一种采用神经网络的智能控制算法

本文基于Ａｄａｌｉｎｅ神经网络，讨论了一种采用神经网络的智能控制法，该算法用了一个二层网络代替传统控制器或专家控制器，用改进的ＢＰ算法求网络的参数。仿真结果表明，采用该控制算法的控制系统具有良好的响应特性。     

softmax变区段非线性双拟合方法及其FPGA实现

针对采用分段非线性拟合逼近法拟合人工神经网络中的softmax时,会出现一些区间误差较大的问题,本文提出了一种基于初次拟合误差的变区段非线性双拟合方法.该拟合方法的基本步骤是:首先,结合softmax的指数函数特性,通过均匀分段和随机分段的非线性拟合找出误差较大的区间;其次,根据区间误差的大小,选择合适的变区段进行第2...     

基于TensorFlow的均质数字岩心渗透率预测方法及应用

目前岩心渗透率的获取为室内试验方法,针对该方法工作效率低、试验操作繁琐、耗时较长的问题,提出一种基于机器学习的均质数字岩心渗透率预测方法.首先随机生成大量均质数字岩心,通过孔隙网络模型的方法对其进行孔隙度和渗透率的计算,将所得结果作为机器学习的样本库,然后基于BP人工神经网络方法,对岩心的孔隙度和渗透率数据进行提取和处...     

爬壁机器人路径规划研究

研究爬壁机器人在三维工作环境中的全局路径规划.给出了一种基于人工神经网络结构能量函数的路径规划算法.可根据机器人吸附物体的形状设定各边界面对应的不等的模拟退火初始温度;并且可根据路径点位于物体内部与否的不同位置采用不同的运动方程.仿真结果表明,该算法可规划出最短的可行路径,为提高爬壁机器人的实用性,提供了一种有效的路径规划算法.     

基于BP神经网络模型的目标属性识别仿真

在地面防空作战中,对空中目标进行属性识别是防空导弹武器发射决策的关键环节之一,可靠及时的识别可有效地避免误伤我（友）机,准确消灭敌机。结合现代防空作战特点,对影响目标属性识别的各种因素进行定性和定量分析,建立了基于BP神经网络的目标属性识别模型,仿真分析表明了模型的有效性和实时性。     

煤炭企业成本主要影响因素的分析

在对煤炭企业成本主要影响因素定性分析的基础上,采用人工神经网络BP模型对其进行定量研究,并将它们应用到煤炭企业实际,取得了良好的效果。     

基于SVR和BPNN的兰州市PM10质量浓度预测对比

利用兰州地区环境空气质量监测点2015年的大气污染物和气象资料,对比分析了BP神经网络(BPNN)和支持向量机回归(SVR)模型对ρ(PM10)的预测效果,并选取典型重污染天气个例验证两种模型的适用性.结果表明,SVR全年和四季的逐2h预测结果优于BPNN,两者在全年、春季和冬季2～24 h的平均绝对误差总体随着预测时...     

面向Hughes效应改善的EM-BP模型——以运载火箭研制经费估算为例

小样本、特征维度高,特征数多于样本数会导致大部分模型分析结果误差较大,这种现象称为Hughes效应.其中运载火箭经费估算就是典型案例.而通过EM算法改进BP神经网络得到EM-BP模型,可有效改善Hughes效应.该模型首先将高维样本输入至输入层,其后EM算法基于输入神经元提取出低维神经元,并激活传送至隐藏层后,再判断是...     

基于BP神经网络PID参数自整定的研究

PID控制是迄今为止在过程控制中应用最为广泛的控制方法。但在实际应用中，其参数整定仍未得到较好的解决。本文把神经网络技术应用在PID控制中，充分利用神经网络具有非线性函数逼近能力，构造神经网络PID自整定控制器，并通过仿真试验，取得较好的结果。     

基于进化ANFIS的制导炸弹智能控制系统研究

针对目前制导炸弹命中精度低的问题,首次提出一种基于进化自适应神经模糊推理系统(ANFIS)的制导炸弹智能控制系统。该系统不基于数学模型,用独特的空间分层方法建立若干模糊推理系统,依靠专家经验来获取控制信息。规则库是通过系统对训练数据进行自学习,并在自学习的过程中引入遗传算法进化调整系统结构和参数而建立的。通过计算机仿真,该智能控制系统具有精度高、泛化功能强且实现了调整智能化等优点。可以预见,这种智能控制系统在军事上有很好的应用前景。