基于多串口卡的Ad hoc网络仿真系统的设计与实现

Ad hoc网络是一种无中心的自组织网络，其多跳性和移动性使得很难在传统的局域网或有中心的移动网络中仿真和调试其协议和算法。首先分析了在传统局域网和移动网进行Ad hoc网络仿真的难点和问题所在，接着提出了基于MOXA Smartio CP-168U／PCI多串口卡的Ad hoc网络仿真方案，然后详细介绍了仿真系统的功能和系统主要模块在VC 6．0环境下的实现，最后对系统作出分析和评价。     

神经网络技术在油井故障自动诊断中的研究与应用

提出了识别泵功图新的思路和方法,采用差分曲线法对大批油井功图进行自动识别处理,对识别出的有故障的油井采用神经网络技术对故障进一步定位.     

具分布参数的广义随机神经网络的镇定

研究具分布参数的Cohen—Grossberg广义随机神经网络的镇定性。将所考虑的系统的解随机场关于空间变量的积分视为相应的由随机常微分方程描述的神经网络的解过程来讨论其镇定性。具体实施方法是运用Ito↑^微分公式沿系统对构造的关于空间变量平均的Lyapunov函数进行微分，从而克服了研究具分布参数随机系统无相应Ito↑^公式的困难。     

基于自适应性神经网络和历史聚类的旅游规划

研究了不同类型的服务之间的关系,提出了一种基于使用历史的分层聚类,以提取有意义的使用模式,建立了智能旅游规划的自适应型神经网络结构.     

基于归纳学习的结构损伤识别方法研究

采用归纳学习方法来识别结构损伤．首先，通过对经典的决策树算法和序列覆盖算法进行结合与改进，得到一种高效且代价又小的归纳学习算法(RAC)，同时引入装袋算法产生多个分类法，并用它们进行类预测，而且使用选票策略得出最佳类预测．其次，用正交最小二乘迭代算法作为径向基函数(RBF)神经网络的学习方法，通过“信息一贡献”准则进行正交变换来优选中心．最后，对上述归纳学习方法用于梁结构损伤定位的效果进行了实验评估．结果表明，对于RAC算法和生成分类法的数目分别为10和50情况下的装袋算法，当损伤样本被噪声污染程度在100％时，识别精度均可达到90％以上，而对于RBF神经网络算法，只有当损伤样本被噪声污染程度小于70％时，识别精度才可达到90％以上。     

基于重置的L-M变结构BP神经网络

尝试将重置算法应用于神经网络结构的优化,研究了重置算法中最佳重置时间的性质,并提出一种基于重置的L-M(Levernberg-Marquardt)变结构BP神经网络.对比实验表明,重置算法的引入有效地解决了神经网络结构优化的问题,优化后的网络具有较好的收敛性.     

随机模糊神经网络及在随机混沌时间序列预测中的应用

针对随机模糊神经网络(SFNN)的网络结构没有明确的物理含义，仅仅是一种实现随机模糊逻辑系统的计算结构的问题，对其网络结构进行了改进，重新定义了每层的节点原型。改进后每层之间的物理含义明确且节点数目减少，从而计算量有所减少。对于SFNN的参数和结构，可以分别通过参数学习算法和结构学习算法来优化。将SFNN用于随机混沌时间序列预测，仿真结果表明：该系统由于引入了随机的概念，使网络能更有效地防止噪声的干扰，因而更适合于工程应用。     

运用自组织人工神经网络预测黄土高原生态经济破坏程度

本文运用T.kobonen自组织人工神经网络,分析预测黄土高原生态经济破坏程度,预测成功率较高.结果表明,神经网络方法性能良好,可望成为生态经济破坏程度预测的有效辅助手段.     

On-line Tool Wear Classification in Unmanned-machining Environments

One of the most important features of the modern ma ch ining system in an “unmanned“ factory is to change tools that have been subjec ted to wear and damage. An integrated tool condition monitoring system composed of multi-sensors, signal processing devices and intelligent decision making pla ns is a necessary requirement for automatic manufacturing processes. An intellig ent tool wear monitoring system will be introduced in this paper. The system is equipped with power consumption, vibration, AE and cutt...     

四色和K色图着色问题的瞬态混沌神经网络解法

首先给出了用神经网络求解四色图着色问题的神经网络结构和能量函数 ,然后采用了具有瞬态混沌特性的神经网络 ( TCNN)来解四色图着色问题 .由于引入具有复杂动态特性的瞬态混沌使得该法具有很强的搜索全局最优解的能力 .仿真结果表明 ,用该法解四色图着色问题总能保证使能量函数收敛到最优解 ,有效避免了用传统的 Hopfield人工神经网络 ( HNN)解此问题时极易陷入局部极小的缺陷 ,并且收敛速度更快 .另外我们还用此法求解了属于 NP-完全问题的 K色图着色问题.