The Complex System Modeling Method Based on Uniform Design and Neural Network

Ｔｈｅ　Ｃｏｍｐｌｅｘ　Ｓｙｓｔｅｍ　Ｍｏｄｅｌｉｎｇ　Ｍｅｔｈｏｄ　Ｂａｓｅｄ　ｏｎ　Ｕｎｉｆｏｒｍ　Ｄｅｓｉｇｎ　ａｎｄ　Ｎｅｕｒａｌ　ＮｅｔｗｏｒｋＺｈａｎｇＹｏｎｇ（ＢｅｉｊｉｎｇＳｉｍｕｌａｔｉｏｎＣｅｎｔｅｒ，Ｐ．Ｏ．Ｂｏｘ１４２－２３，...     

微分器优化设计研究

提出了一种基于BP算法的正弦基函数神经网络模型 ,研究了该神经网络算法与线性相位微分器幅频特性的关系 ,证明了该神经网络算法的收敛性 ,给出了微分器的优化设计实例。与传统的雷米兹优化设计方法相比 ,提出的优化设计方法不需要计算矩阵的逆 ,因而解决了雷米兹优化设计方法求高阶矩阵逆的困难。计算机仿真结果表明了该算法模型的微分器的优化设计中不仅是有效的 ,而且是高效的     

Artificial Neural Networks Model of Evaluating the Schemes of Mine Design

1　IntroductionTheevaluationandoptimalselectionofminedesignschemesarealwaysanimportantandcomplicatedworkofdesigningdepartments.Accordingtoparticulargeologicalconditions,severaldesignschemesareanalyzedandcomparedcomprehensivelyintechnology,econo-my,safetyandetc.Thenanevaluationconclusionwillbereached.Therefore,itisamul-tiplecriteriadecisionmaking.Thereareseveralmethods[1～4]atpresenttoevaluateminedesignschemes.Theirtwocommondefectsareasfollows:1Astheevaluationofminedesignschemesisamul-ti-inde…     

基于神经网络的伺服系统控制研究

采用神经网络方法设计伺服系统逆动态控制器。判定了一类非线性伺服系统的可逆性。设计开环和闭环网络权值训练方案,使用Ａｌｏｐｅｘ随机学习算法在线训练对象逆动态模型。进行了基于反馈误差学习方法的伺服系统实时控制器设计,仿真结果表明神经网络方法辨识和控制伺服系统的有效性。     

航天器姿态的神经网络动态逆控制

针对航天器姿态系统,提出了一种基于自适应神经网络动态逆的控制算法。该算法针对滚转、俯仰和偏航三个姿态子系统,设计了两组神经网络:第一组是BP网络,用来逼近三个姿态通道的非线性项,可获得姿态逆模型;第二组是非线性自适应神经网络,用于在线实时地补偿逆模型存在的误差和外加干扰。详细分析了非线性自适应神经网络的拓扑结构、学习规则和调整算法。给出了应用该算法的具体实例,通过仿真实验证明该算法的有效性。     

基于Davidon算法的神经元自适应控制器

通常的神经网络逆元自适应控制器存在两个缺陷 ,一是训练算法收敛过慢 ;二是无法控制非最小相位系统 ,因而限制了其使用范围。利用Davidon最小二乘法训练多层前馈网络 ,用于逼近被控对象的逆模型 ,并利用构造伪系统的方法 ,构成一种对非最小相位系统仍然有效的神经网络逆元自适应控制器。仿真结果表明了该方法的有效性     

Research on a Neural Network Approach Based Diagnosis Expert System of Crack Control in Massive Concrete

1　 IntroductionConcrete is the mostconventional construction material,and crack in concrete structures isa universal technical problem.Cracks in concrete have many causes.They may affectappearance only,orthey may indicate significantstructural distress ora lack ofdurability.Cracks may represent the total extent of the damage,or they may point to problems ofgreater magnitude.Their significance depends on the type of structure,as well as thenature of the cracking.The proper repair of cracks de…     

基于正交试验法的神经网络优化设计

运用正交试验法,以三层前向型神经网络为例,对神经网络的训练样本、权值和阀值、训练参数的选择进行分析和研究。在此基础上,提出一种基于正交试验法的神经网络优化设计方法。研究结果表明,正交试验法对于神经网络模型的确定具有很好的效果,是一种既直观易行又客观科学的方法。     

基于小波神经网络的自适应逆控制及其应用

神经网络控制特别适用于具有非线性和不确定性因素的系统。采用小波神经网络(WNN)对飞行仿真转台的直流伺服系统进行实时辨识,得到其逆模型。然后将这一训练后的网络作为前馈控制器与常规反馈控制器结合构成并行自适应逆控制器,控制转台跟踪指定的速度和位置轨线。仿真结果表明该方法的有效性。     

人工神经网络结合遗传算法对网站开发优化的应用

对于企业管理者,必须就某些特定的设计目标与网站设计人员进行沟通,通过最初的开发、网站评价、改进过程,不断地促进电子商务网站的发展.本文提出了用人工神经网络通过学习（或训练）自动总结出EC网站设计因素与某经营目标数据间的函数关系,再用遗传算法来完成由该函数作为目标函数的优化方法,使网站的改进设计有科学的依据.     

A Practical Qualitative＋Quantitative Method—S—ANN

1　 IntroductionPurely quantitative methods are in a dilemma situation for coping with the real worldproblem,particularly with respectto social and economic problems. The reason is thatthemotivation of pursuing science requires researchers to describe these complex socialproblem accurately,then solve these quantitatively mathematical models so as to discoverthe rules of system movement and furthermore forecast the behaviors of system in thefuture.On the otherhand,these social problemsofthe rea…     

过程系统寻优新方法——非线性映射主轴分析法

对于实际过程系统的寻优,大都是多维的非线性优化问题,寻求一种全局稳定最优数值解的方法,一直是人们关注的课题．本文应用人工神经网络的拓扑映射技术,提出非线性映射主轴分析法．这种新方法将一个多维空间的非线性问题降维映射到二维平面,籍目标函数等值分布曲线的分析,决策出最优点或最优区域,通过逆映射运算可将其还原到多维空间用原始变量表示．从本文的例证可见,这种方法直观、简便、有效、得出的最优解准确、可靠     

机械手逆运动学神经网络建模与仿真

采用多层前向神经网络来建立机械手逆运动学模型。在分析了用简单遗传算法学习神经网络存在求解速度慢、精度低及有量化误差等缺点的基础上,提出采用改进遗传算法来学习神经网络,用于机械手逆运动学求解。此方法采用实数值编码,并采取动态变异操作。仿真结果表明,该方法有效地弥补了简单遗传算法的不足,能快速达到全局收敛,从而大大提高了机械手逆运动学求解的精度。     

可拓神经网络在可拓专家系统中的研究与应用

将可拓学理论、人工神经网络和专家系统技术有效地组合与集成,建立了基于可拓分析与神经网络的空中目标识别专家系统,并将其应用于防空作战指挥信息系统空中目标识别。着重阐述了基于物元的知识表示方法以及空中目标识别专家系统的设计思路、总体结构和工作原理。     

SOFMNN分类方法及其在农业生态系统 退化分类上的应用

给出了一种自组织特征映射神经网络的分类方法，该方法具有自学习、自适应功能，它不同于传统的分类方法，在分类之前不必确定分类对象指标的权重等需要人为确定的量，只要输入分类对象指标的原始数据，就可以得到分类结果，应用十分方便。我们将该方法用于农业生态系统退化分类评价中，取得了满意的结果。图2，表1，参3。     

BP人工神经网络自适应学习算法的建立及其应用

解决了BP神经网络结构参数、学习速率与初始权值的选取问题,并对传统的BP算法进行了改进,提出了BP神经网络自适应学习算法,又将其编制成计算机程序,使得输入节点、隐层节点和学习速率的选取全部动态实现,减少了人为因素的干预,改善了学习速率和网络的适应能力.计算结果表明:BP神经网络自适应学习算法较传统的方法优越,训练后的神经网络模型不仅能准确地拟合训练值,而且能较精确地预测未来趋势.     

基于神经网络集成系统的股市预测模型

基于神经网络集成理论,建立股市预测模型.其中分别建立"基本数据模型"、"技术指标模型"和"宏观分析模型",最后以简单平均生成集成系统.实证分析表明,股市预测神经网络集成系统的泛化能力高于各个独立的模型,从而使模型具有更好的稳健性和更好的应用价值.     

商业银行信贷风险分析的人工神经网络模型研究

对人工神经网络及其应用于信贷风险分析的可行性进行了论述 ,着重对构建商业银行信贷风险分析的人工神经网络模型进行了深入细致的研究 .旨在得到一个可行的神经网络模型进行合理的信贷风险评价 ,为信贷决策提供科学依据.     

基于神经网络的交通信息融合预测方法

为了更加准确地预测动态变化的交通信息，通过分析城市道路交通流量变化的特点，提出一种基于神经网络的融合预测方法。这种方法根据预测数据各属性的特点，将数据构造为多个相关的时间序列。在此基础上，对各序列采取不同的处理方法，然后利用神经网络进行融合，得到最终的预测结果。这种方法可用于数据动态预测的各种领域。实验结果表明，采用这种方法可以有效地改善数据预测的误差。