用神经网络进行变量选择

针对变量选择问题的困难,提出了一种基于神经网络的变量选择方法,并以实例表明了该方法的有效性     

变压器微机保护新方法

应用模糊集理论和人工神经网络方法分别从不同侧重角度对变压器差动保护传统概念的两部分：如何区分内,外故障,如何鉴别励磁涌流,提出了新的方法和判据,最后利用模糊理论和人工神经网络之间的共同之处,将两者有机地结合起来同步运行,从而提高了微机变压器保护的可靠性,实验和检验结果表明,通过综合后的输出,能够对变压器所发生的各种故障状态作出正确响应,响应时间小于１５ｍｓ。     

基于有限元和神经网络法的桩基础沉降分析

以沉降控制复合桩基础的沉降为研究对象,介绍了有限元和神经网络法的数值分析方法,并运用这两种方法对桩的沉降量进行了预测,对比了它们的结果,分析其产生差异的原因,结果表明:两种方法的沉降预测数据与实测数据误差均小于10%,说明预测精度较高,可以在节省资源的情况下获得较理想的预测结果.     

基于多传感器信息融合的激光定位与跟踪

为了更精确实现远距离激光定位与跟踪,将十二个PIN硅光电二极管阵列探测器和一个带有光学系统的精密四象限探测器立体组合成独特的多传感器排列结构,并将空间测角基本理论与基于Bayesian决策原理的多传感器信息融合算法有机结合,实现自由空间中作用距离可达十千米的激光的粗精定位,利用激光的定位信息控制三维高精度转台的旋转实现精密跟踪。实践证明,在粗定位跟踪的基础上,精定位跟踪精度小于三个毫弧度。     

基于改进粒子群算法的过程神经网络训练

针对过程神经元网络由于模型参数较多,正交基展开后的BP算法不易收敛的问题,结合量子理论,提出一种改进的粒子群算法,并用于过程神经元网络的训练。算法中粒子采用双链结构,用量子位的概率幅对粒子位置编码,通过量子旋转门和量子非门完成粒子的更新与变异,可发挥量子粒子群的群体搜索能力和全局收敛性,有效克服BP算法计算复杂、容易陷入局部最小值等缺陷。以两组二维三角函数的模式分类问题为例,验证算法有效性。结果表明该方法不仅收敛速度快,而且寻优能力强。     

神经网络预测蛋白质二级结构的编码技术

考虑不同残基的物理化学性质,将其融入蛋白质二级结构的神经网络预测中,提出了一种新的归一化二进制编码技术,将各种残基不同的疏水值与体积大小归一化结果作为神经网络的二进制输入序列．与其他蛋白质二级结构预测的方法进行了比较,结果表明,该方法能充分利用蛋白质的一级结构信息,获得了很好的预测效果。     

离散Hopfield型神经网络的异步收敛性研究

主要研究非对称离散Hopfield神经网络的异步演化方式的收敛性，并给出了一些新的收敛性条件。若网络的连接权矩阵可以分解成主对角元素非负的对称矩阵和行（列）对角占优的矩阵之和，则网络是异步收敛的，所获结果推广了已有的结论。     

基于模糊神经网络的滑模控制算法

提出了一种基于模糊神经网络的积分滑模控制算法。该算法利用模糊神经网络系统来代替传统的等效控制项,消除了其对数学模型的依赖;切换控制项则采用积分型变切换增益,有效地削弱系统抖振。该算法以永磁同步电机伺服系统为对象进行仿真研究。仿真结果表明,该方法控制精度高,鲁棒性强,有效提高了系统的控制性能。     

基于RFNN的感应电动机无速度传感器矢量控制系统的研究

在无速度传感器的感应电动机控制系统中,根据经典的以及现代控制理论提出的控制策略都有一个共同问题,即控制算法的有效性很大程度上取决于模型的参数准确性．模糊神经网络则具有对不确定信息进行模糊推理的能力,这里介绍了递归模糊人工神经网络的结构和基于它实现的一个感应电动机无速度传感器矢量控制系统,并用MATLAB进行了仿真．     

人工神经网络在电力系统短期负荷预测中的应用

根据电力系统短期负荷变化的特性,提出BP模型在实际负荷预测应用中的方法和步骤．对BP网络结构、样本空间、收敛性等作了有针对性的研究．结果表明：多层神经网络应用于电力系统短期负荷预测是可行和有效的．其预报结果比传统的负荷预测方法更准确、经济、效果更好．