主成分分析法在我国税收预测中的应用

神经网络非常适用于复杂非线性系统的处理,已被广泛应用于经济预测中.针对经济预测中指标多、历史数据不足从而大大削弱神经网络的泛化能力问题,本文利用主成分分析法建立了税收的预测模型.结果显示:经主成分分析之后再进行预测,能从根本上降低神经网络规模,提高了神经网络的泛化能力.     

模式匹配技术

模式匹配作为模式的基本操作已成为数据集成、数据仓库、电子商务等许多应用领域的基本问题。本文主要介绍关于模式匹配的定义、分类及已实现的几种通用化的模式匹配系统,指出了这些系统的优点及不足,并讨论了该领域未来的发展方向。     

基于模糊遗传优化支持向量机的系统辨识研究

在实际应用中支持向量机的参数选取问题一直没有得到很好地解决,限制了其应用。为了能够自动获取最优的支持向量机参数,提出了基于模糊遗传算法的SVM参数选择方法,用模糊逻辑在线调整遗传算法的交叉概率pc和变异概率pm,并采用基于模糊遗传优化的支持向量机回归和BP神经网络对非线性系统辨识问题进行了研究。仿真结果表明,在小样本情况下,支持向量机比神经网络具有更高的系统辨识精度和更好的泛化能力。     

粗糙集结合BP神经网络的数据融合方法研究

在粗糙集和数据融合基本理论的基础上,研究了基于粗糙集理论和BP神经网络相结合的数据融合方法。先利用粗糙集对输入信息进行简化,剔除冗余信息,从而缩减了BP神经网络的规模,提高了融合系统的识别率,进而提高整个融合系统的效率。与传统的神经网络融合系统进行比较,通过实例说明了该方法的有效性。     

基于正弦映射的动态递归网络产生混沌序列实现方案

提出了应用正弦映射来产生混沌序列，正弦映射是结构简单的一维映射，通过对此映射的分析，得出其能在较大参数范围内产生混沌，并且产生的混沌序列具有较大的Lyapunov指数，具有比较丰富的动态特性，并将其引入到动态递归网络的隐含层作为非线性甬数，选择合适的网络权值，便可在输出层产生具有复杂动力学行为的混沌序列．通过对此序列进行Lyapunov指数和相关性的仿真分析，得出其具有良好的随机性，可应用于混沌保密通信等领域．     

论竞技项目中的隐性知识及其显现化

隐性知识作为知识的一种重要类型,它的价值在过去往往被人们所忽视。内隐学习和显性知识内隐化是运动员、教练员等个体隐性知识生成的依据;竞技项目中隐性知识具有其自身特点,其隐形知识的显现不仅使运动员、教练员或管理人员隐性知识的交流与分享成为可能,而且也对竞技体育的发展与创新具有重要作用。     

催化精馏合成碳酸二甲酯神经网络建模与操作条件的遗传算法优化

催化精馏合成碳酸二甲酯能够显著提高反应物碳酸丙烯酯的转化率。这里采用径向基神经网络建立某些操作条件与碳酸丙烯酯的转化率之间的模型，并采用遗传算法优化操作条件。优化结果得到试验验证。     

利用串/并联神经网络建立化学反应器模型

本文研究使用线性动态神经网络与非线性的静态网络相结合的混合建模方式解决复杂非线性系统的建模问题。使用混合神经网络建模，可以降低单个网络的训练难度，基于此，也可将非线性系统控制策略的求解分解，转换为线性系统的求解。从而改善使用单一神经网络建模存在的精度不高以及训练时间长等不足，也为非线性系统控制策略的求解提供方便。本文以一个典型多变量系统——连续搅拌釜式反应器（CSTR）作为仿真对象，详细研究和实现了两类神经网络串联和并联的混合建模方法，并对结果进行了比较。     

热轧带钢力学性能预测模型及其应用

为实现对热轧带钢的屈服强度、抗拉强度、断裂延伸率等力学性能的预测及控制,利用人工神经网络技术,分别建立了根据生产工艺参数预测力学性能的质量模型,以及根据力学性能要求对生产工艺参数进行优化的逆质量控制模型.利用质量预测模型,分析得出屈服强度随卷取温度的上升而下降的变化规律,进而可以对组织性能进行在线调整,实现在线应用.     

双圆弧齿轮精确建模与分析

依据任意转角位置的双圆弧齿轮齿面数学模型,利用Pro/E得到了完整轮齿面的精确齿轮模型.应用模型分析了齿轮的啮合和齿根应力.该模型为双圆弧齿轮的三维数字化设计、有限元分析、虚拟制造等奠定了基础.