量子小波神经网络及其在漏钢预报中的应用

针对传统神经网络收敛速度慢,收敛精度低,以及用于模式识别泛化能力差的问题。提出了将量子神经网络与小波理论相结合的量子小波神经网络模型。该模型隐层量子神经元采用小波基函数的线性叠加作为激励函数,称之为多层小波激励函数,这样隐层神经元既能表示更多的状态和量级,又能提高网络收敛精度和速度。给出了网络学习算法。并以之在漏钢预报波形识别中的应用验证了该模型和学习算法的有效性。     

连续小波过程神经网络及其仿真研究

在小波分析和过程神经网络理论的基础上，提出了连续小波过程神经网络模型，其隐层为过程神经元，隐层激活函数采用小波函数．该网络结合了小波变换良好的时一频局域化性质及过程神经网络可以处理连续输入信号的特点，因而学习能力强，精度高．给出了小波过程神经网络学习算法，并以航空发动机滑油系统状态监测为例，分别利用传统BP网络和小波过程神经网络进行预测．结果表明，小波过程神经网络收敛速度快，精度高，优于BP网络的预测能力，同时也为航空发动机滑油系统状态监测问题提供了一种有效的方法．     

基于量子小波神经网络的传动装置模式识别

针对传统神经网络收敛精度低,以及用于故障模式识别能力差的问题,提出了将量子神经网络与小波理论相结合的量子小波神经网络模型.该模型隐层量子神经元采用小波基函数的线性叠加作为激励函数,给出了网络学习算法,并以某型传动装置监测信号的小波能量谱为训练样本,识别传动装置带有缺损的齿轮故障征兆.仿真结果表明,量子小波神经网络能够提高神经网络训练精度和故障征兆识别精度.     

小波神经网络的高效学习算法及应用研究

针对隐层传递函数为小波函数的神经网络,为了寻找一种高效的网络学习算法,本文在牛顿算法的基础上推导并讨论一种拟牛顿算法,将这种拟牛顿算法与基于一阶梯度的不同算法进行了实验比较.结果证明,采用小波神经网络结合拟牛顿学习算法,可以得到最快的学习收敛速度,并且具有最好的学习效果,即对强非线性函数的拟合精度最高.论文还探讨了小波神经网络在自动送钻事故诊断方面的应用.     

隐层小波元神经网络的非线性跟踪特性

基于Hilbert 空间中Lebesgue 划分的特点,运用算子理论中变换的连续性和相对紧集的拓扑结构研究了小波神经网络的跟踪特性，利用作为隐层激励函数的小波函数的紧支撑和可积性，从代数分析的角度证明了只要隐层激活函数的小波函数满足相应的性质，那么小波神经网络就能以任意的精度跟踪紧集上的连续非线性函数．仿真实例表明了小波神经网络对非线性函数来说是一致跟踪器．     

基于小波神经网络的PID整定与应用

提出了一种基于小波神经网络整定的PID控制方法。由于小波变换具有良好的时频局部特性，神经网络具有强大的非线性映射能力，自学习、自适应等优势，采用规范正交的小波函数作为神经网络的基函数构成小波神经网络。该网络兼有小波函数的紧支性、波动性以及神经网络的非线性映射能力，自学习、自适应能力等优点，渗碳炉控制实验结果表明．用该方法整定的PID控制系统收敛速度快。逼近精度高，鲁棒性好。     

改进小波神经网络用于火电厂污染物排放量的预测

小波神经网络是神经网络学习的一种,其网络结构与典型的BP神经网络类似,隐含层所用函数为小波基函数,改进的小波神经网络相比于之前在数据预测方面有了明显的提高。火电厂的污染问题是关系到整个国计民生的大问题,如果能将小波神经网络的预测能力应用于实际生产过程,将十分有助于促进国家经济发展,提高人民生活质量。     

基于模糊递归小波神经网络的葡萄酒品质预测

针对葡萄酒品质预测模型难以建立的问题,提出一种基于模糊递归小波神经网络的葡萄酒品质预测模型。利用葡萄酒物理化学指标和品酒师打分作为模型的输入输出,采用梯度下降算法在线学习隶属函数层中心、宽度和小波函数平移因子、伸缩因子、自反馈权重因子以及输出层权值。仿真实验时,首先利用Mackey-Glass混沌时间序列进行了性能测试,然后利用UCI数据集葡萄酒品质数据对所建立的品质预测模型进行了验证。结果显示,与多层感知器、径向基函数神经网络等传统前馈神经网络相比,构建的模糊递归小波神经网络品质预测模型具有更高的预测精度,更加适合于葡萄酒的品质预测。     

小波分解及神经网络在海浪预报中的应用

提出采用小波分解与递推平方根法神经网络模型相结合的方法进行海浪预报。采用小波分析方法既能把握海浪的发展变化趋势，又能简化预报模型，同时基于递推平方根法的神经网络模型预报方法不仅收敛速度快，又能很好地提高精度，减少计算量。即先将不规则海浪信号用小波分析方法进行多尺度一维分解，得到相对简单、规则的准周期分量信号，然后用一种基于递推平方根法的神经网络模型对各重构信号进行预报，最后对预报结果进行集成。最终的仿真结果验证了该方法的有效性。     

基于小波模糊网络的非线性函数逼近方法的研究

针对非线性函数逼近问题，提出了一种新的融合策略——小波模糊网络;该网络将模糊模型引入小波网络，采用正交最小二乘法筛选小波，利用推广卡尔曼滤波算法调整网络非线性参数，避免陷入局部最优，提高学习速度，并采用最小二乘法修正权值，在不增加小波基函数的基础上提高网络的逼近精度；通过仿真，该网络的准确性和泛化能力都优于传统的小波神经网络，具有广泛的应用前景。     

WNN-Based Network Security Situation Quantitative Prediction Method and Its Optimization

The accurate and real-time prediction of network security situation is the premise and basis of preventing intrusions and attacks in a large-scale network. In order to predict the security situation more accurately, a quantitative prediction method of network security situation based on Wavelet Neural Network with Genetic Algorithm （GAWNN） is proposed. After analyzing the past and the current network security situation in detail, we build a network security situation prediction model based on wavelet neural network that is optimized by the improved genetic algorithm and then adopt GAWNN to predict the non-linear time series of network security situation. Simulation experiments prove that the proposed method has advantages over Wavelet Neural Network （WNN） method and Back Propagation Neural Network （BPNN） method with the same architecture in convergence speed, functional approximation and prediction accuracy. What is more, system security tendency and laws by which security analyzers and administrators can adjust security policies in near real-time are revealed from the prediction results as early as possible.     

一种网络流量预测的小波神经网络模型

结合小波变换和人工神经网络的优势，建立一种网络流量预测的小波神经网络模型。首先对流量时间序列进行小波分解，得到小波变换尺度系数序列和小波系数序列，以系数序列和原来的流量时间序列分别作为模型的输入和输出，构造人工神经网络并且加以训练。用实际网络流量对该模型进行验证，结果表明，该模型具有较高的预测效果。     

基于遗传小波网络的飞控系统故障诊断研究

针对飞行控制系统的传感器故障诊断问题,构造基于Mexico hat小波的小波神经网络,采用改进的自适应遗传算法优化所构造的小波网络的网络参数,并应用训练好的小波网络对飞行控制系统的传感器故障进行诊断.通过在Matlab/Simulink中建立飞控系统传感器的数字仿真模型并进行计算机仿真,得出所构造的小波网络能很好地诊断出飞控系统传感器的三类故障.仿真结果表明,用遗传算法训练小波网络,收敛速度快,且不会陷入局部最优点,训练好的小波神经网络的收敛性、故障诊断能力及泛化性均强于传统的BP神经网络.     

参数可变系统时间序列短期预测方法

时间序列预测是一类非常重要的问题,但基本上局限于参数不可变问题的研究,而对实际问题中经常出现的更重要的参数可变系统的预测,由于构成几乎所有已有预测技术基础的Taken嵌入定理不再成立,所以这方面的研究成果极少.使用一种将(多)小波变换与反向传播神经网络相结合的新型网络结构--(多)小波神经网络,尝试对参数可变时间序列的预测.因为(多)小波神经网络的误差函数是一个凸函数,这在一定程度上可以避免经典神经网络容易陷入局部极小、收敛速度慢等问题.对著名的Ikeda参数可变系统的实验表明,多小波神经网络的预测性能较单小波神经网络要好,而单小波神经网络的性能较BP网要好.因此,该方法不失为时间可变系统预测的一种好的推荐.     

基于GA-WNN模型的差动螺管电感式位移传感器的温度补偿

针对差动螺管式电感位移传感器温度漂移的问题,提出了一种遗传优化小波神经网络(GA-WNN)算法的温度补偿模型。用差动螺管式电感位移传感器的位移和温度的二维标定试验数据,建立GA-WNN模型。该模型利用遗传算法对小波神经网络的参数进行全局优化,克服了小波神经网络易陷入局部最优解的不足。试验结果表明,优化后的零点温度系数提高了2个数量级,灵敏度温度系数提高了1个数量级,实现了对传感器的温度补偿。     

一种基于改进遗传算法的新型小波神经网研究

提出了一种基于改进遗传算法（Improved Genetic Algorithm , IGA）的新型BP小波神经网络，并通过异或问题和非线性辨识问题进行仿真实验。实验结果表明，基于改进遗传算法的BP小波网络不仅具有小波分析良好的局部特性以及神经网络的学习、分类能力，而且具有遗传算法全局快速寻优的特点，与简单遗传算法相比，在收敛快速性和稳定性方面都有了明显的改善。     

交通流量小波神经网络多步预测研究

针对交通流量混沌时间序列多步预测的问题,提出了一种基于混沌机理的小波神经网络(WNN)快速学习算法.通过将混沌理论和小波分析相结合,建立了交通流量时间序列WNN模型;阐述了混沌学习算法的机理,设计了交通流量WNN混沌时间序列自适应学习算法.仿真试验结果表明,该算法的多步预测性能明显优于应用BP网络和非混沌算法的小波神经网络.     

小波网络在航空发动机状态监测中的应用研究

为准确监测航空发动机的状态以保障飞行安全,需要对航空发动机这个复杂系统建立精确模型,将人工神经网络很强的非线性映射能力与小波分析特有的时频分析能力相结合可以对复杂的非线性系统进行系统辨识;选择以sigmoid函数为基础的小波基波函数作为神经网络神经元的激励函数,构造了一个三层小波神经网络,利用该小波神经网络对航空发动机转动状态进行系统辨识研究,仿真结果表明小波神经网络能对某型飞机航空发动机转动状态进行准确辨识.     

Prediction and identification using wavelet-based recurrent fuzzy neural networks

This paper presents a wavelet-based recurrent fuzzy neural network (WRFNN) for prediction and identification of nonlinear dynamic systems. The proposed WRFNN model combines the traditional Takagi-Sugeno-Kang (TSK) fuzzy model and the wavelet neural networks (WNN). This paper adopts the nonorthogonal and compactly supported functions as wavelet neural network bases. Temporal relations embedded in the network are caused by adding some feedback connections representing the memory units into the second layer of the feedforward wavelet-based fuzzy neural networks (WFNN). An online learning algorithm, which consists of structure learning and parameter learning, is also presented. The structure learning depends on the degree measure to obtain the number of fuzzy rules and wavelet functions. Meanwhile, the parameter learning is based on the gradient descent method for adjusting the shape of the membership function and the connection weights of WNN. Finally, computer simulations have demonstrated that the proposed WRFNN model requires fewer adjustable parameters and obtains a smaller rms error than other methods.     

小波神经网络在飞控系统辨识中的应用研究

选择以sigmoid函数为基础的小波基波函数构造了一个小波神经网络,利用小波网络对复杂的飞控系统对象进行在线辨识研究,仿真结果表明小波神经网络基本满足某型飞机飞控系统在线辨识的要求。