基于神经网络求解TSP问题的研究

描述了Hopfield神经网络和TSP问题,研究了用连续Hopfield神经网络求解TSP问题的方法。     

神经网络在反插值问题中的应用

在之前研究中,根据多项式理论,提出了幂激励前向神经网络及其权值直接确定法。本文应用该神经网络研究反插值问题。仿真结果表明该神经网络能够很好地解决一一映射反插值问题,而对于非一一映射,却不具备准确反插值能力。基于前面提出的网络模型,本文进一步提出一种增加时序控制条件的神经网络,即时序神经网络模型,并给出理论推导和进行仿真验证,结果表明该时序神经网络能够成功解决一一映射及非一一映射反插值问题。     

一种具有连续滞后神经元的Hopfield网络求解TSP问题的算法

提出了一种具有连续滞后神经元的Hopfield神经网络体系结构,有效地解决旅行商问题(TSP).对连续滞后神经元的Hopfield神经网络结构和整个网络的计算性能进行了研究.理论上通过模拟随机生成的具有连续滞后神经元的Hopfield神经网络证明网络的优越性.通过模拟TSP问题的应用来说明此算法的计算效率.仿真结果表明,具有连续滞后神经元的Hopfield神经网络在解决TSP问题时,无论从处理时间和解决质量上来看都优于传统的Hopfield神经网络和二元连续Hopfield神经网络.     

基于蚁群神经网络的泵车主泵轴承性能评估

针对BP神经网络、遗传神经网络等智能算法在机械设备关键部件的性能评估过程中训练收敛速度慢,且会遇到局部极小的问题,提出一种运用蚁群算法训练神经网络的权值和阈值的混合智能算法--蚁群神经网络.将蚁群神经网络应用于混凝土泵车主泵系统中主泵轴承的模式识别和性能评估.结果表明,蚁群神经网络能很好地解决收敛速度慢、局部极小的问题,提高了分类精度,展现了良好的应用前景.     

基于扩展神经网络的网格资源调度优化算法

针对具有时间约束和若干资源约束的网格资源调度问题,提出了一种基于扩展神经网络的求解新方法GRSENN。资源调度问题首先被分解为一系列多维背包问题并提出相应的数学模型,然后通过把问题的各种约束表示为Hopfield神经网络的能量函数项,进而导出神经网络模型。实验仿真结果表明该方法的有效性,并可避免通常神经网络所具有的容易陷入局部极小点的缺陷。     

基于模糊系统优化的软测量建模

为了解决模糊系统优化问题,提高全局优化能力,在模糊加权神经网络和微粒群算法的基础上,提出了一种基于微粒群算法的模糊神经网络优化算法。该算法可以同时对模糊加权神经网络的网络结构和权值参数进行优化,对实际问题可以自动生成较好的模糊神经网络模型。经过实验分析和计算,证明这种算法在解决模糊系统优化问题上表现了良好的性能,应用该算法可以有效地解决软测量问题。该结果对工业过程中的软测量建模提供了良好的参考价值。     

小波神经网络及其研究进展

小波神经网络是将小波理论和神经网络理论结合起来的一种神经网络,小波神经网络结合了小波变换良好的时频局域化性质及神经网络的自学习功能,它有很好的逼近、容错能力.文章综述了小波神经网络的主要模型、算法和其它相关问题,最后展望了小波神经网络今后的研究方向.     

带正弦函数扰动的小波混沌神经网络研究

对小波混沌神经网络的内部状态进行改进,引入了三角函数扰动,提出了一种新型的带三角函数扰动的小波混沌神经网络模型,并把它应用到函数优化和组合优化问题中.仿真结果表明,在控制适当的扰动系数时,带三角函数扰动的小波混沌神经网络能有效地解决函数优化问题和组合优化问题,体现了小波混沌神经网络有很强的鲁棒性和抗干扰能力.     

基于复数神经网络求解的拟凸优化问题

针对神经网络应用于解决线性和非线性约束下的复数优化问题,提出了一种简化的复数神经网络解决非线性规划下的拟凸优化问题;通过定义辅助函数将复数域上的拟凸优化问题转化为实数域上的优化问题,推导出相应的神经网络模型,并建立李雅普诺夫函数证明该神经网络平衡解的稳定性与收敛性;得出对任意的初始点,该神经网络是李雅普诺夫全局稳定的而且收敛于优化问题的最优解;通过数值算例验证了此研究方法的有效性以及结论的正确性。     

复合正弦函数混沌神经网络及优化计算应用

混沌神经网络已经成功地解决了函数优化和组合优化问题.通过复合正弦函数和S igmoid函数构成激励函数,构造了一种新的暂态混沌神经网络.给出了该神经元的倒分叉图和最大LE指数,分析了混沌动力学特性,并将其应用于函数优化问题.仿真结果表明,新的暂态混沌神经网络优于原来的混沌神经网络.     

基于对象和规则的专家系统构造工具FRS

叙述了一个基于对象和规则的混合式专家系统构造工具,该系统使用框架、规则和人工神经网络等多种知识表示形式,采用模糊推理机制,运用正向、反向及正反向混合的推理形式,提供了非单调推理功能,形成了一个表达能力强、适用广泛的工具系统.本文着重时该系统的总体结构、模糊推理与人工神经网络的应用进行了论述.     

证据理论在旋转机械综合故障诊断中应用

针对旋转机械故障诊断中在同一征兆域中很难区分多种故障的实际情况,研究利用其他征兆域的诊断信息,进行全局信息融合,从而获得更为准确的故障定位,提出一种基于神经网络和Dempster-Shafer证据理论的多参数综合诊断系统模型,在该模型中采用证据理论的组合规则进行局部和全局信息融合,得出较好的诊断结果。     

城市公共交通智能调度专家系统的研究

根据城市公共交通调度、专家系统知识及模糊控制理论建立了公交智能调度专家系统。该系统采用案例与规则两级推理机制,通过产生式规则实现对知识的表达,应用关系型数据库实现对知识的管理与操作。案例推理中设计了代码与属性两层匹配的推理策略,针对实际调度中的不精确判断,根据模糊控制与模糊推理的思想设计了模糊规则与模糊推理策略实现了基于规则的推理。该系统对实现公交系统智能化、提高公交调度的质量和效率具有重要的意义。     

基于自适应学习速率法的补偿模糊神经网络

为克服常规网络收敛速度慢、无法结合专家知识等缺点,引入补偿模糊神经元,结合模糊系统强大的知识表达能力和神经网络优秀的自学习能力,并利用自适应学习速率法动态地改变学习率.提出了一种新型的基于自适应学习速率法的补偿模糊神经网络,并将其应用到实际例子中.结果证明,它不仅能在线适当调整参数,还能动态地优化相应的模糊推理,加快训练速度.     

基于模糊专家系统的评估诊断方法

针对设备故障诊断中存在的不确定性问题,提出一种将模糊逻辑和专家系统结合的评估诊断方法·模糊专家系统中采用模糊产生式规则表示知识,通过采用模糊匹配的不确定性推理方法进行,并采用以置信度高低为标准的冲突消解策略来实现基于知识的诊断方法·文中介绍了专家系统功能组成和实现方法,同时在电力变压器的气相色谱分析故障诊断方法中应用了该模糊专家系统·通过现场近百次实际诊断,准确率可以达到95 7%,验证了将模糊专家系统应用到变压器的故障诊断中是可行的·     

基于模糊神经网络的机械手自适应控制

单纯的神经网络和单纯的模糊系统具有各自的优点和缺点,模糊神经网络是两者的结合,它可吸取两者的优点而达到更优良的性能。这里提出了一种基于模糊神经网络的自适应控制方法。在利用常规控制器提取初始模糊规则的基础上,利用专家经验对初始规则进行补充,最后再利用误差的反向传播算法对参数进行在线的自适应调整。该方法用于机械手的跟随控制,两个模糊神经网络分别用于主回路控制和对象的逆模型,最后得到了优于样本控制器的跟踪控制效果。     

基于神经网络的模糊推理预测方法

将模糊推理技术与神经网络结合．利用模糊集理论来处理输入、输出信息，借助神经网络系统来完成推理、判断与知识的记忆存储及学习．从而给出了基于神经网络的模糊推理预测模型。     

基于遗传算法和神经网络优化的故障诊断专家系统

传统故障诊断专家系统中存在知识获取困难和推理能力弱的问题,采用模糊神经推理控制器作为推理机可改善此类问题,为进一步提高系统的性能,用遗传算法对推理机进行离线训练．在系统中,使用了传统故障诊断专家系统给予规则的推理方式,使系统在提高灵活性的基础上保持了透明性。     

一种通用型模糊环境智能故障诊断系统的实现

描述了基于模糊环境智能模型和专家系统知识推理的,可通用于工业现场大型设备机组的故障诊断与维护系统的设计思想和实现方法。系统构造以主要功能模块协同工作的模糊规则为设计主线,在此基础上,通过对规则的进化与更新来提高与完善系统的整体性能。针对知识库维护相对不便的问题,结合工业现场故障诊断的特点,详细介绍了专家系统诊断平台的系统框架、知识表示、推理方法和主要实现技术。实践结果表明,该系统运行效果良好。     

基于模糊神经网络的压边力优化控制专家系统

说明了压边力优化控制模糊神经网络专家系统的总体结构框架及系统各模块的功能,对模糊神经元的选取、模糊神经网络的构造和模型神经推理机制进行了深入的阐述,针对板料拉深过程中的变量选取了模糊神经网络的输入输入参数。在板料拉深过程中,应用压边力优化控制模糊神经网络专家系统实现了冲压成形过程的智能化控制。