用神经网络预测饱和液体密度

使用前向神经网络，采用带阻尼的牛顿二阶学习方法，学习纯物质的饱和液体密度与温度的关系，在熔点到临界点的温度范围内，预测平均误差小于０．０３％。适宜的网络工作区间「ａｍｉｎ，ａｍａｘ」为「０．５，０．７」。     

一种基于神经网络的机器人故障检测方法

在对多种故障检测方法进行分析比较的基础上，提出一种基于神经网络的机器人故障检测系统结构，给出在线学习逼近机器人标称模型的故障检测方法。仿真结果表明，该方法能对机器人运行过程中出现的故障进行检测和定位。     

反馈型随机二元神经网络

提出并分析了一种全新的反馈型随机神经网络模型，该模型不同于常见的Boltzmann机，它不直接使用随机激活函数而是采用了随机型加权连接，神经元为简单的非线性处理单元.揭示了该网络模型存在惟一的收敛性平稳概率分布，当网络中的神经元个数较多时，平稳概率分布逼近于Boltzmann-Gibbs 分布. 另外，还讨论了该网络模型与Markov随机场之间的关系，并提出了一种新型模拟退火和Boltzmann学习算法.网络模型被成功地应用于解决难度较大的组合优化问题和人像的自动识别，实验结果证实了该模型具有强大的计算能力和优异的泛化性能.     

基于分布式并行计算的神经网络算法

为了提高计算性能（速度与可扩展性），提出了一种新颖的神经网络的并行计算体系结构和计算网络权函数的训练算法。权函数是广义Chebyshev多项式和线性函数的复合函数，只需要通过代数计算就可以求得，不需要梯度下降计算或者矩阵计算。各个权函数能够独立求解，可以通过并行系统采用并行算法计算。算法可以求得全局最优点，得到反映网络误差的一个有用的表达式。此外,算法在不超过权函数总数的范围内，还具有维持加速比与并行系统中提供的处理器的数量成线性增长的能力。仿真实验结果表明，本文算法的计算性能远远优于传统算法。     

基于神经网络的最优非线性滤波的仿真研究

本文将BP神经网络和RBF神经网络应用于非线性滤波器中,利用MATLAB对随机噪声的信号做仿真实验研究,结果证明两种神经网络应用于非线性滤波中的可行性,以及RBF神经网络性能的优越性。     

用字符局部相似度误差过滤的方法识别污损车牌

介绍了综合利用神经网络和局部相似度误差过滤的方法,实现对部分污损的车牌进行快速自动识别,讨论了该方法的优缺点和工程应用方法。     

改进的BP神经网络及其在销量预测中的应用

针对影响产品销量的因素众多,并且影响因素之间相互作用等特点,将人工神经网络理论引入产品销量预测领域.同时,为了克服BP网络的局限性,提出将主成分分析方法、BP神经网络以及粒子群优化算法相结合,分别从样本质量和初始权值两个方面对BP神经网络进行改进.最后,对某品牌服装产品的月销售量进行了实例研究.结果表明,所提出的模型简...     

基于MATLAB的改进BP神经网络在城市日用水量预测中的应用

利用MATLAB神经网络工具箱对城市短期用水量进行模拟,比较各种改进BP神经网络对城市短期用水预测方面的效果,得出用BP神经网络预测城市日需用水量是可行的,其中尤以traincgp方法预测效果最好的结论.     

BP神经网络在不等时距滑坡变形预报中的应用

介绍神经网络模型的建模原理和方法,并采用该模型对实际滑坡不等时距监测数据进行处理和分析。结果表明神经网络模型能够对变形监测不等时距数据做出比较准确的模拟和预报,从而能够为变形监测的不等时距数据处理提供一种较好的方法,可以作为今后同类数据处理的模型。