考虑自然灾害等多因素的BWM-GIS城市医院选址

为实现城市医疗资源合理配置,对城市现有医院位置进行科学性评估和对新建医院优化性选址.首先,应用ArcGIS软件构建泰森多边形,对现有医院的分布进行合理性评判,并考虑安全性、可达性和经济性等影响因素构建医院选址评价体系.其次,应用最优-最劣法(BWM)计算指标权重,并将其输入Spatial Analyst叠置分析中,根据加权线性组合(WLC)得到适宜新建医院的选址备选点.最后,采用BP神经网络算法对备选点进行比较,得出最优新建医院选址位置.研究结果表明:考虑自然灾害等多因素的医院选址模型优于仅以可达性为目标的选址模型,同时,也验证了该模型和算法在城市医院选址定量分析中的适用性和准确性.     

基于神经网络的光伏电站气象-功率模型

基于双层前馈神经网络建立光伏电站输出功率与辐照等气象因素间的非机理模型。建立光伏电站输出功率与气象因素的神经网络模型;对功率模型的输入特征进行选择,分析不同气象因素的组合作为输入变量对模型准确度的影响,明确功率模型的输入变量;分析该模型网络的训练算法、隐含层神经元个数及训练次数对模型准确度的影响,据此确定功率模型的最优结构与参数;基于光伏电站的实际数据对功率模型进行验证。结果表明,基于双层前馈神经网络的光伏电站气象-功率模型具有较高的准确度。     

Clothes Keypoints Detection with Cascaded Pyramid Network

With the development of the society, people's requirements for clothing matching are constantly increasing when developing clothing recommendation system. This requires that the algorithm for understanding the clothing images should be sufficiently efficient and robust. Therefore, we detect the keypoints in clothing accurately to capture the details of clothing images. Since the joint points of the garment are similar to those of the human body, this paper utilizes a kind of deep neural network called cascaded pyramid network(CPN) about estimating the posture of human body to solve the problem of keypoints detection in clothing. In this paper, we first introduce the structure and characteristic of this neural network when detecting keypoints. Then we evaluate the results of the experiments and verify effectiveness of detecting keypoints of clothing with CPN, with normalized error about 5%-7%. Finally, we analyze the influence of different backbones when detecting keypoints in this network.     

混凝土疲劳损伤累积神经网络模型

针对混凝土疲劳累积损伤的发展受荷载、材料性质等多种因素影响、很难用显式的数学函数表达的难题，基于神经网络方法提出了一个考虑变幅疲劳的级数和加载顺序影响的混凝土疲劳损伤累积模型，采用神经网络技术描述了其与材料性能、荷载应力间复杂的非线性映射关系，准确反映了混凝土疲劳损伤演变的真实过程，并运用离散系统仿真原理构造了退凝土变幅疲劳寿命预测的智能化仿真系统．该系统可用于结构抗疲劳设计和疲劳可靠性分析、有损结构损伤评估及维修决策．     

基于RBF神经网络的PID控制在锅炉温度系统中的应用研究

目的提高电厂锅炉温度系统控制的可靠性和安全性,达到精确控制。方法提出一种基于RBF(Radial Basis Function)神经网络的PID控制器,建立3层神经网络模型。结果在RBF-PID控制过程中,由神经网络RBF在线辨识得到梯度信息,然后根据梯度信息对PID的3个参数进行在线调整,从而改善系统的控制品质。结论仿真结果表明,基于RBF神经网络的PID控制较传统PID控制有较强的鲁棒性,提高了实时性能,获得了更好的控制效果。     

Prediction of the Performance of the Fabrics in Garment Manufacturing by Artificial Neural Network

An artificial neural network is used to predict the performance of fabrics in clothing manufacturing. The predictions are based on fabric mechanical properties measured on the FAST system. The influences of the different ANN‘s construct on the convergence speed and the prediction accuracy are investigated. The result indicates that the BP neural network is an efficiency technique and has a wide prospect in the application to garment processing.     

基于PCA与神经网络的雷达故障组合诊断方法

针对目前单一诊断方法的缺陷,提出了一种基于主元分析方法(PCA)和神经网络的组合故障诊断方法.利用多PCA来监测雷达状态,在雷达状态异常时再通过分析变量贡献率来确定故障部位,最终采用神经网络进行故障诊断.仿真实验了该方法的有效性.     

基于在线神经网络的自适应控制器的设计与应用

针对线性控制系统自适应性较弱的缺点，在其基础上设计了一种基于在线神经网络的自适应控制器．该控制器根据被控对象和参考模型之间的误差调整网络权值，在线抵消被控对象的未建模动态特性和不确定因素．文中以某小卫星姿态控制系统为例，对所提出的自适应控制器进行设计和仿真．结果表明，神经网络以很高的精度跟踪和在线补偿不确定项，改善了线性控制系统的动态性能．     

M-P人工神经网络用于核电站故障诊断系统

按照实际情况,将人工神经网络M-P模型应用于核电站机组故障诊断系统的部分诊断网络。根据核电站故障诊断信号和故障事件特点,提出在特定诊断网络中使用M-P模型的可能性和具体构建诊断网络的方法,对其优缺点进行了比较。使用M-P模型对核电站重要厂用水系统建立了简单诊断网络,进行了验证。该模型简单直接,可以避免若干使用其他人工神经网络模型时遇到的问题。该模型与其他模型结合使用于核电站故障诊断系统,尤其在处理逻辑判断性较强的诊断任务时,可以达到更好的效果。     

基于BP神经网络的税收预测模型

在分析影响税收主要因素的基础上，将反向传播（BP）神经网络理论应用于税收的预测．首先对初始数据进行预处理，使其适应BP神经网络学习的要求，然后建立基于BP神经网络的税收预测模型．采用实际数据对模型进行验证，并将其与传统的统计模型相比较，证明了基于BP神经网络的税收预测模型有较高的精度和较强的实用性．     

Rotation, Scaling and Translation Invariant Blind Image Watermarking Scheme Utilizing Zernike Moments

A novel adaptive blind image watermarking scheme resistant to Rotation, scaling and translation （RST） attacks is proposed in this paper. Based on fuzzy clustering theory and Human visual system （HVS） model, the spread spectrum watermark is adaptively embedded in Discrete wavelet transform （DWT） domain. In order to register RST transform parameters, a hierarchical neural network is utilized to learn image geometric pattern represented by low order Zernike moments. Watermark extraction is carried out after watermarked image has been synchronized without original image. It only needs a trained neural network. Experiments show that it can embed more robust watermark under certain visual distance, effectively resist Joint photographic experts group （JPEG） compression, noise and RST attacks.     

基于深度CNN的改进弱监督学习方法设计与验证

针对包含目标、尺度和平移变化较强的空间信息难以获取大量训练样本的问题,提出一种基于深度卷积神经网络(deep convolutional neural network,DCCN)的弱监督学习方法,从3个层面对当前卷积神经网络进行扩展。为了提取分辨率更高的局部特征,同时考虑到全卷积网络(full convolution network,FCN)在全监督式学习下的高效性能,使用FCN作为后端模块;为了获取更多的通用特征,增加一个多映射弱监督学习的传输层,对与补充性类模态相关的多个局部特征进行显式学习;为了优化训练过程,改进了池化层,使用全局图像标签进行训练,将空间得分聚合为全局预测。使用图像分类、弱监督逐点目标定位和图像分割3种常用的机器视觉任务进行评估。多个公开数据库的实验结果表明,所提方法能够有效地学习强局部特征,具有良好的分类和定位效果。     

结构损伤的神经网络定位研究

利用神经网络技术对结构损伤定位进行了研究．用有限元模态分析技术对悬臂梁有、无损伤的情况分别进行了模拟,得到一系列频率变化数据,将这些数据与损伤位置关系作为δ规则下的ＥＢＰ网络学习样本,网络训练好后,取不同损伤位置的频率变化数据输入网络计算,推断损伤位置．发现推断损伤位置与实际损伤位置非常接近,从而证明了损伤前后的频率变化与损伤位置存在比较确定的映射关系,也说明了ＥＢＰ网络具有很强的自组织、自适应和自学习功能,说明了神经网络技术与解析模态分析技术相结合,用于结构损伤定位研究具有良好的前景     

Prioritizing Maintenance Spare Parts Based on Supportability Analysis and Neural Network

In order to facilitate spare parts management,an integrated approach of BP neural network and supportability analysis(SA)was proposed to evaluate the criticality of spare parts as well as to prioritize spare parts.Influential factors of prioritizing spare parts were detailedly analyzed.Framework of the integrated method was established.The modelling process based on BP neural network was presented.As the input of the neural network,the values of influential factors were determined by supportability analysis data.Based on the presented method,spare parts could be automatically prioritized after supportability analysis for a new system.A case study results showed that the new method was applicable and effective.     

带神经网络补偿的Smith预估极点配置自校正控制

用一个常规线性模型对被控对象进行辨识,线性模型辨识的余差用一个神经网络进行补偿,线性模型和神经网络共同构成对象的辨识模型·基于这一模型对大滞后对象提出了带神经网络补偿的Ｓｍｉｔｈ预估极点配置自校正控制和带神经网络补偿的Ｓｍｉｔｈ预估极点配置自校正ＰＩＤ控制·这些方法适用于非线性对象,具有较强的鲁棒性和较好的控制精度·     

基于BP神经网络的车牌识别系统

车牌识别系统是智能交通领域的重要组成部分,在现代交通管理中的作用举足轻重。基于VC++6.0进行实验,针对中国的车牌进行研究,用BP神经网络来实现车牌识别。车牌识别分为图像预处理、车牌定位、字符分割和字符识别四个步骤。利用车牌的先验知识进行定位,引进双阈值进行字符分割,利用13段特征提取法提取特征向量,实验表明该识别算法行之有效。     

基于ZigBee智能网络的建筑火灾预警系统

针对传统建筑火灾预警系统的不足之处,提出基于人工嗅觉和ZigBee技术的火灾早期预警系统,详细叙述了系统网络的搭建、智能传感器节点的设计、火灾早期识别和火源定位方式.火灾模拟实验表明,系统能有效感知并识别火灾种类,实现火源的定位.     

神经网络解耦控制系统的分析

本文基于神经网络的理论研究提出了一种新的神经网络解耦控制方法，该方法以被控对象的一组实测数据作为样本，训练出用神经网络描述的逆动力学模型，并将它作为解耦控制器投入到控制系统中．对某二元精馏塔控制的仿真结果表明该方法是切实可行的．     

基于LVQ神经网络的植物种类识别

提出一种基于学习矢量量化（LVQ）神经网络的计算机植物种类识别新方法. 使用2-D不变矩、 多尺度2-D Gabor滤波器等多种方法分别提取了叶片的几何特征和纹理特征, 应用LVQ神经网络识别植物种类. 实验结果表明, 该方法对植物种类的识别效率较高.     

基于演化深度神经网络的无人机协同无源定位动态航迹规划

 针对多无人机在无源定位过程中协同动态规划航迹提高定位精度问题,提出基于演化深度神经网络的分布式动态航迹优化方法。首先将演化计算与深层前向反馈神经网络结合,设计基于演化神经网络的无人机协同无源定位动态航迹规划框架。以多无人机到达角（AOA）协同定位为例,利用定位过程中对目标估计的克拉美罗界（CRLB）生成最优训练集。通过无人机下一时刻与目标形成的相对构型作为系统学习的行为,从而得到下一时刻优化后的航迹点。实验结果表明,该方法相对于传统中心控制的无人机协同定位方法,具有更低的处理延时,能够以更短时间达到定位精度。