一种改进的BP人工神经网络模型

针对人工神经网络 BP 模型在实际应用中会遇到一些问题。该文指出了 BP 神经网络模型结构和算法的一些不足,并针对 BP网络模型算法存在的局部极小问题、BP 网络学习速度较慢以及 BP 模型网络结构训练过度和降低网络归纳能力等问题提出了引入规则、选择激发函数和转换函数、采用隐含神经元以及改变网络拓扑结构等一些改进措施,对于提高 BP 模型在实际应用中的效果具有重要意义。通过实际应用,证明了改进后的算法是行之有效的。     

基于智能信息处理的计算机发展研究

随着计算机技术的迅速发展,计算机能否在将来控制人类是人们一直所关注的问题．人工智能和人工神经网络是智能科学发展的两个方向,机器人技术是目前取得的阶段性的重大成果．通过分析认为计算机的智能化程度也会越来越高．在可以预见的未来,计算机将在人类的控制之下进行一些更加高级的智能活动．     

工作流的信息处理模型浅论

本文介绍了信息处理模型,并结合工作流技术阐述了工作流的信息处理模型,对信息系统的建设是具有十分重要意义的。     

一种新的TS模型辨识算法

提出一种新的TS模型辨识算法.该算法思想:首先采用MCR算法(Mountain C-Regressionmethod)自动确定聚类数目和初始聚类中心,然后采用改进的GK(Gustafon-Kessl)聚类算法得到最优的划分矩阵,再根据最优划分矩阵计算系统前件参数的最优值,最后用自适应粒子群优化算法(Adaptive Parti-cle Swarm Optimization,APSO)对后件参数进行优化.此辨识算法能够用较少的规则数描述给定的未知系统,并且容易实现.仿真实验表明该算法能够实现非线性系统的辨识,并且可获得相对高的精度.     

一种信息处理的灰集对分析方法

在集对分析(SPA)理论基础上,结合灰色数学思想,提出了一种处理不确定信息的集对分析灰理论方法(GSPA).该方法能有效地通过集对灰关联度描述不确定信息的同、异、反及信息灰度之间的联系变化,克服了单一的集对分析联系数和灰色数学关联度描述信息的缺陷和不足.给出了GSPA方法的相关定义、运算规则及集对分析灰联系度概念.最后,通过算例分析了该方法的计算过程、步骤及可行性和有效性.     

一种新的锥形算法及其在信号处理中的应用

提出了一种新的信号分解与重建锥形算法，此算法比锥形算法更具有合理性，且算法结构清晰，公式简单，占用贮存空间少，易于在计算机上实现。     

指挥控制系统信息处理容量模型

信息处理容量是指系统在目标信息处理的最大允许时延范围内所能同时处理的最大目标批数，它是衡量指挥控制信息处理能力的主要性能指标。该文以时间Ｐｅｔｒｉ网为建模工具，建立了一类典型的指挥控制系统信息处理容量模型，定量分析了信息处理容量与系统资源、系统各功能模块任务处理时间之间的关系，指出系统的瓶颈。     

细胞神经网络生物视觉信息处理模型

分析了连续细胞神经网络,离散细胞神经网络和时滞细胞神经网络的数学模型和在图像处理方面的特点.根据人类视觉的产生机制,提出了一种由多个细胞神经网络组成的生物视觉信息处理模型.该模型充分利用了细胞神经网络的并行处理能力,具有快速性.本工作可作为机器人仿人视觉与视觉信息处理的研究基础.     

人工神经网络在仪表信息处理中的应用

介绍了一种用于测量二次仪表中充满管道的过热蒸气流量和载热计算的人工神经网络。它节省了储存空间和运算时间, 具有本征性滤波功能, 在高准确度, 防止发散、偏离和非唯一性方面较之传统算法具有很大优越性。同时, 还进一步介绍了由此而产生的具有学习能力的仪表。     

硬度转换的神经网络模型

基于人工神经网络理论，建立了各种硬度值之间相互转换的完整一的神经网络模型，该模型可实现各种硬度之间的线性与非线性映射，并对硬主莆中没有的数据给出准确的预测，克服了查表法的不足，较线性回归具有更高的精度，网络模型可嵌入机械ＣＡＤ系统中，方便中种硬主之间的转换。     

基于人工神经网络的崩岸预测模型研究

针对崩岸影响因素众多、难以定量评价等问题,采用一种基于人工神经网络的崩岸预测方法,介绍了其基本原理.在研究崩岸诸多影响因素的基础上,选取11种主要影响因素建立崩岸预测模型.以随机构造的20个岸坡模型为训练样本,以5个随机岸坡模型为检验样本,实现了岸坡稳定性的人工神经网络预测.初步结果表明,神经网络方法可以应用于崩岸的预测.     

回归分析人工神经网络

为避免每次训练都必须随机生成样本序列的问题,提出网络动态拓扑的概念,对各种前向式网络进行统一表述;提出正、反序训练方法,并给出解的唯一性证明,同时,网络连接权在初始化时不再需要随机生成。回归分析人工神经网络有效解决了两次随机过程对训练结果造成的不利影响,在稳定性和可信性上对人工神经网络的应用提供了理论依据和技术支持。     

RBF人工神经网络拓扑结构定义与解的唯一性证明

以RBF人工神经网络为例,通过引入透明人工神经元的定义,提高了人工神经网络拓扑结构表述方面的一致性,证明了人工神经网络解的唯一性与确定性,提出了训练算法的非随机性和学习速率的最佳选择.     

跨越连接多层神经网络的稳定性

研究了跨越连接多层神经网络的结构和稳定性。提出了有跨越连接的误差反向传播算法,通过仿真实验说明了跨越连接多层神经网络收敛性和稳定性优于传统网络。     

基于进化神经网络的灰色预测模型

为了弥补神经网络用于灰色理论中学习效率低、收敛速度慢、易陷入局部最优等缺点,采用了改进遗传算法IGA(im proved genetic algon ithm)来辅助优化神经网络,实现了对网络连接权的自适应进化,并应用于灰色预测中。提出了进化神经网络灰色预测模型,通过M atlab程序对某地区农村人均收入的数据进行了预测、比较,预测结果误差均在0.3%以下,明显优于传统的GM(1,1)(grey m odel)的预测结果,其误差在10%左右。实例验证,将进化神经网络应用于灰色预测模型中是可行和有效的。     

基于BP算法的成绩预测模型

BP网络是一种典型的多层前向网络,由输入层、隐含层和输出层组成,通过学习样本训练模型后即可用于数据的预测,适用于实现网络教学系统的成绩预测功能。训练样本作为BP网络的学习数据集,对于BP网络模型的训练具有重要的作用。模型选取网络教学系统中能够影响学习成绩的相关因素作为输入数据,包括学生在线学习时间、学生学习能力、作业成绩和测试成绩,利用已有学生成绩作为训练BP网络的期望输出。将这些数据进行归一化处理即可用于训练BP网络模型。训练过程中,全局误差基本呈下降趋势,收敛效果较好。经过训练后的模型可预测出学生的成绩,并转化为相应的等级,对学生下一步学习进行指导,提出适合的教学策略。通过测试表明该模型可以用于教学系统中的学习成绩预测,获得了预期效果。     

A Precise Algorithm for Non-Integer Harmonics Analysis Based on FFT and Neural Network

By means of an artificial neural network (ANN) model, higher measurement accuracy of integer harmonics can be obtained. Combining the windowed fast Fourier transform (FFT) algorithm with the improved ANN model, we present a new precise algorhhm for non-integer harmonics analysis. According to the result obtained from the Hanningwindowed FFT algorithm, we choose the initial values of orders of harmonics for the neural network. Through such processing, the time of iterations is shortened and the convergence rate of neural network is raised thereby. The simulation results showthat close non integer harmonics can be separated from a signal with higher accuracy and better real-time by using the algorithm presented in the paper.     

人工神经网络法在地下水水质分级中的应用

通过对受污染的地下水进行水质分析，建立了该类水质的人工神经网络分级预测模型，采用已确定其污染级别的地下水数据作为训练样本对网络进行训练，然后利用收敛的网络进行污染程度分级，其结果与实际的基本一致，这充分说明了利用神经网络预测该类水质受污染程度是一种可行方法。