发酵过程状态预估的BP神经网络模型实现

论述了利用改进的BP神经网络实现发酵过程状态预估模型的设计原理和方法,包括BP神经网络的拓扑结构选取、学习和测试样本的选择及处理,变步长引入动量项BP神经网络的训练方法以及全局收敛法的实现等。此外,用VC实现了发酵过程BP神经网络建模平台。经聚赖氨酸发酵过程验证,其模型具有良好的收敛性能和泛化性能,可应用于发酵过程状态参数的在线预估和测量。     

基于离散Hopfield神经网络的数据加密算法

离散Hopfield神经网络的吸引性不仅具有重要理论意义,而且是现代网络应用基础。基于离散Hopfield神经网络,简要讨论了算讨论了其吸引性;并利用其非线性混沌机制和并行计算的特点,提出了数据分组加密算法和公钥加密算法;法的安全性。     

神经网络融合信赖域求解非线性规划的新方法

人工神经网络在解决优化问题方面具有速度和精度的优势，将一种新的Hopfield网络模型与信赖域技术融合起来，采用逐次二次规划方法将约束非线性规划问题转换成一系列的二次规划子问题，并采用信赖域技术协调计算速度与精度之间的矛盾，同时通过Hopfield网络求解各个二次规划子问题，得到原来规划问题的最优解，通过对大量函数进行仿真计算，取得了很好的仿真结果。     

关于Hopfield型神经网络稳定性的注记

对于李雅普诺夫函数的径向无界性证明，给出了严格的证法．同时在激励函数单调递增的条件减弱的情况下，给出了两条渐近稳定的定理，并给了严格的数学证明．最后用实例说明前人的工作是基于不同假设条件的，而非强弱程度不同的条件．     

Delta法和Zero法参数辨识的应用研究

近年来,使用神经网络进行飞机系统辨识研究成为了研究的热点。本文研究了基于神经网络的Delta法和及其改进型--Zero法估计纵向气动参数的算法。使用加噪的飞机纵向数据仿真实验发现,Delta法和Zero法估计纵向气动参数不需要建立数学模型和假设参数初值,在合理选择参数的情况下能较好的辨识气动参数,但是实验发现,应用Delta法和Zero法估计参数对于飞行数据的质量、数量要求较高,且辨识的精度并不是很理想,在应用的时候应该慎重。     

多证据推理Hopfield神经网络在PIV数据后处理中的应用

在对人脑判别PIV错误矢量方式进行模拟的基础上,建立了错误矢量识别的多证据推理Hopfield神经网络模型,并通过数值试验对该网络模型的功能进行了验证.试验结果表明,该网络模型具有较强的识别能力,可以识别出所有的错误矢量.     

基于神经网络合并技术的Rake接收机性能仿真

传统Rake接收机的线性合并技术不能适应无线信道的非线性特性.针对这一问题,开展了基于神经网络合并技术(NN)的研究.采用多层感知机神经网络模型,通过仿真实验确定了模型结构.在不同的仿真环境下,分别对采用等增益合并技术、最大比合并技术和神经网络合并技术的Rake接收机进行了性能仿真.结果表明:在理想信道下,基于NN技术的Rake接收机性能略好于传统的Rake接收机,性能改善不明显;在复杂信道环境下,基于NN技术的Rake接收机性能好于传统的Rake接收机.     

基于神经网络的Internet导航

为迅速准确地在Ｉｎｔｅｒｎｅｔ中获取所需信息,且不致于迷航,通过对Ｉｎｔｅｒｎｅｔ导航的分析,在采用分级结构方法和簇分析相结合的基础上,提出了一种形成单层神经网络形式的概念空间,利用Ｈｏｐｆｉｅｌｄ 神经网络算法的联想功能,通过跟踪用户的浏览行为,对用户浏览进行导航．实验证明,这种导航方法能够大大提高用户的浏览效率．     

基于Hopfield网络的不可分稳态大系统递阶优化控制

研究了整体目标函数关于各子系统具有不可加形式的大系统稳态优化控制问题 ,针对利用多目标优化技术把不可分问题转化为可分问题时采用的迭代策略使得计算较慢的问题 ,提出了具有递阶结构的基于 IPM的 Hopfield优化网络 ,并证明了该网络是渐进稳定的 ,其平衡点为原问题的最优点 .仿真表明 ,这是解决不可分稳态大系统优化问题的有效途径.