法可以得到准确的聚类结果。     

基于流形分析与AP算法RBF神经网络分类器

提出了一种基于流形分析与近邻传播（AP）算法的径向基函数（RBF）神经网络分类算法.通过流形分析算法对数据集进行初步处理,然后通过指数函数调整相似度矩阵,再重新进行AP聚类,在此基础上构造RBF神经网络分类器,通过拟合正确率来判断算法是否收敛,并对分类结果运用FMI指标进行评价.实验结果表明：改进算法中RBF网络隐节点数普遍得到增加,使得RBF神经网络拟合精度得以提高;从分类结果可以看出该算法对训练数据集都获得了很好的拟合正确率,对测试数据集也获得了较高的测试正确率.     

通信网络路由新算法

通信网向高可靠性、高利用率和高服务质量方面发展,现有路由算法已难以适应发展要求,需要寻找新算法。研究出一种易于多处理器并行运算的快速路由算法,采用逻辑代数运算规则,按照逐步变换、整合及删除中间节点关联分组方式计算,对于有n个节点的网络只需n-2次整合运算就能得到网络两节点间全部路由,且不会出现违反通信传输规则的闭环问题。详细论证了算法的正确性与合理性,简介了算法的并行运算可行性问题。通过算例详细说明算法的计算过程。     

改进RBF神经网络在降水量预测中的应用

采用遗传算法对RBF网络的隐层节点中心值和宽度进行优化,用梯度下降法求出权值.将其应用于降水量预测中,取得较为满意的结果,证明该算法的有效性.     

基于遗传算法的复杂网络节点匹配问题

为提高已知匹配节点较少情况下的网络节点匹配精度,提出一种基于遗传算法的复杂网络节点匹配方法。该方法根据网络结构以及已知的部分节点匹配信息,计算节点相似度矩阵,再由遗传算法求得网络间相似度之和最大的节点匹配方案。将其应用于EA随机网络、WS小世界网络和BA无标度网络,结果表明,三种复杂网络的匹配精度均有提高。该结果验证了文中方法的有效性。     

一类神经网络多层感知器的硬件实现方法

提出了一种新的神经网络多层感知器硬件实现方法——信号传播路径动态选择．给出了隐节点个数的确定规则和网络的训练算法，并从理论上给予了证明．结果表明，该算法能一次确定权值，而且所确定的权值均为逻辑值，从而可以用逻辑门电路全硬件实现多层感知器