织物透湿性能测试与MATLAR应用研究

对各种织物透湿性能进行测试与分析．利用MATLAB6．5建立神经网络模型，选择最佳网络参数并对网络进行训练．通过应用实例提出了如何处理实验数据的方法，并通过建立大量的BP网络进行比较，筛选出最具应用价值的网络对透湿性能进行预测．     

运用概率神经网络对混凝土拱坝进行损伤位置的识别

大型水利工程的灾难性事故多由大坝的微小裂缝发展而成,在运行期间对混凝土坝的裂缝进行监测十分重要.提出了基于振动测试数据用概率神经网络对混凝土拱坝进行损伤检测,并针对一混凝土拱坝进行损伤识别的数值模拟分析,结果表明基于振动测试数据利用概率神经网络识别混凝土拱坝的损伤位置是可行的.     

基于RBF神经网络的跳频信号频率预测的研究

提出了一种跳频信号频率预测的解决方案——RBF神经网络．比较了BP神经网络和RBF神经网络在跳频信号频率预测中的性能差异．应用MATLAB针对一伴有随机噪声的信号进行了仿真实验，证明了该理论的可行性与优越性。     

模糊神经网络在病虫害诊断中的应用初探

基于模糊神经网络的理论。针对病虫害的诊断，给出了相关的模糊神经网络数学模型．     

一类二重Cohen-Grossberg神经网络的渐近稳定性

研究了一类具有时滞的二重Cohen-Grossberg神经网络模型,通过构造适当的Lyapunov泛函,并利用矩阵不等式的技巧给出了此类神经网络平衡点全局渐近稳定的充分条件,推广了已知文献的一些结果.     

地球物理测井多参数综合识别储层流体类型的新型神经网络

建立了一种基于引力的新型神经网络模型 ,引入了合力作用机制 ,解决了储层流体类型划分的判定半径问题 ,克服了以往神经网络对任何输入数据都要产生响应 ,并给出一个分类结果的缺陷。改进了传统的距离计算方法 ,克服了传统方法易受单个参数突变的影响而引起误判的缺点。利用新型神经网络方法并结合测井资料 ,对某油田的储层流体性质及类型进行了识别 ,获得了很高的识别率。与径向基神经网络的判别结果相比 ,该神经网络的识别率明显提高。     

神经网络与响应面法相结合分析既有混凝土桥梁的可靠性

响应面有限元的可靠度计算是采用有限元数值模拟来解决功能函数不能明确表示的结构可靠度计算问题的一类方法,对于大型复杂结构的可靠度分析有重要的意义.提出了基于BP神经网络与响应面法相结合的结构可靠度计算的几何分析方法,通过得出的可靠指标对一座既有桥梁进行了可靠性分析.数值试验表明,该方法建立的神经网络模型可以很好地拟合真实的极限状态函数,在既有桥梁可靠性分析中具有广阔的应用前景.     

黑龙江省一次能源消费总量和消费结构预测研究

以黑龙江省一次能源为研究对象,选取其1995~2014年一次能源消费的历史数据,构建了改进的BP神经网络模型来预测黑龙江省2015~2020年一次能源的消费总量;重构马尔科夫模型,预测黑龙江省2015~2020年一次能源的消费结构。结果表明：构建的模型模拟预测结果误差小,预测准确度良好。2015~2020年黑龙江省一次能源消费总量基本稳定在9200万吨标准煤;能源消费结构中煤炭、石油和天然气的份额均有所降低,清洁能源占比呈增长趋势;到2020年,一次能源消费结构中煤炭占比仍高达65.39%,清洁能源占比仍处于弱势。建议：降低一次能源的消费总量,尤其是煤炭和石油在一次能源消费中的占比;合理调整一次能源的消费结构,降低煤炭在能源消费结构中的占比;政府出台相关政策,引导消费理念,优先使用清洁能源。     

基于SIFT的车标识别算法

针对车标识别过程中匹配阈值难、识别速度慢的问题,提出一种基于尺度不变特征变换(SIFT)的特征匹配车标识别算法.利用SIFT算子对图像的视角、平移、放射、亮度、旋转等不变特性进行提取,并采用BP神经网络算法自主选取车标图像特征进行分类、匹配和识别.仿真实验结果表明,简单车标和复杂车标的识别率平均值均达90%以上,该算法识别速度较快、识别率较高,能满足实际应用的需要.     

基于改进的卷积神经网络的钢号识别

为获取样本的多样性特征,提出了一种改进的卷积神经网络结构。该网络中引入多层递归神经网络,利用卷积神经网络提取输入图像的浅层特征,同时利用卷积神经网络和递归神经网络并行提取高层特征,最后将两种网络学习到的特征进行融合输入到分类器中分类。利用迁移学习理论解决小样本集数据训练不足的问题,并将这种卷积神经网络结构应用于石油物资管线钢号识别中。实验探究了递归神经网络个数与卷积核个数对网络性能的影响,实验结果表明,改进的网络结构与其它网络进行对比,错误率降低了 3% 。