基于贝叶斯方法的知识发现

贝叶斯方法是概率统计学中一种很重要的方法。贝叶斯网络就是根据各个变量之间概率关系用图论方法建立的模型,本将概率统计的贝叶斯规则应用于知识发现,建立图论模型进行数据挖掘,章最后应用贝叶斯网络对于实际的数据库进行知识发现,其结果说明了这种方法的有效性。     

Hopfield型连续反馈神经网络的全局指数稳定性

研究了Ｈｏｐｆｉｅｌｄ型连续反馈神经网络的全局指数稳定性,给出了平衡点的全局指数稳定性的充分条件,这些条件有利神经计算,同时对于Ｈｏｐｆｉｅｌｄ型连续反馈神经网络的设计和应用都很有意义。     

基于决策树的神经网络规则抽取方法

将从神经网络中抽取一个可理解的模型视为一个归纳学习任务 ,其中 ,目标概念就是神经网络表达的功能 ,所生成的可理解模型是一个能很好近似神经网络的决策树 .在这个过程中 ,应用了决策树归纳学习的优化原则 ,使得生成的决策树能最简洁、准确地描述神经网络学到的知识 .实验证明 ,生成的决策树可以很好地近似神经网络 ,且比用传统方法生成的决策树具有更好的分类精度 ,同时NNtoDT算法也保持了具有较好的通用性和可扩充性的特性 .     

配电网接地故障定位的传递函数法

为解决配电网的单相接地故障定位问题 ,提出一种新的单端测距算法。该方法基于频谱分析的原理和线路的分布参数模型 ,建立配电网络的传递函数 ,从单端施加激励信号 ,由传递函数的频谱特性构造判据进行故障定位。理论推导和计算机仿真计算表明 ,根据各分支端口传递函数频谱的频率、相位和波形特征可以有效实现配电网的接地故障定位并测距。由于该方法不受负载参数变化的影响 ,测量方便 ,克服了以往单端测距算法的缺陷 ,因此有很好的应用前景     

基于小波网络的非线性多变量约束预测控制

为了解决非线性多变量系统的建模、控制和优化问题 ,论文扩展基于小波神经网络的单变量系统辨识到多变量系统辨识 ,并用它实现非线性预测控制。对开环稳定过程 ,引入一个具有输入约束的基于小波神经网络模型的区域预测控制方案 ,它的闭环稳定性能够通过适当选择它的预测水平来保证。基于上述动态控制方案 ,提出了一个稳态状态优化方案。通过对一个聚酯生产过程的仿真研究 ,证实了上述方法的有效性。由于能够通过线性最小二乘 (L S)估计方法来辨识 ,该模型易于实现并可用作通用模型。仿真研究的结果表明了该模型的通用性、辨识和控制方法的简单性 ,所提出方案能够被用于过程工业的非线性系统的建模和控制     

基于代数神经网络的多元多项式不可约判定及学习算法

把感知器作为数学模型,充分利用神经元的运算特性,以二元多项式近似求根神经网络模型为基础,设计一类多元多项式不可约判定的神经网络模型,它是单输入多输出三层前向神经网络,给出神经网络学习算法,这种学习算法在ｐ－ａｄｉｃ意义下,通过调整隐层与输出层的权值Ｃｉ,ｊ完成学习,可确定出多元多项式不可约,通过算例表明,该算法有效,相比传统的判定算法,可操作性强。     

多维离散傅立叶变换神经网络函数逼近

利用多维离散傅立叶变换原理构造新颖的神经网络模型用于函数逼近,网络结构为分层前向网络。给出了网络的学习算法,网络的大部分权值都是固定的,只有输出层与最后隐层之间的权值需要调节。     

三维异联想Hopfield模型

三维物体的识别是有重要应用意义的课题,神经网络模型是解决该复杂问题的一个途径。作者将神经网络模型表达为矩阵形式,提出异联想矩阵形式的Ｈｏｆｉｅｌｄ模型,从而提出了能较好地解决这一问题的新方案。与传统Ｈｏｐｆｉｅｌｄ模型相比较,该模型对三维物体的识别有较好的识别率,对神经网络的发展和实际应用有重要参考价值。     

人工神经网络智能控制系统稳定性分析

从经典控制理论的稳定性问题出发 ,分析了现代控制理论和智能控制理论的稳定性判别方法 ,重点讨论了人工神经网络 ( ANN)智能控制系统的稳定性判别方法 ,并对基于神经元的自适应 PID控制器稳定性进行了分析。     

智能网业务控制点日志维护系统的实现

从智能网业务控制点(SCP)作用入手,通过对现行系统的分析,研究并提出智能网 SCP点维护系统的方案,讨论了该软件日志文件管理系统的设计、日志文件基本操作和高级操作的分类及其设计方案的实现。