基于GRNN神经网络的颜色空间转换研究

印刷的原理就是从标准色空间到印刷色空间的一种非线性转换,纽介堡方程是连接这两个空间的纽带.首先设计好印刷测试样张,测量各专色的XYZ值和网点面积率值,将实测值和计算值进行比较,分析误差的范围.利用实验所得数据对纽介堡方程进行仿真,结果表明：GRNN法较传统的高斯-赛德尔法有效.     

现代信号处理的研究热点探讨

本文阐述了现代信号处理的主要特点，并分析指出了现代信号处理与传统信号处理在思想 和方法上的不同。随后，本文概要地介绍了几种现代信号处理的研究方法，并分析指出了现代信号处理的发展方向。     

弓型折流板换热器动态响应神经网络预测

采用ARX动态模型设计了一种用于换热器动态特性辨识及预测的人工神经网络结构模型,基于有限的实验数据将人工神经网络技术应用于以水、油为换热工质的弓型折流板换热器动态特性的预测当中.采用Levenberg-Marquardt算法对网络进行训练和测试,辨识和预测了换热器单侧流量扰动情况下油侧出口温度的响应情况及换热器油侧进口发生温度扰动情况下油侧出口温度响应情况,并与数值计算进行了对比,神经网络的预测结果好于数值计算.分析了神经网络模型的泛化能力.计算结果表明,人工神经网络对于复杂系统的动态辨识及预测是相当成功的,与基于数理模型的数值预测相比,有更好的预测精度,且模型的泛化能力也很强.     

基于遗传算法的常规工艺运行参数模糊优化

考虑了系统运行目标的不唯一性(考虑出水浊度、CODMn和费用3个运行目标),根据模糊优化思路,把多目标优化转化为单目标综合优化,利用遗传算法的高效搜索性能,对可控参数进行编码、译码、计算适应值函数,求取满足常规系统出水水质约束的模糊较优控制参数组合(包括7项可变运行参数).优化结果表明不同原水水质条件下均对应有不同的运行条件和参数;混凝剂和预氧化剂种类及投量之间均存在一定的配比关系,合适的配比不但可以提高出水水质还可以减少运行费用.     

基于Attention Bi-LSTM模型构建蛋白质诱饵序列库

利用计算机技术在海量质谱数据中鉴定蛋白质序列是蛋白质组学研究最基本且重要的任务之一,诱饵序列库构建的好坏是蛋白质鉴定质量控制成功的关键之一。发展了基于注意力机制-双向长短期记忆神经网络(Attention Bi-LSTM)的诱饵序列构建方法,整体研究基于编码-解码框架,采用双向长短期记忆神经网络在解决传统循环神经网络梯度消失问题的同时,可以捕获前向后向更多依赖信息对处理序列数据更加有优势;引入注意力机制提高模型对目标序列库和诱饵序列库相关程度的关注度;并与目前常用的随机和反转算法进行比较。结果显示,基于Attention Bi-LSTM模型构建的诱饵序列库能满足理想诱饵序列库的各项特征要求;在不同大小实验数据集以及谱图、肽段、蛋白3个层面对比分析,显示构建的诱饵序列库与其他方法比具有更好的灵敏性。因此,Attention Bi-LSTM是一种很有潜力的诱饵序列库构建方法。     

新神经网络结构及其在数码语音识别中的应用

为了提高人工神经网络处理动态信号能力 ,在时延神经网络 ( TDNN )和卷积神经网络 ( CNN)的基础上 ,针对孤立音节的特点 ,提出了一个新的网络结构 ,研究了其学习算法。新网络在进一步改进后用于汉语孤立数码语音识别 ,对特定人和非特定人任务 ,分别达到了 97.7%和 95 .6%的正确识别率 (无拒识 ) ,其性能远远高于多层前向感知机( ML P)和时延神经网络 ,与传统的隐马尔科夫模型 ( HMM)方法是可以相比的。     

基于EEMD-Renyi熵和PCA-PNN的滚动轴承故障诊断

针对滚动轴承故障特征提取与状态监测问题,提出一种基于集合经验模式分解(EEMD)、Renyi熵、主元分析(PCA)和概率神经网络(PNN)的新方法.首先,将轴承振动信号通过EEMD分解成一组本征模态函数(IMF),计算每个IMF分量的Renyi熵值作为表征故障特征的向量,采用主元分析(PCA)对特征降维,提取主元输入概...     

基于Elman神经网络的汽油机过渡工况空燃比多步预测模型

为了减小车用汽油机空燃比传输延迟对空燃比控制精度的影响,提出一种基于Elman神经网络的空燃比多步预测模型.通过对空燃比数学模型的分析,确定神经网络空燃比多步预测模型的输入向量,同时,为了提高过渡工况空燃比预测精度,在神经网络输入向量中增加反映空燃比变化趋势的导数信息.对HL495发动机过渡工况实验数据进行学习,采用梯度算法对Elman神经网络的权值进行调整.研究结果表明：采用该方法能精确预测过渡工况空燃比,预测模型的最大误差小于1%,平均误差小于0.5%.该预测模型可用于实现车用汽油机过渡工况空燃比的精确控制,提高车用汽油机过渡工况排放性能.     

神经网络在广义预测控制中的应用

利用ＢＰ神经网络技术把多变量系统解耦为单变量系统,并推导出基于ＡＲＭＡＸ模型的隐式ＧＰＣ算法。用此算法控制解耦后的系统。     

基于BP神经网络的轨道基桩识别

运用BP神经网络对用CCD拍到的基桩图片进行识别,包括BP神经网络的输入、输出层的设计,隐层节点的选取等。实验结果表明,经大量基桩样本的训练后,BP神经网络能将拍到图片中的基桩有效地识别出来,且达到较高的正确率。