基于Spiking的RBF神经网络故障诊断算法

神经网络是一种不依赖模型的控制方法,其自身并不需要给定预先需要的有关先验知识和判断函数,因此能对变化的环境（包括扰动和噪声信号等等）具有良好的自适应性.RBF神经网络是具有单隐层的三层前馈网络,由输入到输出的映射是非线性的,而隐含层空间到输出空间的映射是线性的.其优点在于收敛速度快,具有唯一最佳逼近的特性,且不会陷入局部最小的问题.Spiking神经网络采用时间编码的方式来进行数据处理,更接近于实际生物神经系统.基于Spiking的RBF神经网络在预测精度和误差控制上有着显著的效果.     

利用BP神经网络描述作物-水模型

研究了利用BP神经网络描述作物－水模型的方法，将各生育阶段的耗水量作为输入，将作物单产作出输出，构建了具有1个隐含单元层的BP神经网络结构，利用北京永乐店试验站1998－1999年度的冬小麦灌溉试验资料进行了样本进行训练和检验，得到了作物－水模型的人工神经网络模型。结果表明，作物－水模型的人工神经网络模型具有较高的拟合精度和预测精度。     

免疫神经网络在故障诊断中的应用研究

近年来,神经网络在故障诊断领域中应用广泛,但任何单一的故障诊断方法都有其优点和缺点,因此将免疫系统应用于神经网络隐层数据中心的选择,训练得出聚类中心,然后选择一种合适的确定隐含层到输出层的权值,计算得出神经网络的输出,并根据输出结果诊断出故障的类型．经实践证明,具有很好的诊断效果．     

索力振动法测量神经网络赋泛研究

索的受力状态关系着索体系桥梁的安全,而索力值是衡量索的力学状态的重要指标。目前,索的边界条件难以判别是影响索力识别结果准确性的重要因素。为此,利用ANSYS对拉索振动进行数值模拟,并借助已有索力计算公式对建模方式的可靠性进行验证并生成模拟数据,然后以索长、线密度、抗弯刚度、一阶频率、二阶频率、三阶频率为输入参数,以索力值为输出参数结合振动模拟数据分别建立BP神经网络和广义回归神经网络索力预测模型,并将两种神经网络索力预测模型和已有索力计算公式应用于实际工程中进行对比验证。结果表明：BP神经网络索力预测模型的神经网络结构为6-13-13-1,输入层与隐含层1、隐含层1与隐含层2、隐含层2与输出层之间的激励函数分别为tansig、tansig、purelin,训练算法为L-M优化算法trainlm,学习速率为0.1,网络迭代次数为1000,显示间隔为100,均方误差为0.001,索力预测模型的预测效果良好,但还有进一步优化的空间;广义回归神经网络索力预测模型的最佳spread值为0.00215,索力预测模型的预测效果优于BP神经网络和已有索力计算公式,且预测误差基本控制在5%以内。利用广义回归神经网络对桥梁索力进行预测,避免了索的边界条件判别错误对索力识别结果准确性的影响,提高了索力的识别精度,具有良好的工程应用价值。     

一种Chirplet神经网络自动目标识别算法

针对飞机目标的自动识别问题,提出一种联合特征提取与分类的Chirplet神经网络方法,实现一维高分辨率距离像的识别。Chirplet神经网络将Chirplet原子变换用于多层前馈神经网络结构的输入层,替换传统的激励函数对距离像序列进行特征提取;网络的分类部分由隐层和输出层组成。在训练过程中调整神经网络权值的同时,完成对Chirplet原子时频参数的自动调整,协调优化特征参数和分类器参数,使Chirplet神经网络同时实现特征提取和目标分类。对4类飞机目标的仿真测试结果表明,相比时频变换和Gabor原子网络等方法,具有四特征参数的Chirplet神经网络方法具有较高的识别率和抗噪性能。     

小波神经网络用于非线性函数逼近的研究

神经网络具有良好的学习特性,而小波变换具有良好的时频局部化特性,将二者结合在一起构成小波神经网络,网络隐层采用morlet小波函数,输出层采用线性函数,可使该网络兼具神经网络和小波变换的优点.作者分别用小波网络和BP网络逼近一非线性函数,其结果表明,在相同的误差条件下,小波网络的收敛速度要远远快于一般的BP网络.     

BP神经网络预测方法的改进及其在隧道长期沉降预测中的应用

对已有的BP神经网络预测方法做了进一步的改进,通过对比选取了最优的网络训练模式和传递函数;利用反复训练和统计学原理推导了适用于确定单个隐含层神经元个数的解析式,并提出了与其相适应的归一化方法、最优归一区间和最优隐层神经元个数的取值范围;指出当输入神经元大于3个时,采用具有双隐含层结构的BP神经网络进行预测的效果远好于单个隐含层结构.对隧道结构整体沉降进行了预测,效果满意,为合理选择后续施工工艺提供了依据.     

Hermite前向神经网络隐节点数目自动确定

从函数逼近论出发,构造了一类以Hermite正交基为激励函数的前向神经网络.在保证网络逼近能力的前提下,令其输入层至隐层的权值和各神经元阈值分别为1和0,导出了基于伪逆的隐层至输出层最优权值的直接计算公式.并针对Hermite前向神经网络,提出一种依照学习精度要求而逐次递增型的隐节点数自动、快速、准确的确定算法.对多个目标函数的计算机仿真和预测结果表明,该神经网络权值直接确定方法和隐节点数自动确定算法能很快地找到最优的隐节点数及其对应的最优权值,且网络具有较好的预测能力.     

BP神经网络在柳江径流预测中的应用

径流水位预测是进行洪水监测的重要手段,对于包含详尽信息的广西柳江日径流水位时间序列,采用基于BP神经网络模型进行预报可取得较好效果.如LMBPDH模型采用双隐含层BP网络能加强预测模型输入输出的非线性映射能力,采用Levenberg Marquardt （LM）算法对网络进行训练则能缩短BP网络的收敛时间,改善网络的收敛性能,同时采用实验法确定模型的其他参数使模型获取最佳预报性能.在对柳江近10年日平均水位的预测中,将LMBPDH模型与单隐含层BP神经网络、LM算法以及带适应学习率和动量因子的梯度递减法算法等组合构成的BP神经网络模型,以及遗传算法进化的神经网络模型比较,LMBPDH模型预报稳定性、预报准确率最佳.     

基于BP神经网络的轨道交通对房地产价格影响分析

基于轨道交通对房地产影响的复杂性和不确定性,运用基于投标租金模型的BP神经网络模型,以北京八通线起点站为中心,选取13组楼盘为样本,以住宅价格为输出层,以汇集时间、行车时间为输入层,采用仅有一个隐含层的3层神经网络进行分析,得出交通成本与住宅价格的神经网络模型．结合样本数据验证了模型的准确性,为人们准确进行房地产收益开发预测提供了一种有效的方法．     

BP神经网络在麻花钻圆度误差检测中的应用研究

在麻花钻圆度误差的检测中,将BP神经网络算法引入到相应的数据处理中,以拟合出其棱边投影的椭圆表达式系数。在神经网络训练时,以钻头棱边采样点的坐标及其适当的组合作为网络的5路输入,以其输出与常数1的差值的平方为性能指标;根据梯度下降法来调整隐层神经元与输出神经元之间的连接权值,而输入层至隐层之间的连接权值不变,性能指标达到预定值时,获得一组稳定的权值,该连接权值即为钻头棱边的椭圆表达式系数;然后据此求出其较高精度的圆度误差。     

基函数神经网络构造方法

从生物学和逼近论出发,将任意一组正交基函数作为三层前向神经网络各隐含神经元的活跃函数,再以其加权和作为网络的输出特性,构成一种新型的神经网络模型;从理论上解决了单输入神经网络隐含层数及隐含单元个数难以确定的问题。仿真实验表明,该网络具有优良的逼近任意非线性对象的特性,且收敛速度远远快于BP网络。     

改进Elman网络的逼近性质研究

提出了能够用于非线性系统建模的一种新型回归网络,该网络是Elman网络的改进,由输入层、隐层和输出层构成.输入层由外部输入和内部状态层组成,隐层到状态层的连接是任意的,因此在逼近系统时,改进的Elman网络比Elman网络有更多记忆空间.同时证明了改进的Elman网络能够逼近一定时间内的非线性系统的输出轨线,提出了利用动态反向传播算法训练神经网络的前向和反向权值,仿真结果验证了该方案的有效性.     

基于稀疏神经网络的说话人分割

提出一种基于稀疏神经网络的说话人分割方法,利用稀疏的单隐层神经网络提取语音的超矢量特征中说话人因子特征,然后通过K均值聚类得到每帧语音的标号来分割不同说话人,在稀疏网络的训练过程中引入了dropout技术以克服过拟合问题.在TIMIT语音数据库构成的多说话人语音数据上的实验结果表明:通过增加稀疏网络中隐层节点的个数可以提高说话人分割的效果,与贝叶斯信息准则(Bayesian information criterion,BIC)方法和稀疏自编码网络方法相比,所提基于稀疏神经网络的说话人分割方法的性能有明显提高.     

基于神经网络的换热器翅片参数灵敏度分析

为了探索将人工神经网络技术应用于翅片参数对换热器(HX)性能影响研究的可行性,建立2个结构不同的3层反向传播(BP)神经网络进行训练及优化.分别对流动阻力特性和传热特性进行性能预测,根据预测结果进行翅片参数的灵敏度分析.训练和测试样本数据来源于大量的风洞实验和数值仿真结果.经过优化后的预测传热和流动阻力的网络隐层神经元个数分别为2和6,隐层和输出层的传递函数分别为tansig和purelin函数,采用基于Levenberg Marquardt（L M）算法的训练函数.网络性能测试结果表明,人工神经网络以优越的非线性映射能力,能够很好地预测翅片参数变化对换热器性能的影响.翅片参数灵敏度分析结果与实践工程经验比较吻合.     

隐层改进的BP网络在织物染色配色中的应用

为提高BP网络及其改进网络的收敛和泛化能力,依据计算机配色理论,深入研究了BP神经网络的优缺点,在此基础上提出了一种基于隐层输出反馈改进的BP网络训练算法应用于织物染色配色的算法,并按照此算法进行了织物染色的计算机配色实验。实验验证了人工神经网络算法在织物染色配色中应用的可能性和可靠性,为神经网络模型在织物染色配色中选择和构造合适的高性能网络结构提供了参考。     

一种综合改进的BP神经网络及其实现

从网络拓扑结构、增加动量项、增加学习速率自适应调整、增加权重初始化的N－W法等几个方面讨论了BP神经网络的改进，通过这几种方法的组合实现了一种新的改进型网络。详述了网络结构参数如学习速率初始值、隐含元个数、网络收敛精度等的确定原则和方法，并针对某一问题进行了计算分析。计算中重点分析了学习速率和隐含元个数的确定、各种单一改进方法和综合改进方法的比较、网络训练样本量的取舍等。分析表明改进方法是有效果的。     

基于改进神经网络的建筑结构损伤识别方法研究

采用ANSYS有限元分析软件建立神经网络的训练样本,将结构的固有频率作为网络输入,结构损伤的位置和损伤程度作为网络输出,提出了基于神经网络的建筑结构损伤识别方法。讨论了神经网络训练方法和隐含层节点数目对目标函数的影响,分析了网络训练的训练不足和训练过度等问题。以简单的建筑结构为例,基于MATLAB的GUI工具进行了BP神经网络的设计和分析。数值反演结果表明,所改进的建筑结构损伤识别方法具有良好的反演精度和较快的收敛速度。     

正交投影神经网络的BP和GS杂交学习算法

主要讨论具有单隐层的正交投影神经网络的权值和阈值的学习问题,提出了一种新的将BP算法和GS算法相结合的杂交学习算法,其中GS算法对隐层到输出层的权值和阈值进行学习,BP算法用于输入层到隐层权值的学习,并给出一种最佳的隐层节点数的选取方法．仿真实验表明,该杂交学习算法具有学习速度快且能获得全局最优解的特点,并可有效地对学习过程中出现的病态情况进行求解,具有良好的普适性。     

GA优化ELM神经网络的排水管道缺陷诊断

为及时发现排水管道安全隐患,准确掌握管道状况,结合极限学习机(extreme learning machine, ELM)神经网络和管道闭路电视(closed circuit television, CCTV)检测,建立一个数据驱动的排水管道缺陷诊断模型.采用遗传算法(genetic algorithm, GA)优化ELM神经网络的输入权值矩阵和隐含层偏置,改善网络参数随机生成带来的ELM模型输出不稳定、分类精度偏低的问题.以上海市洋山保税港区排水管道破裂、渗漏等主要结构性缺陷的诊断为例,对GA-ELM模型进行仿真分析,并与ELM模型诊断结果进行对比.结果表明,GA-ELM模型能够更好地识别管道缺陷,获得更佳的分类性能,参数优化提高ELM模型的拟合能力和泛化能力,可应用于城市排水管道状况评价,为排水管网养护计划和修复计划的制订提供技术依据.