神经网络在电磁场数值问题中的应用

针对目前电磁场数值处理中计算繁杂慢速和耗费资源过多的问题,本文提出了一种基于神经网络小波理论进行计算的新方法。文中着重介绍了利用小波变换神经网络的基本理论,结合电磁场数值计算的基本方法,推导变换进而得到一个通用公式和处理方法。在该方法中,神经网络学习内容少和数据处理简单,因此该方法具有计算速度快,占用资源少的优点,并有用硬件实现的前景。     

一种新的基于Kohonen网络的图像矢量量化

矢量量化是一种重要的数据压缩方法.本文利用Kohonen自组织映射神经网络进行矢量量化,首次较为详细地讨论了具体实现的步骤与细节,并在此基础上为改善边缘质量,提出一种基于Laplas算子检测边缘弓引导神经网络训练的方法,并通过实验证明其效果是明显的.     

改进QDPSO算法在BP网络训练中的应用

QDPSO（Quantum Delta-Potential-Well-based Particle Swarm Optimization）算法是基于量子空间的粒子群算法，对QDPSO算法进行了改进，结合Iris分类问题，应用到BP网络的权值优化中，并和基于标准PSO算法的方法进行了比较。实验结果表明：该算法性能优于所比较的两种算法，并且具有良好的收敛性和稳定性。     

用于图像目标识别的神经网络方法

本文提出了一种全局最优的神经网络（ＦｕｌｌＤｏｍａｉｎＯｐｔｉｍｕｍＮｅｕｒａｌＮｅｔｗｏｒｋ）模型用于目标识别。通常所设计的神经网络不能保证全局最优，使得网络不一定收敛到期望样本点上。本文的模型采用了先设计稳定点、再构造吸引域的方法，提高了网络的识别正确率及速度。针对图像识别中矢量维数大的实际，提出了一种不变性方法，使得样本维数下降而分类距离保持不变。同时又证明了网络的收敛性、收敛速度及映射保距等。计算机模拟结果表明，网络对噪声或缺损图均能正确识别。     

Performance of Feedback BP Networks

ＰｅｒｆｏｒｍａｎｃｅｏｆＦｅｅｄｂａｃｋＢＰＮｅｔｗｏｒｋｓ￥ＬｕｏＳｉｗｅｉ；ＹａｎｇＷｕｊｉｅ＆ＺｈａｎｇＡｉｊｕｎ（Ｄｅｐｔ．ｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅ＆Ｔｅｃｈｎｏｌｏｇｙ．ＮｏｒｔｈｅｒｎＪｉａｏｔｏｎｇＵｎｉｖｅｒｓｉｔｙ，Ｂｅ...     

基于Levenberg-Marquardt算法的用户鉴别

为了维护计算机系统的安全,一般通过设置用户口令以便进行身份鉴别,防止他人冒名顶替.口令鉴别的主要弱点在于,一旦被窃,冒名顶替者就可以轻而易举地进入用户的私人账户进行非法活动.击键动力学的研究是给口令加上一个简便而有效的保护措施.击键动力学方法通过获取并分析用户敲击键盘的特征数据,自动地识别出用户的真实身份.这一辅助身份鉴别的关键问题主要是寻找准确率高、执行速度快的识别算法.本论文采用Levenberg-Marquardt(LM)算法对上述存在的问题进行了研究.     

基于MATLAB的神经网络在股市预测中的应用

以道氏三大假说作为理论基础，设计一个三层BP网络，并建立相应的数学模型，以MATLAB为工具，个股上海石化(600688)140天实际收盘价作为样本，对网络进行训练后，预剩10天的收盘价，并计算出与实际收盘价的高差Q＝0．0146，Q已经小到几乎可以忽视的程度。     

一种基于径向基函数网络的盲波束形成方法研究

针对阵列信号处理的特点 ,提出了一种基于径向基函数网络 (RBFNN)的盲波束形成方法。该方法把高阶累积量可消除高斯噪声干扰这一特性和神经网络可并行计算的结构优势有机地结合起来 ,利用高阶累积量估计阵列的导向矢量 ,引入径向基函数网络逼近波束形成的权矢量 ,实现盲波束形成。理论分析和仿真实验表明 ,提出的算法能有效地提高运行速度 ,对系统误差也具有很强的鲁棒性。     

通信信号自动分类方法研究

提出增加信号的频谱作为信号的特征信息之一 ,并采用离散傅里叶变换 (DFT)和小波 (wavelet)方法提取信号的频谱、瞬时幅度、瞬时频率及瞬时相位 ,构成信号的特征向量。为解决运算速度问题 ,对特征向量提出了分类编码方案。最后利用神经网络的方法进行识别。实验结果表明 ,采用这种方法可以显著地改进分类的效果     

非线性电路故障诊断模型的建立及神经网络求解的方法研究

分析并推导了含有非线性流控型电阻元件和非线性压控型电阻元件组成的非线性电阻网络的故障诊断方程，这是以支路故障标志量为未知的一组线性代数方程。在推导非线性元件的“故障标志量”时，消除由工作点变化引起的电参量的变化，保留由伏-安特性变化引起的电参量变化，它标志非线性元件本身发生了故障；文章还提出一种神经网络，可在线快速求解非线性电阻网络的故障方程的解，从而可在线对故障进行定位。