混沌神经网络中的超混沌

神经网络是高度复杂的非线性动力系统,存在着混沌现象.通过消除暂态混沌神经元的模拟退火策略,产生了一种可以永久保持混沌搜索的混沌神经元.研究由4个该混沌神经元连接的混沌神经网络的拓扑结构,分析了混沌神经网络的Lyapunov指数谱,发现混沌神经网络中存在超混沌现象;同时,研究了参数变化对混沌神经网络Lyapunov指数谱的影响.     

基于我国股市混沌行为的预测分析

时间序列中的随机性蕴涵着非线性确定性系统混沌行为，混沌系统对初值的极端敏感性使之不可能对其进行长期预测，然而，在判定时间序列混沌行为的基础上运用局域法对我国股市进行了短期预测，并指出在计算关联维数时存在的问题，得到了较好的结果．     

混沌神经网络中的超混沌复杂性研究

在混沌保密通信中,混沌的复杂性是评估算法安全性的重要指标.通过对一种典型混沌神经网络的Lyapunov指数、相关函数、输出序列的频谱和功率谱等特征函数的综合分析,发现混沌神经网络中存在超混沌现象,并对其复杂性进行综合评价.同时,研究了参数变化对混沌神经网络Lyapunov指数谱的影响并进行了实验,结果表明,网络的输出状态可根据需要进行改变.     

混沌预测在井下瓦斯浓度监测的应用

为了改进矿井瓦斯的实时监测,基于混沌时间序列预测的重构相空间理论,利用瓦斯浓度的时间序列,不直接考虑与瓦斯浓度相关的随机因素,而对瓦斯浓度的历史数据进行分析,建立数学模型(Lyapunov指数模型),并进行预测.实验结果表明:将混沌预测应用到井下瓦斯浓度监测方面是一种切实可行的新思路、新方法,能更有效的保证井下人员和设备的安全.     

非线性时序的混沌特性分析与预测

非线性时间序列相空间重构过程中的参数选择问题以及有效的预测方法一直是该领域研究的热点和难点，基于虚假最近邻域概念，同时确定最佳的嵌入维数m与时间延迟τ，对实际非线性时间序列进行相空间重构，求解出时间序列最在Lyapunov指数LE，验证了其中混沌特性，其可预报尺度为[1／LE]．并应用基于[1／LE]个输入神经元与Kenya提出的m：2m：m：1这两种人工神经网络结构对非线性时间序列进行训练和预测，预测结果的平均误差分别为4％和2％左右，后一种神经网络结构能提供更好的预测结果。     

电力系统短期负荷预测方法研究

采用混沌理论进行电力系统短期负荷预测,对利用Lyapunov指数算法进行负荷预测作了介绍,包括用混沌理论实现相空间的重构,以及通过计算关联维得到最优嵌入维数的方法、计算Lyapunov指数的方法和利用Lyapunov指数得到预测负荷数值的过程．实例预测结果,证明了算法的有效性,揭示了采用混沌理论进行短期负荷预测的优越性。     

混沌时间序列的预测及其在电力系统短期负荷预测中的应用

在局域预测法的基础上重点分析了一种基于Lyapunov指数的混沌时间序列预测方法,并将这种方法应用于解决电力系统短期负荷分配问题,得到了较好的仿真预测结果.     

有惯性项的二元神经网络系统存在暂态混沌

发现了有惯性项的二元神经网络系统存在暂态混沌，并用相图及短期Lyapunov指数说明了此暂态混沌的存在。给出了理论证明和计算方法，其结果很容易扩展到高维系统。     

有惯性项的二元神经网络系统存在暂态混沌

发现了有惯性项的二元神经网络系统存在暂态混沌,并用相图及短期Lyapunov指数说明了此暂态混沌的存在。给出了理论证明和计算方法,其结果很容易扩展到高维系统。      

基于Lyapunov指数λ的混沌预测及其在水文中的应用

水文时间序列更具有随机性,但是否具有混沌性,能否用混沌预测原理进行预测,则需要引进Lyapunov指数λ进行判定。本文通过对山东小清河日径流的分析,计算出了小清河日径流序列的Lyapunov指数λ大于零,表明小清河的日径流量序列具有混沌性,可以用混沌原理进行预测;预测结果与实际观测值误差在允许范围之内,符合预测精度。     

用人工神经网络方法辨识岩体力学参数

研究了用人工神经网络辨识岩石工程岩体力学参数的基本原理、网络结构、网络训练样本的获得及网络训练方法·在此基础上,提出了用人工神经网络辨识岩石工程岩体力学参数的方法和步骤,并给出了一个参数辨识实例·结果表明,依据巷道变形观测,用神经网络辨识岩石工程岩体力学参数是可行的·该方法为研究岩体物理力学性质参数和岩石工程初始地应力条件提供了一个有效途径,尤其适用于软岩情况下岩体力学参数的辨识·     

人工神经网络及其在金融预报中的应用

讨论了人工神经网络在金融汇率预报中的应用。其中介绍了广义交互验证(Generalized Cross Validation)法如何应用于确定神经网络中隐层的个数,并用实例说明了该方法甚至对复杂的非线性函数也可以得到很好的逼近。详细地介绍了运用人工神经网络作两周向前汇率预报的计算步骤。其平均相对误差(APE)为10*E-3的数量级,而国际上通用的状态空间模型及Box-Jenkins的ARIMA模型的预报误差都在10*E-2的数量级。     

基于神经网络的PCB焊点检测方法研究

随着印刷电路板（PCB）组装技术向高密度化和“零缺陷”方向发展,市场对自动光学检测系统（AOI）的要求也向高准确率、智能化发展。针对目前AOI在焊点检测时,容易出现缺陷误报和漏报,以及智能化程度不高的情况,作者提出了一种基于神经网络（ANN）的检测方法。首先,采用了一种基于熵的多阈值自动图像分割方法;然后,定义了焊点图像的一系列特征,并通过实验对特征进行选择;最后,建立了用于进行焊点分类的BP神经网络。实验证明,基于神经网络的焊点图像检测方法具有较高的准确率。     

基于混沌神经网络的交通流预测算法

为提高 RBF 神经网络的交通流预测精度,提出基于混沌-RBF（Chaos-RBF,C-RBF）神经网络的交通流预测算法,该算法首先计算混沌相空间的嵌入维数和嵌入延迟,构造得到的相空间向量作为 RBF 神经网络的输入,其相空间次邻向量作为期望输出值,滚动训练得到神经网络的权值,然后以实际交通流作为输入,经由网络计算得到预测值。仿真结果表明该算法相比于 RBF 神经网络,预测精度提高 96%,证明了该算法的有效性。     

利用常量脉冲法控制混沌神经元中的混沌

探讨了一类神经元模型中混沌行为的控制问题。基于控制混沌的比较脉冲反馈方法,发展了常量脉冲方法控制混沌。利用稳定性研究了新方法控制混沌的机制,并对处于混沌状态的神经元进行控制,使神经元的状态稳定在期望的固定点或周期轨道。理论和数值结果表明,新方法能有效控制神经元中的混沌。     

应用人工神经网络预测路面使用性能

针对传统的路面使用性能预测方法存在的不足,应用人工神经网络理论,建立预估模型。经过理论分析与实际验证,这一方法是完全可行的。     

一种基于FPGA的人工神经网络预测方法

传统人工神经网络的软件实现速度慢,可以利用FPGA的并行性加速其实现。本文在软件上采用PSO优化ANN,得到最优权值,最优权值和测试样本保存在FPGA片上ROM,然后用FPGA-ANN实现股票预测。Sigmod函数的逼近采用分段近似和查找表相结合的方法。利用ANN层与层之间在FPGA中的流水线处理以及每一层内神经元与神经元之间的并行处理,使用国际通用股票预测数据集Nasdaq-100 index of Nasdaqsm进行仿真实验得知,该方法显著提高了股票预测的速度。     

基于人工神经网络的高考扩招趋势预测研究

高考扩招系统足一个“黑箱”,各因素问是否存在因果关系还很模糊,基于人工神经网络自身的特点,采用BP模型,借助MATLAB语言对高考扩招系统进行预测研究．通过对历史数据的处理、程序的设计、网络的训练等进行分析,最终预测出中国未来20年高等教育发展的趋势,为国家相关政策的制定提供参考依据．     

人工神经网络在地表径流预报中的应用

为了更加准确地对地表径流进行预测,选择广东省汕尾市南告水库以上流域作为研究对象,构建BP神经网络模型对南告水库的日资料进行径流模拟研究,研究结果表明:人工神经网络可以提高预测精度,且应用前景比较广泛.     

基于神经网络和混沌理论的短时交通流预测

文章通过分析短时交通流量数据在时间序列上的特点，结合神经网络和混沌理论，从非线性时间序列预测的角度对交通量预测进行探讨。并用该方法对广州至佛山高速公路交通流进行了预测，取得了较为满意的效果。