利用子波基函数神经网络进行预测

提出了一种利用子波基函数神经网络对自动控制系统进行预测的新方法。子波基函数神经网络利用局部获得信息完成函数映射,从实验数据中提取时频特征,基于以前观察获得的数据来预测未来的输出结果。在这篇论文中,我们提出了一种实现子波基函数神经网络的结构和算法,并给出了一个时间序列预测的例子评价子波基函数神经网络预测的性能。     

一种具有紧支撑的径向基函数

在局部逼近神经网络的理论研究和实际应用中，基函数的选取是非常重要的.基函数有很多种形式可以选用，但是有一些基函数性质不够完美，使用时受限制.为此，介绍一种基函数，给出了单变量基函数及其一、二阶导数表达式和多变量基函数表达式及其图形，该基函数性质好，是径向对称的，正定性，具有紧支撑，而且是任意阶可导的，因此这种基函数具有重要的应用价值.     

利用径向基函数改进算法实现函数逼近

分析了径向基函数神经网络(RBFNN)的原理,总结出径向基函数网络的一种实用插值算法.按照此方法对实际的例子进行了计算,结果表明,本算法快捷、可靠.     

H~2[a,b]空间中再生核函数的构造

首先借助Green函数和线性变换基本定理构造出H2[a,b]空间的子空间的再生核函数,然后利用再生核函数的和运算给出H2[a,b]空间中的再生核函数.并得到该空间中的再生核函数特有的性质.     

前馈神经网络模式分类器的推广能力

研究了前馈神经网络模式分类器的推广能力．从几何和概率两个方面分析了前馈网络用于模式识别的分类机理，在前人证明的基于误差最小的有导师（１和０）前馈网络输出端输出为模式样本后验概率估计结论的基础上，给出了径向基函数网络推广的核函数定理；对于两层感知器网络，提出使用加性噪声的样本来增加网络的推广能力．最后使用实测的五种飞机目标一维距离（纵向）象实验数据进行了模拟实验．     

第一类华结构Bergman核函数的无穷级数和形式

第一类华结构Bergman核函数的高维超几何函数形式和有限和形式都是在其无穷级数和形式的基础上,对指标p1,p2,…,pn分别进行某些限制,从而计算得到的.本文给出了一般情况下第一类华结构Bergman核函数的无穷级数和形式.     

基于熵方误差的NL2SOL前馈神经网络

为提高前馈神经网络学习算法的收敛速度,尝试定义熵方误差函数,在理论上证明了熵方误差函数的有效性,并将其应用于NL2SOL前馈神经网络.对比实验表明,引入熵方误差函数的前馈神经网络具有良好的收敛性与稳定性.     

方向基函数神经网络及其逼近能力

描述了方向基函数神经网络的基本概念,并通过利用分析仿射基函数和径向基函数神经网络逼近能力的方法证明了方向基函数神经网络不仅能够逼近有限点集上的任意方向不变函数,能够在单位球面上一致逼近任意方向连续函数,而且还能够依L~p范数平均逼近任意的p次方向可积函数。     

RBF网络做函数逼近的改进研究

阐述了利用神经网络做函数逼近研究的必要性和合理性.通过实验发现：直接利用RBF网络（direct radial basis function networks,DRBFN）做函数及其导函数逼近时的缺点,在对此结论合理分析的基础上,给出间接利用RBF网络（indirect radial basis function networks,IRBFN）做函数及其导函数的逼近方法.仿真实验表明：改进后的网络性能有了较大提高,同时,根据实验结果提出了一个猜想.     

再生核Hilbert空间中的一种插值方法

在给定的再生核Hilbert空间中,利用再生核的性质,通过再生核函数的线性组合得到插值基函数,从而构造了插值函数,并给出误差估计和数值算例.该方法是这个再生核Hilbert空间中一种新的插值方法,计算量小,收敛速度较快,便于实际应用.     

再生核Hilbert空间中的采样定理

首先从线性变换的角度出发,结合再生核Hilbert空间中再生核函数的特殊性质,利用再生核函数建立了再生核Hilbert空间中函数的采样定理,并给出了误差估计,为再生核Hilbert空间中的数值逼近问题提供了理论基础.     

Fuzzy logic systems are equivalent to feedforward neural networks

Fuzzy logic systems and feedforward neural networks are equivalent in essence. First, interpolation representations of fuzzy logic systems are introduced and several important conclusions are given. Then three important kinds of neural networks are defined, i.e. linear neural networks, rectangle wave neural networks and nonlinear neural networks. Then it is proved that nonlinear neural networks can be represented by rectangle wave neural networks. Based on the results mentioned above, the equivalence between fuzzy logic systems and feedforward neural networks is proved, which will be very useful for theoretical research or applications on fuzzy logic systems or neural networks by means of combining fuzzy logic systems with neural networks.     

Approximation capability of regular fuzzy neural networks to continuous fuzzy functions

The approximation capability of regular fuzzy neural networks to fuzzy functions is studied. When σ is a nonconstant, bounded and continuous function on R, some equivalent conditions are obtained, with which continuous fuzzy functions can be approximated to any degree of accuracy by the four-layer feedforward regular fuzzy neural networks.Finally a few examples of such fuzzy functions are given.     

硫酸盐法制浆蒸煮终点预测模型

为了实现制浆蒸煮终点的精确预测，建立了基于广义回归神经网络（GRNN）的预测模型．GRNN具有很强的非线性映射能力，能够根据样本数据逼近自变量与因变量之间隐含的关系，平滑参数的确定是GRNN训练的实质和难点．均衡地兼顾GRNN模型的预测性能与训练可行性，提出了一种平滑参数优化方法．通过分析训练样本分布、恰当地设计适应度函数，运用优进遗传算法（EGA）实现参数寻优．通过实验表明，所建立的制浆蒸煮终点预测模型，预测精度高、稳定性能好．     

基于过程神经网络的非线性动态系统辨识

研究了过程神经网络在非线性动态系统辨识方面的应用.针对传统神经网络在解决系统过程式输入和时间顺序依赖性问题时出现的使模型和算法复杂化的弊端,提出了一种时变输入输出的过程神经元网络模型作为系统的辨识模型,采用基于函数基展开的梯度下降算法,以油田井组注采系统为例验证了模型和算法的有效性,进而说明了过程神经元网络对于解决系统过程式输入的非线性动态系统辨识问题的适用性.     

具有逐段常变量神经网络系统的伪概周期解

结合生物模型,针对一类具有逐段常变量神经网络系统的伪概周期解的存在性问题,利用伪概周期函数的等价定义、相关性质以及相应的差分方程进行了研究.依据逐段常变量微分方程的解在一点的连续性,构造了一个差分方程,利用差分方程的伪概周期序列解以及方程中有关函数给出了这类微分方程的伪概周期解存在的充分条件.此类神经网络系统结合了微分...     

一种基于混合遗传算法学习的过程神经网络

提出了过程神经网络的一种学习算法.利用基函数的正交性,将输入函数和网络权函数表示为同一组正交基的展开形式后,使用遗传算法与BP算法结合的混合遗传算法训练过程神经网络,为简化计算,对权值基函数的选取和离散数据的函数拟合方法进行了调整,减少了误差.并以木材生长密度预测为例,验证了算法的有效性.