基于BP神经网络的船舶管系CAPP研究

介绍了一种新的舰船管系柔性编码方法和加工工艺推理方法．即利用成组技术原理，编制舰船管系特征码和加工码，并利用BP神经网络进行加工工艺推理，在总结BP神经网络推理方法的基础上，给出了利用BP神经网络开发船舶管系CAPP的方法，并论述这种方法的优点．这种推理方法极大地提高了船舶管系CAPP系统的柔性，开发了一种应用于不同厂家的CAPP系统。     

BP神经网络在路径规划中的应用

神经网络由于其具有对数据大规模并行处理及对知识有较强的融合能力的优点，因此将它应用于机器人路径规划中，但是BP网络极容易陷入局部极小值，应用加权策略解决了此问题．仿真结果表明，BP神经网络应用于移动机器人路径规划具有正确性、高效性、实用性和智能性等优势．     

应用级联神经网络预测供热锅炉次日小时热负荷的初步研究

通过对供热锅炉房热负荷的分析，建立了基于两个BP网络的级联神经网络(CNN)。相关性分析表明，可将时间序列负荷数据作纵横向分离，横向相关系列负荷可作为CNN前一BP子网络的输入数据，纵向相关系列负荷可作为CNN后一BP子网络的输入数据。前一BP子网络用于小时负荷的初始预测，其预测结果加入后一BP子网络的输入系列，实现对负荷的精确预测。按照此模型，建立了某一印染厂锅炉房次日小时蒸汽负荷的CNN预测模型。程序运行结果表明该模型在预测时足够准确可靠。     

基于RES理论的岩爆倾向性预测方法

从工程地质因素、复杂环境因素和人为开挖因素3个方面分析了岩爆启动的主要影响因素,在此基础上,提出了一种基于RES理论的岩爆智能预测模型,并论证了人工神经网络的参数分析原理.此外,采用改进的前馈神经网络BP算法对交互作用矩阵进行编码以及对参数的相对交互作用强度进行了分析.研究结果表明:运用该岩爆智能预测模型,不仅使岩爆倾向性的预测具有动态特性,同时又可以方便地对岩爆启动的主控因素进行分析.     

综合集成过程中研讨信息记录模式的识别方法研究

运用人工神经网络理论和方法,建立研讨信息记录模式识别模型,并经"基于WEB的开放式群体决策研讨平台GASS"研究项目的实际应用,表明该方法具有较强的学习、联想和容错功能,能够根据具体的研讨活动状况定量评价信息记录模式,改进了以往仅评主观选择研讨信息记录模式的方式,从而在综合集成体系中提供更加有效的决策支持.     

系统近似建模技术的研究与比较

对于大系统的优化,子系统由于分析模型计算复杂而大量采用近似模型代替与优化。常用的近似建模技术有响应面模型(RS)、计算机试验设计与分析模型(DACE)和神经网络中的误差后向传播模型(BP)。拟对以上三种近似建模技术进行了比较研究,简要阐述了三种近似建模技术的理论基础,并应用实例分别进行了考核。在各近似模型的近似精度和计算费用等方面进行了初步探讨与研究。     

基于组合策略的Lyapunov指数谱的计算

分析了基于BP神经网络模型的Lyapunov指数谱计算法存在的不足,提出了一种新的基于组合策略的混沌时间序列Lyapunov指数谱计算方法.由于该方法能够同时逼近给定目标函数的非线性部分与线性部分,因而具有更高的计算精度.最后将新方法应用于Henon映射Lyapunov指数谱的计算中.通过分析与比较,表明该方法具有更高的计算精度及更强的实用性.     

BP 神经网络网络结构优化问题的研究

将灰色关联分析法应用到BP神经网络隐层结点数的确定中,实现了BP神经网络网络结构的优化,提高了网络的预测精度.仿真结果表明这种方法非常有效,同时也对BP神经网络的进一步研究提供了一种全新的思路.     

改进的BP人工神经网络预测软土地基固结沉降量

采用改进的BP人工神经网络较强的非线性映射能力和学习能力,提出了一种有效的沉降预测方法,并用于深港西部通道软土地基固结沉降量的预测.本方法利用实测资料直接建模,避免了传统方法计算过程中各种人为因素的干扰,所建立的模型预测精度高,与实测值较吻合,简便易行,因而具有广泛的工程实用价值.     

基于RBF神经网络的跳频信号频率预测的研究

提出了一种跳频信号频率预测的解决方案——RBF神经网络．比较了BP神经网络和RBF神经网络在跳频信号频率预测中的性能差异．应用MATLAB针对一伴有随机噪声的信号进行了仿真实验，证明了该理论的可行性与优越性。