前馈神经网络中BP算法的一种改进

在传统的BP算法基础上,提出了一种改进的BP学习算法,先加入描述网络复杂性的量,使算法能够考虑到网络的连接复杂性,进而有可能删除掉冗余的连接甚至节点;接着提出对网络的学习步长的动态调整,以此来尽量避免传统学习中的学习速度过慢和反复震荡;然后给出新的算法是高阶非线性收敛的证明;最后通过实验说明的新的BP算法在一定程度上可减少网络的复杂性,有着比传统算法更快的收敛速度。     

Si含量和基片温度对Ti-Si-N纳米复合薄膜的影响

通过多靶磁控反应溅射方法沉积了Ti-Si-N系纳米复合薄膜。采用电子能谱仪（EDS）、X－射线衍射（SRD）、透射电子显微镜（TEM）、X－射线光电子能谱（XPS）和显微硬度仪分析Ti-Si-N系薄膜的微观结构和力学性能，以及基片温度对薄膜微结构和硬度的影响。结果表明，薄膜中的Si以非晶Si3N4形式抑制TiN晶粒的生长，使之形成纳米晶甚至非晶；薄膜硬度在a(Si)=4.14%时达到最大值（36GPa），继续增加Si的含量，薄膜硬度逐渐降低。基片温度的提高减弱了Si3N4对TiN晶粒长大的抑制作用，因而高的沉积温度使薄膜呈现出硬度峰值略低和硬度降幅减缓的特征。     

不悔步方式在微型足球机器人系统中的应用

研究了不悔步方式搜索策略在微型机器人足球系统中的应用．微型足球机器人通过积极地辨识当前所处的状态和实时地利用当前的有效信息，采用神经网络对机器人的一般特性和有限的记忆进行不悔步方式搜索策略的执行。     

基于遗传PID的动静液复合转向优化控制研究

由于履带车辆常运行于恶劣的环境中,采用动静液复合转向机构的某型履带车辆在转向过程中,静液系统压力存在较大的波动,严重影响了车辆的转向等性能.为了使履带车辆动、静液系统配合平稳,采用电液比例阀替代实车上采用的充油阀,并在Matlab仿真平台下建立了动静液复合转向的系统模型,对转向过程的静液系统压力变化等情况进行了仿真.为了改善系统的综合性能,设计了遗传PID控制器,控制器可根据静液系统压力波动状况实时控制进入液力耦合器的油量.仿真结果表明,改进后的系统工作过程平稳,动态响应迅速,能够很好地抑制了转向过程中静液系统压力的波动,提高了车辆转向的综合性能.     

基于BP神经网络优化的灰色线性回归组合模型应用分析

在分析灰色线性回归组合预测模型基本原理的基础上,利用MATLAB强大的计算功能,实现组合预测模型算法。通过实例分析发现拟合结果对实测值出现一定的波动性,故通过建立实测值与模拟值之间的比值序列,再利用BP神经网络模型对该比值序列进行建模优化,以进一步优化组合模型的预测精度。最后实例证明了该优化模型具有较高的拟合和预测精度,是一种可行、有效的优型变形数据分析模型。     

基于NSGA-Ⅱ和BP算法的横置板簧悬架系统多目标优化

为了匹配汽车簧载质量和悬架刚度,文章建立整车悬架系统振动模型,基于多目标优化理论,以车身加速度均方根值最小、车身侧倾角最小为2个优化目标,将非支配排序遗传算法（non-dominated sorting genetic algorithm-II,NSGA-Ⅱ）和反向传播（back propagation,BP）神经网络结合进行多目标优化;根据车辆簧载质量变化和性能偏好,对悬架参数进行匹配,然后对悬架参数进行Sobol敏感度分析,得到各悬架参数对平顺性和操稳性的不同重要程度。仿真结果表明,匹配后的数据对平顺性和操稳性均有较好的优化效果,前阻尼值对平顺性影响最大,后刚度值对操稳性影响最大。     

基于加权BP神经网络的场地连续化分类

本文以四类标准场地模糊分类二维隶属函数为基础，以BP神经网络为手段，建立了一种新的标准场地模糊化方法，训练了现行抗震设计规范中4类标准场地的模糊化神经网络，克服了二维隶属函数在转折边界处不平缓和有突变的不足；并以所建立的4个标准场地模糊化神经网络为基础，建立了基于加权综合的场地连续化分类方法，给出了该方法分类结果的空间分布图，实现了场地分类的连续化，使场地分类结果更符合工程实际；工程应用实例表明，基于BP神经网络的场地连续化分类方法，能更合理、更客观地对工程场地进行分类，为更科学地确定地震作用和进行恰当的结构抗震设计提供了可能。     

自适应脉冲耦合神经网络在图像处理中应用

尽管Johnson 提出的PCNN模型具有强大的图像处理功能,以时间序列进行特征提取时具有旋转、尺度、平移、扭曲不变性,可实践中发现依然存在着不足,特别对图像亮度、对比度比较敏感.添加了误差反向传播(Error Back Propagation, EBP)学习准则的自适应脉冲耦合神经网络模型能自适应设定模型参数,是脉冲耦合神经网络模型研究的主要内容.特别地,应用这种自适应模型进行特征提取时,能弥补原来PCNN模型对亮度、对比度敏感的缺陷,而且具有一定的泛化能力,有效克服了亮度、对比度对图像识别精度的影响.     

基于GA与CSA-RBF神经网络辨识的自适应PID控制器

提出了一种基于遗传算法(GA)、克隆选择算法(csA)和神经网络的自适应PID控制器的设计方法.该控制器主要由四部分组成:一是利用遗传算法优化PID参数初始值;二是用克隆选择算法对径向基函数(RBF)神经网络参数初始值优化;三是RBF神经网络完成对被控对象Jacobian信息辨识;四是单神经元PID控制器,学习并在线调整PID参数,以确保系统的响应具有最优的动态和稳态性能.仿真结果表明,该控制器具有响应速度快,稳态精度高等特点,可用于控制不同的对象和过程.     

基于RBF神经网络的作战效能评估方法

作战效能评估是现代作战模拟中的一个非常重要的环节,受到人们特别的关注.介绍了一种基于改进型RBF神经网络的作战效能评估方法,主要是依据样本数据动态调节网络结构与参数.然后基于EINSTein系统进行实例评估,仿真结果表明改进的RBF神经网络算法具有良好的自学习能力,以及预测精度高、可行性好等优点,可以广泛应用于作战效能的评估工作中.