基于模糊粗糙神经网络的用户个性化关联推荐方法

【目的】针对电子商务中关联推荐的有效性,基于模糊粗糙神经网络提出了一种新的方法。【方法】该方法首先提出了个性化推荐模型,并根据关联规则给出了推荐算法流程。同时利用模糊粗糙神经网络对上述模型进行求解,通过计算模糊关联系数和模糊关联度来获得用户行为特征。【结果】利用仿真实验深入研究影响该方法的关键因素,结果发现:最小可信阈值和最小支持度取值越小,预测精度就越高。【结论】与其他算法相比,该算法能在一定的程度上较小预测的误差,使得推荐结果更加满足客户的需求。     

基于模糊神经网络和遗传算法的机器人三维路径规划

【目的】为了有效提高机器人三维路径规划精度。【方法】基于模糊神经网络和遗传算法建立了一种新的路径规划方法。【结果】根据路径长度和路径能量提出了三维路径规划的评价指标和优化函数, 同时利用模糊神经网络建立了三维路径的 5 层结构, 并结合遗传算法来优化并求解最优路径。【结论】通过仿真实验深入研究了影响该方法的关键因素, 结果表明该方法具有更好的适应性。
     

利用Petri网模型的求解因果图最小割集的算法

【目的】为快速有效地求得因果图的最小割集。【方法】将因果图转换为Petri网模型,利用Petri网的特点提出一种新的求解因果图最小割集的算法,该算法省略了求因果图节点事件的一阶割集和最终割集这两步,大大减少了因果图用于故障诊断的时间。【结果】以实例说明了这一求解过程,并验证了算法的有效性。【结论】利用上述算法能够快速有效地求得最小割集,从而可对系统进行定性分析。
     

基于模糊神经网络和遗传算法的机器人三维路径规划

【目的】为了有效提高机器人三维路径规划精度。【方法】基于模糊神经网络和遗传算法建立了一种新的路径规划方法。【结果】根据路径长度和路径能量提出了三维路径规划的评价指标和优化函数,同时利用模糊神经网络建立了三维路径的5层结构,并结合遗传算法来优化并求解最优路径。【结论】通过仿真实验深入研究了影响该方法的关键因素,结果表明该方法具有更好的适应性。     

利用Petri网模型的求解因果图最小割集的算法

【目的】为快速有效地求得因果图的最小割集。【方法】将因果图转换为Petri网模型,利用Petri网的特点提出一种新的求解因果图最小割集的算法,该算法省略了求因果图节点事件的一阶割集和最终割集这两步,大大减少了因果图用于故障诊断的时间。【结果】以实例说明了这一求解过程,并验证了算法的有效性。【结论】利用上述算法能够快速有效地求得最小割集,从而可对系统进行定性分析。     

基于差分进化算法的神经网络优化设计

【目的】研究解决传统神经网络手动设计网络结构的局限性,并探究差分进化算法对神经网络优化的有效性。【方法】提出了一种基于差分进化算法的多层前馈神经网络的优化设计方案,用以同时完成神经网络的权值空间和网络结构空间的搜索,给出不同场景下的最优网络结构。该算法采用（1+1）-ES二元进化策略,使用一种新的网络结构交叉和变异方法,通过双种群结构共同进化及自适应变异率等策略加快网络结构的搜索以及算法的收敛。【结果】在预测、分类等问题中,基于差分进化算法的神经网络优化设计能够较好地搜索到最优的神经网络结构,并与传统的BP神经网络以及经典的预测分类算法进行比较,实验结果具有较强的鲁棒性。【结论】基于差分进化算法的神经网络优化设计是解决网络结构寻优问题的有效方法。     

基于AW-GA-BP算法的配电网设备运行环境相对湿度的预测方法及应用

【目的】准确监控和预测配电网设备所处环境相对湿度的状态和变化趋势。【方法】通过分析影响相对湿度的相关因素,提出了一种权重调整(Weight of adjust,AW)和遗传算法(Genetic algorithms,GA)相结合的BP算法(AW-GA-BP算法),在此算法的基础上,建立了对配电网设备所处环境相对湿度变化的神经网络预测模型,并将此算法应用到项目组为云南省某供电局开发的配电网运行环境智能化监测系统上,利用该监测系统所采集到的数据,将不同采样试验数据分别作为训练样本和验证样本,对比研究了AW-GA-BP算法、GA-BP算法和标准BP算法的预测误差。【结果】基于AW-GABP算法预测得到的相对湿度百分误差平均值是4.28%,基于GA-BP算法预测得到的相对湿度百分误差平均值是8.87%,基于标准BP算法预测得到的百分误差平均值是14.64%。【结论】基于AW-GA-BP算法所建模型的相对湿度预测平均误差更小,为预测配电网设备所处环境相对湿度提供了一种更为准确的方法。     

非线性Gilson-Pickering方程的移动最小二乘近似无网格法

【目的】利用适定移动最小二乘近似和预测校正迭代算法等技术,建立数值分析Gilson-Pickering方程的移动最小二乘近似无网格方法。【方法】首先采用差分格式离散时间导数,然后利用适定移动最小二乘近似离散空间导数,最后使用配点技术得到了非线性代数方程组。【结果】数值算例表明该方法能有效地求解具有三阶偏导数且依赖于时间变量的非线性Gilson-Pickering方程。【结论】该方法比有限元方法的精度更高。     

具有时滞的反应扩散神经网络模型的输入-状态稳定

【目的】研究带有时滞的反应扩散神经网络模型的输入-状态稳定。【方法】首先,建立一类带有时滞的反应扩散神经网络模型,该模型中的神经元激励函数不要求有界,也不要求光滑。然后,利用具有时变输入的时滞微分不等式和矩阵不等式方法。【结果】获得该反应扩散神经网络系统的输入-状态稳定的两个充分条件。【结论】结果改进和推广现有文献的相关工作。
     

基于改进模糊神经网络的电力系统短期负荷预测

提出了基于改进聚类算法的模糊神经网络的短期负荷预测方法。首先,利用改进聚类算法确定模糊神经网络的结构,然后利用混合学习算法训练该网络的前件和结论参数,最后向训练好的模糊神经网络输入相关的影响因素数据进行预测。预测结果显示,改进的模糊神经网络可以获得较高的预测精度,所以有更好的使用价值。