优化小波神经网络停车泊位多步预测

【目的】通过改进停车泊位预测方法为交通出行提供有益帮助。【方法】利用李雅普指数对停车泊位序列进行分析,指出序列具有混沌特性,可进行多步预测。利用db32小波函数具有双正交性、紧支撑性以及消失矩阶数较大的特征,对归一化的停车泊位序列进行多尺度分解与重构,并作为小波神经网络(Wawelet neural network,WNN)的隐含层函数。为提高预测精度和降低预测时间,分别使用粒子群算法(Particle swarm optimization,PSO)和极限学习机(Extreme learning machine,ELM)来优化WNN。其中,使用PSO对WNN的权值进行调整,逐步迭代得到最优值;使用ELM将全局最优值作为单隐层前馈神经网络的输入,使得算法尽快收敛。优化后的WNN结合迭代多输出法对停车泊位进行预测。将上述预测方案称为极限学习机和粒子群算法双重优化的小波补缀网络多步预测(Multi-step prediction based on wavelet neural networkimproved by extreme learning machine and particale swarm optimization,MP-EPWNN)。【结果】仿真实验表明,相对于BP神经网络、遗传算法优化小波神经网络、极限学习机优化小波神经网络、粒子群优化小波神经网络4种算法,MP-EPWNN算法的预测均方误差平均降低了96.6%,预测所需的时间平均降低了65.97%。【结论】MP-EPWNN算法预测停车泊位是有效的。
     

CE环境下基于实例的零件设计可加工性评价

在描述零件设计中加工性评价内容的基础上，提出了基于神经网络算法的零件设计可加工性评价原理，主要包括：可加工性评价的神经网络算法，齿轮零件加工方向的二进制形式描述，齿轮零件加工工艺描述和基于实例的齿轮设计可加工性评价。     

BP网络在漏钢模式识别中的应用研究

介绍了连铸结晶器中常见的四种温度模式 ,设计了几种漏钢预报神经元网络模型 ,并进行了训练和测试 ,对 BP网络在漏钢模式识别中的应用进行了研究     

基于遗传算法的神经模糊网络

从改进Ｓｕｇｅｎｏ模型的神经模糊网络入手，提出了利用遗传逄法对该网络的参数进行优化，以期在被控对象未知的情况下也能达到预定的要求，最后以倒摆为例，通过计算机仿真验证了这一方法的可行性。     

基于BP神经网络的预测方法应用研究

在分析神经网络用来预测的特点基础上，采用ＢＰ神经网络方法对浙江省未来若干年的茶叶产量进行预测，并将其预测结果与采用灰色系统方法预测的结果进行比较分析，表明该方法的预测效果较好，可以用来对经济作物的产量进行中短期预测。     

一组混沌保密通信系统的理论探讨

混沌保主系统是用混沌系统中的状态作为密钥信号对信息信号进行编码，从而提高信号传输时的抗破译能力。信息信号在接收端系统被恢复出来，其中的关键在于接收端与发送端混沌系统要达到同步。本文构造了保密通信系统的发送端和接收端混沌系统，交 沌的同步归结为一个非线性一     

用RBF神经网络预报冷轧精整机组的成材率

分析了某冷轧厂的发货预报系统，并利用改进ＲＢＦ（ＲａｄｉａｌＢａｓｉｓＦｕｎｃｔｉｏｎ）神经网络学习算法建立了该系统中精整机组成材率的预报模型。仿真效果很好。文章最后就可能存在的问题提出了解决方案。     

纯滞后对象的神经网络辨识及自适应控制

提出了一种针对纯滞后对象的神经网络及控制结构，在神经控制器的线训练中，引入了反向传播的预测误差信号，并采用基于Ｋａｌｍａｎ滤波的学习算法分别训练用于辨识的神经网络及神经控制器。     

第3届神经网络国际会议

第3届神经网络国际会议（International Symposiumon Neural Networks2006，简称ISNN2006）于2006年5月28日至6月1日在成都皇冠假日酒店隆重召开。