Sigmoid传输函数与三层前馈神经网络的映射能力

对于具有n个隐含单元的三层前馈神经网络,证明了隐含层的Sigmoid传输函数可以把输入层数据的维数提升到n维,这意味着有n个隐神经元的前馈三层神经网络具有把低维空间映射到高维空间的能力。     

直接转矩控制系统定子电阻的神经网络辨识

在研究异步电机直接转矩控制的基础上 ,提出了基于神经网络方法的定子电阻辨识 为了缩短学习时间 ,保证系统收敛 ,采用了自适应调整学习率 选取实时递归网络 ,对不同隐含层单元数和训练次数进行比较 ,获得合适的单元数和训练次数 仿真结果证明 ,应用该辨识可以进一步改善直接转矩控制系统的动态性能     

莜麦播种方式决策的BP神经网络模型

阐述了BP神经网络基本原理,并在此基础上,将神经网络理论应用于农业生产决策之中。以莜麦播种方式决策为例,通过对产生式规则的分析导出神经网络输入、输出单元数,经过多次实验确定合适的隐含层单元数,并采用MATLAB语言对所构建的网络进行训练。仿真结果证明,这种方法基本可以达到预期的目标。     

莜麦播种方式决策的BP神经网络模型

阐述了BP神经网络基本原理,并在此基础上,将神经网络理论应用于农业生产决策之中。以莜麦播种方式决策为例,通过对产生式规则的分析导出神经网络输入、输出单元数,经过多次实验确定合适的隐含层单元数,并采用MATLAB语言对所构建的网络进行训练。仿真结果证明,这种方法基本可以达到预期的目标。     

直接转矩控制系统定子电阻的神经网络辨识

在研究异步电机直接转矩控制的基础上,提出了基于神经网络方法的定子电阻辨识。为缩短学习时间,保证系统收敛,采用了自适应调整学习率。选取实时递归网络,对不同隐含层单元数和训练次数进行比较,获得合适的单元数和训练次数。仿真结果证明,应用该辨识可以进一步改善直接转矩控制系统的动态性能。     

基于自适应Elman神经网络的短期风电功率预测

针对BP神经网络动态性能的不足、适应性较差的问题,提出了基于自适应Elman神经网络的短期风电功率预测模型。通过对比不同隐含层数的Elman预测模型的预测误差,选取最小误差的隐含层数作为自适应Elman预测模型的隐含层数;根据不同的训练集和预测集的输入,自动调节Elman隐含层节点数,实现隐含层节点数的自适应,寻求具有最佳隐含层节点数的预测模型,提高了风电功率预测精度。     

基于BP网络的HSRC节点骨架曲线的预测

结合5个在低周期反复荷载作用下的钢骨高强混凝土柱/钢筋高强混凝土梁框架节点的试验研究,描绘了节点的骨架曲线·利用神经网络的原理,通过建立神经网络的输入层、隐含层、输出层,确定输入单元、输出单元和隐含层节点数,从而建立了神经网络的模型,并根据已有的一些数据,对网络进行训练,使其具有分析和判断的功能,从而对钢骨高强混凝土框架节点的骨架曲线进行了预测·结果表明,这种方法是可行的·     

深度信念网络(DBN)网络层次数量的研究及应用

针对DBN网络隐含层层数难以选择的问题,从通信原理、信息理论以及实验数据等多方面出发,研究了深度信念网络(DBN)隐含层的层次趋势问题。根据各个隐含层输出层不同类图片的互相关系数之间的关系,提出了一种根据互相关系数确定网络深度的方法,证明了当深度学习时,隐含层输出的样本之间的互相关系数达到1(0)或~(-1)时,或者样本之间的互相关系数不再改变时,进一步增加层次对提高分类正确率是没有帮助的。在训练的过程中随机的选取图片,使其更具有普适性。手写体数据库实验和应用于CIFAR~(-1)0图像库的数据表明,该方法能够有效提高训练速度。     

基于BP网络的视电阻率快速计算

为避开复杂的电磁场数值计算,判断地下异常,用于现场指导,提出了神经网络的方法。讨论了实际发射机电流的非阶跃下降,并结合所用发射机对响应公式进行了关断延时校正。分析了常规的数值计算方法,由核函数的特点选用三层反向传播(back propagation,BP)网络结构,通过训练确定隐含层单元数和收敛较好的算法。用2种常规的数值算法与文中方法做仿真实验的对比,实验表明,用BP网络计算能快速实现瞬变电磁数据的处理,指导瞬变电磁探测。     

免振捣粉煤灰混凝土抗压强度的神经网络预测

为了解决免振捣粉煤灰混凝土抗压强度预测问题,采用BP神经网络方法通过免振捣粉煤灰混凝土不同配合比训练网络预测其抗压强度,对于BP网络的隐层节点属于不确定层,采用三层结构的BP网络.但隐含单员个数仍未知。在实验过程中将隐含层的神经单元个数作为一个参数试验,结果表明BP神经网络的隐层节点数目对预测精度有较大影响。通过分析得出采用BP神经网络对免振捣粉煤灰混凝土抗压强度预测是可行的。     

基于子空间分析的前馈神经网络隐层评测方法

针对最佳平方逼近3层前馈神经网络模型,采用子空间分析方法,讨论了隐单元的误差补偿性能,提出了隐层评测方法.研究结果表明隐单元选取策略应遵循其输出向量有效分量位于误差空间、回避耗损空间和尽可能靠近某一能量空间的原则,这一结果与隐单元采用什么激发函数无关,也允许各隐单元采用不同激发函数.网络的隐层性能评价可以通过隐层品质因子、隐层有效系数、隐单元剩余度来进行,而总体结果可采用隐层评价因子进行评测.评测实验表明,所提出的隐层评测方法是合理有效的.图1,表1,参11.     

神经网络训练的分解重组算法

本文介绍了把线性不可分问题分解为一系列线性可分子问题、对线性不可分问题进行求解的网络分解重组算法．还证明了该算法的收敛性．实例研究表明：该算法不仅可以得到神经网络的隐层空间目标和隐层单元数，而且提高了对线性不可分问题的求解速度，因此是一个非常有效的神经网络训练算法．     

基于双层网络的混合PSO算法的RBF建模

针对RBF网络的建模问题,设计了基于双层网络的建模方法。第一层网络采用随机方法确定了隐层单元数,并利用并行PSO算法对网络进行初步训练,第二层网络采用了主从粒子群的方式,借鉴了遗传交叉的思想,对第一个网络的最优解进行了再训练以提高网络的训练精度。从对非线性系统的仿真结果看,该方法最终确定的隐层单元数比较少,与RBF网络相比有着一定的优越性,而且优于单层并行PSO算法的RBF网络。     

前向多层感知器网络的逐层学习算法

提出一种改进的前向多层网络逐层学习算法,隐层神经元的输出函数由具体系统的样本输出值确定,先让前面的隐层及输入层的权值确定不变,然后对当前层的权值进行,前一隐层输出值地误差进行估计以得到新的输出值,将其作为临时教师信号用来训练前一层的权值,把每一层权值的改变量和输出值误差的估计转变为最小二乘问题,逐层处理,直到输入层,数字仿真和具体应用的结果表明了算法的有效性。     

龙羊峡电站下闸蓄水水情长期预报的神经网络方法研究

误差反向传播算法(BP算法)是训练多层网络的常用算法,但难于确定网络的有效隐节点数,本文提出了一个有效的算法来自动优选隐层节点数,文中用龙羊峡水电站历年10月份的系列实测资料进行了实例研究,取得了初步令人满意的结果。     

多变量模糊控制系统的前馈解耦

为实现多变量模糊控制系统的动态解耦，基于前馈解耦思想和神经网络理论，提出了一种多变量模糊控制系统解耦的新方法——模糊前馈解耦法,模糊控制器和解耦部分独立设计，解耦由两层神经网络实现，节点少，其活化函数采用分段线性函数．利用简化的学习算法，根据系统输出误差，在线调整网络权值，从而实现动态解耦而无需辨识被控对象的模型，该方法结构简单且计算量小，适于实时多变量过程控制，仿真证明了该方法的有效性。     

评价神经网络拟合精度的另一个指标

在基于神经网络的故障检测中，要求神经网络拟合某特定动态系统时均方预测误差的均值及其标准差均小，故在以均方预测误差的均值作为评价神经网络逼近特定动态系统性能的系统化交叉证实法的基础上进行改进，以均方预测误差的均值和标准差两个指标评价神经网络逼近特定动态系统性能。仿真结果证明，同时用两个指标不仅是可行的，而且比原系统化交叉证实法的选择效果好。     

应用Elman神经网络的混沌时间序列预测

利用改进的 Elman神经网络对 3个典型的混沌时间序列在不同的噪声水平下进行预测 ,探讨了神经网络学习与泛化之间的关系 ,通过试凑法给出了 Elman最优的隐节点个数。并利用3种指标对预测结果进行了评估 ,结果显示 Elman网络对混沌时间序列预测的良好特性     

一种改进的BP算法在工程造价预测中的应用

针对在神经网络中得到广泛应用的BP算法难以确定隐节点个数的缺点,提出了一种动态调整隐节点数的改进的BP算法,以恰当确定隐节点数。在收集相似工程有关资料的基础上,考虑物价波动的影响,应用上述算法对工程造价进行预测。算例结果表明：该方法所得的工程造价预测值精度令人满意,具有应用价值。