基于域理论的自适应谐振神经网络研究

在自适应谐振理论和域理论的基础上提出了一种基于域理论的自适应谐振神经网络算法ＦＴＡＲＴ。该算法将自适应谐振理论和域理论的优点有机结合,采用了独特的解决样本间冲突和动态扩大分类区域的方法,不需人为设置陷层神经元,学习速度快,精度高。此外,还提出了一种从ＦＴＡＲＴ网络中抽取符号规则的方法,即基于统计的产生－测试法,实验结果表明,使用该方法抽取出的符号规则可理解性好、预测精度高,可以很好地描述ＦＴＡＲＴ     

一种能给出充油电气设备油色谱故障诊断可靠性的神经网络方法

为了提高基于人工神经网络方法的充油电气设备油色谱故障诊断的准确性及诊断结果的可靠性,基于神经网络理论分析指出了采用不同训练算法、隐层神经元数量、初始权值和阈值训练得到多个网络输出的均值作为诊断结果能提高故障诊断的准确性,根据多个网络输出的标准差可以获得诊断结果的可靠性.根据搜集得到的大量油色谱样本,分别采用振荡传播(resilient propagation,RPROP)算法、共轭梯度法、拟牛顿法和Levenberg-Marquardt算法训练共计得到40个结构相似的神经网络,将训练得到神经网络应用于基于油色谱的充油电气设备故障诊断,同时比较了不同算法的训练时间和诊断结果的准确性.结果 表明多个网络输出的平均可提高故障诊断的准确性,根据多个网络输出的标准差可获得诊断结果的可靠性,而且表明神经网络结构相似时,4种算法训练得到的神经网络具有相近的故障诊断准确性,但从训练时间上看,RPROP算法、拟牛顿法和Levenberg-Marquardt算法非常接近,而共轭梯度法的训练时间为其他3种算法的6倍左右.同时考虑到Levenberg-Marquardt算法计算速度最快,可在充油电气设备油色谱故障诊断中用于训练神经网络.     

Analysis of distribution uniformity of nodes in wireless sensor networks

Wireless sensor networks have several special characteristics which make against the network coverage, such as shortage of energy, difficulty with energy supply and so on. In order to prolong the lifetime of wireless sensor networks, it is necessary to balance the whole network load. As the energy consumption is related to the situation of nodes, the distribution uniformity must be considered. In this paper, a new model is proposed to evaluate the nodes distribution uniformity by considering some parameters which include compression discrepancy, sparseness discrepancy, self discrepancy, maximum cavity radius and minimum cavity radius. The simulation results show that the presented model could be helpful for measuring the distribution uniformity of nodes scattered randomly in wireless sensor networks.     

人工神经元网络辅助催化剂生产

本文提出了一种探索催化剂生产优惠操作条件的新方法，从而使最终产品的质量得以提高，并能节约人力、物力、寻优是依据数学模型离线进行的。模型采用人工神经元网络ＡＮＮ以实际上并不完全的历史数据训练后自动产生。     

Application of artificial neural networks in global climate change and ecological research: An overview

Fields that employ artificial neural networks (ANNs) have developed and expanded continuously in recent years with the ongoing development of computer technology and artificial intelligence. ANN has been adopted widely and put into practice by researchers in light of increasing concerns over ecological issues such as global warming, frequent El Niño-Southern Oscillation (ENSO) events, and atmospheric circulation anomalies. Limitations exist and there is a potential risk for misuse in that ANN model parameters require typically higher overall sensitivity, and the chosen network structure is generally more dependent upon individual experience. ANNs, however, are relatively accurate when used for short-term predictions; despite global climate change research favoring the effects of interactions as the basis of study and the preference for long-term experimental research. ANNs remain a better choice than many traditional methods when dealing with nonlinear problems, and possesses great potential for the study of global climate change and ecological issues. ANNs can resolve problems that other methods cannot. This is especially true for situations in which measurements are difficult to conduct or when only incomplete data are available. It is anticipated that ANNs will be widely adopted and then further developed for global climate change and ecological research.     

智能制造系统中立体神经视觉的校准

提出一种利用神经网络校准立体视觉系统的方法。该方法充分利用神经网络的学习、记忆功能 ,采用样本进行训练后 ,神经网络能学习到立体视觉系统中的非线性关系和摄像机的内外方位元素 ,并且保存起来。该方法克服了传统校准方法计算复杂、计算量大的缺点。通过实际应用 ,获得了很好的效果     

一种基于人工神经网络的无线传感器网络定位算法

提出了一种基于人工神经网络(ANN)的无线传感器网络定位方法,RSSI的结果被用来作为人工神经网络的输入,采用遗传算法优化人工神经网络的结构.采用MATLAB进行仿真,模拟20 m×20 m室内静态网络环境下的8个已知位置节点.实验结果表明,该方法比传统方法的定位精度高、适应性强,效果较好.     

区组设计的均匀性

本按照广义离散偏差的定义考虑了带有一个和两个区组因子的区组设计的均匀性，并且证明了，在一定条件下具有相同参数的区组设计的平衡性和均匀性是等价的．     

利用神经网络进行近似分析的结构优化设计

利用人工神经的高度进行和非线性映射的功能,提出了用多层BP网络描述任一弹性结构的应力、位移等量和结构设计变量之间的映射关系,建立了基于人工神经网络的结构全局近似分析方法,利用复合形优化思想对BP网络进行设计和学习,建立结构近似分析的神经网络模型,桁架算例分析表明,利用神经网络进行近拟分析的结构优化人有较高的设计精度和适应性。     

基于人工神经网络的沥青路面模量评估

介绍了利用弯沉盆参数和人工神经网络方法来处理FWD（落锤弯沉仪）的测量结果用于结构层模量的评估。在研究弯沉盆信息时,利用FORTRAN程序进行了轴对称模型的动力有限元分析.与现有的反算程序中利用迭代不断调整模量来匹配弯沉的方法不同,本方法利用基层破坏指数和形状因子两个参数来确定土基模量,并将土基模量和其他参数一起作为输入,利用人工神经网络来预估上层模量.最后,分别利用本方法和软件ELMOD对实测FWD数据进行分析,结果验证了本方法的可行性.     

二三混水平因子设计离散偏差新的下界

离散偏差经常用来衡量部分因子设计的均匀性,偏差的准确下界可以检验给定设计的均匀程度.基于现有的离散偏差的公式,讨论了二、三混水平设计离散偏差的下界问题,并利用泰勒展开的方法给出一个新的下界.与已有的下界相比,所给出的下界在某些设计中更精确.     

一种高效节能分布式传感器网络覆盖协议

提出了一种分布式高效节能的传感器网络覆盖协议(CEP),在保证网络性能的前提下,每个节点将工作周期分为多轮,在每轮中与邻居节点协商,并根据剩余能量来调度自身的工作模式,从而保证网络在每轮中以最少的节点处于工作模式,同时保证能耗均匀地分布在工作节点之上.仿真结果表明,随机均匀部署的传感器网络在满足覆盖度要求前提下的CEP,能使网络生命周期较LEACH方法延长了200%,计算复杂性降低10%.该协议可以广泛应用于与传感器网络节点部署、拓扑控制以及目标监控等相关的领域.     

一种基于侵彻能力和散布均匀性的斜向破片式战斗部设计

为了实现破片对高速运动小目标的斜向高效、均匀侵彻,根据爆轰波传播特点和爆炸驱动理论,设计了一种斜向破片式战斗部,以2mm厚Q235钢板为目标借助于数值模拟和试验考察分析了战斗部结构、起爆方式等对破片侵彻能力和散布密度、散布均匀性的影响。结果表明：破片在52.3度斜向角内对2mm厚的Q235的穿透率达96.6％,破片在该方向范围内散布均匀,三点起爆方式更有利于提高破片散布均匀性和速度一致性。     

韩家岭隧道围岩物理力学参数反分析

基于差分法、正交设计和人工神经网络建立了新的隧道围岩物理力学参数反分析方法·按照正交设计要求选取不同物理力学参数,用FLAC差分程序计算得出相应的神经网络分析样本;进行网络训练和网络结构及学习参数优化;利用现场监测数据,对韩家岭隧道围岩物理力学参数进行神经网络反分析,分析结果满足精度要求·     

均匀性的一个新度量准则一对称偏差

度量均匀性的偏差在小样本时具有方向性．本文给出了一个度量设计均匀性的新准则－对称偏差，它克服了偏差的上述缺点．利用该准则，给出了一些均匀设计表．     

基于多BP神经网络与D-S融合的车型识别研究

为了提高BP神经网络对车型的识别率,克服单个BP神经网络所存在的网络结构和训练样本数量之间的矛盾,针对大量训练样本采取多个BP神经网络进行训练,进而采用训练好的多个网络进行车型识别. 利用D-S理论将各个BP网络的识别结果进行数据融合以改善最终的车型识别结果. 实验结果表明:随着训练样本数量的增加,多BP网络数据融合方法比单BP神经网络有更高的识别率.     

基于神经网络的岩土工程结构随机有限元分析

针对有限元蒙特卡罗法计算量大的弊端和岩土工程结构功能函数不能用显式表达的可靠性分析问题，提出并论证了基于神经网络的随机有限元（有限元蒙特卡罗）分析法。神经网络具有高度非线性的映射能力，可用来逼近结构响应量与随机变量的映射关系。通过典型岩土工程结构的应用实例分析，初步显示了基于神经网络的有限元蒙特卡罗法的应用效果和前景。     

Approximating Nonlinear Relations Between Susceptibility and Magnetic Contents in Rocks Using Neural Networks

Correlations between magnetic susceptibility and contents of magnetic minerals in rocks are important in interpreting magnetic anomalies in geophysical exploration and understanding magnetic behaviors of rocks in rock magnetism studies. Previous studies were focused on describing such correlations using a sole expression or a set of expressions through statistical analysis. In this paper, we use neural network techniques to approximate the nonlinear relations between susceptibility and magnetite and/or hematite contents in rocks. This is the first time that neural networks are used for such study in rock magnetism and magnetic petrophysics. Three multilayer perceptrons are trained for producing the best possible estimation on susceptibility based on magnetic contents. These trained models are capable of producing accurate mappings between susceptibility and magnetite and/or hematite contents in rocks. This approach opens a new way of quantitative simulation using neural networks in rock magnetism and petrophysical research and applications.     

二四混水平因子设计在Lee偏差下的均匀性

讨论了二四混水平因子设计在Lee偏差下的均匀性,并给出了Lee偏差的一个下界,该下界可以作为搜索Lee偏差下二四混水平均匀设计的一个基准.     

电液伺服系统的小波自适应鲁棒反演控制

针对电液伺服系统,提出了一种小波自适应鲁棒反演控制方法.用两个小波神经网络来逼近电液伺服系统中的模型未知部分、参数不确定项和虚拟控制的导数,所有小波神经网络的参数均实现在线调节.控制律和自适应律的设计保证了闭环系统一致且最终有界,从而达到对非线性电液伺服系统稳定跟踪控制的目的.鲁棒补偿器的设计进一步改进了电液伺服系统的跟踪性能.仿真结果表明,该方法能较好地满足控制精度的要求,同时系统具有较强的适应性和鲁棒性.