基于机器学习的低弹性模量钛合金建模和预测的研究

针对钛合金弹性模量快速预测的需要，采用合金设计公式对原始合金数据进行转换，利用转换所得的Mo当量、d-电子结合次数和d-电子结合能作为数据集；采用多层感知器、随机森林网络和卷积神经网络三种机器学习方法，基于数据驱动方式搭建钛合金成分与弹性模量的关系模型。结果表明，相比随机森林网络模型和卷积神经网络模型，多层感知器模型具有更优的预测性能和预测精度。此外，多层感知器模型的预测能力符合预期，其相关指数评分达到0.66，均方根误差为7.54 GPa；说明多层感知器适用于医用钛合金的数据挖掘和研发。     

BP算法及其应用实例

BP网络（也称激活函数采用Sigmoidal函数的多层感知器）是一种按误差逆传播算法训练的多层前馈网络,是目前应用最广泛的神经网络模型之一。BP算法是一类有导学习算法,用于BP网权值和阈值学习,它的规则的推导是基于最小均方误差准则,它可实现函数逼近,同时利用Matlab进行仿真。     

多层感知器学习算法研究

多层感知器是一种单向传播的多层前馈网络模型，由于具有高度的非线性映射能力，是目前神经网络研究与应用中最基本的网络模型之一．BP算法是多层前向神经网络中应用最重要的算法，但是由于BP算法实质是一种梯度下降的搜索算法，它存在着其固有的不足，如收敛速度较慢，易于陷入误差函数的局部极值．本文基于权值外推和三项因子的思想，提出了一种改进算法，能够有效的提高网络收敛的速度和精度，计算机仿真结果也有力的证实了这一点．     

时间序列预测在社会商品零售中的应用研究

神经网络和遗传进化的方法在时间序列预测中的应用已得到充分地认可,一些模型已经提出,例如多层感知器(MLP),误差反向传播(BP),径向基函数(RBF)网络和遗传规划算法(GP)等等。本文通过实例分析,比较了以上的几种方法,计算了各种预测模型的精度和推广预测能力。     

基于随机森林优化的自组织神经网络算法

针对基于降维的神经网络分类器预测模型在分析过程中存在特征丢失, 并导致精度下降的问题， 提出一种基于随机森林算法优化的多层感知器(MLP)回归预测模型. 该优化模型通过在MLP回归模型网络的全连接层和逻辑回归层之间增加一个优化机制, 利用随机森林算法对隐藏层状态的优化实现改进, 从而解决了降维过程中神经网络丢失数据特征的问题. 在借贷客户信息数据集上的实验结果表明, 该模型在保证主要特征的同时大幅度提升了预测准确率, 证实该模型在特征工程中具有较高的实用性.     

RBF神经网络与多层感知器区分与替代问题的研究

本文着重从模型、工作特性以及应用上对比了RBF神经网络与多层感知器网络的不同之处,又用模式分类具体实例指出,在一定条件下RBF神经网络与多层感知器网络可以相互替代。多层感知器网络通常用来解决非线性问题,而RBF神经网络则主要用于函数逼近,能够逼近任意非线性函数。因此,在非线性问题上,一个可以被另一个代替。     

一类神经网络多层感知器的硬件实现方法

提出了一种新的神经网络多层感知器硬件实现方法——信号传播路径动态选择．给出了隐节点个数的确定规则和网络的训练算法，并从理论上给予了证明．结果表明，该算法能一次确定权值，而且所确定的权值均为逻辑值，从而可以用逻辑门电路全硬件实现多层感知器     

一种用于多类模式识别的综合感知器网络和学习算法

提出一种由感知器神经元组合成的综合网络模型及相应的学习算法,网络由3层感知器神经元组成,中间屋到输出层的权值相应地为＋1或－1,输入层到中间层的权值通过学习获得,且中间层每个神经元的权值单独学习完成,该学习算法在有限次迭代步骤内终止。当算法终止时,对于可线性发的多类模式识别问题总是能找到正确的解,如果还有模式不能识别,则说明这是一个不可线性划分的多类模式识别问题,用阿拉伯数字识别的例子说明了网络模型和算法的有效性。     

人工神经网络在数控加工中的应用

描述了采用BP算法的三层感知器神经网络模型的工作原理,研究了神经网络实时监控系统基本原理和方法及其在数控加工控制中的具体运用,该方法可以实现数控加工过程自适应优化控制。     

一种基于BP算法学习的小波神经网络

为发展Szu的基于信号表示的小波神经网络,提出一种多输出的小波网络模型,网络隐层采用框架小波函数、输出层采用Sigmoid激励函数,并选用“熵误差函数”以加速网络的学习速度。奇偶判别和混沌时间序列预测例子的实验结果表明了它具有良好的函数逼近能力和推广能力,收敛速度和均方误差均优于相同结构的多层感知器模型。     

一种分级超结构换热器网络综合优化方法及其应用

对分级超结构换热器网络模型的温度计算提出了一种通用的精确解方法,同时得到了显式解析解,并以这一解析解为基础,设计了以遗传算法和模拟退火算法为主,结合最速下降法的混合遗传算法,此外还在算法中引进精英策略和结构变异策略.应用实例的计算结果显示了这一混合遗传算法对于换热器网络的参数和结构都具有良好的搜索能力.     

遗传算法最优同步综合换热网络

换热网络综合作为过程系统综合的一个重要研究分支，目前已经开发出多种综合方法。为克服这些方法存在的局限性，采用遗传算法，对无分流换热网络综合问题提出改进的优化模型及优化策略。该方法不仅能够自动、迅速地得到换热网络的结构与参数，而且具有获得全局最优解的能力。最后通过实例说明本方法的有效性。     

有分流换热网络同步综合

提出了一种以年综合费用最小为优化目标的有分流换热网络同步综合方法.该方法以分级超结构模型为基础建立一个不考虑等温混合假设的复杂混合整数非线性同步综合数学模型.为了合理降低控制学模型的求解难度,分级超结构中同时引入有分流并联结构和无分流串级结构.该模型的求解采用双层优化策略,外层利用遗传算法生成换热网络结构;内层利用粒子群算法优化物流分流比和换热器热负荷.采用两个典型算例和一个大规模换热网络综合问题对该方法的有效性进行了验证.     

解换热网络同步综合问题的列队竞争算法

给出了换热网络同步综合问题的数学模型和拓扑结构的描述,并确定了产生相邻换热网络的策略。在此基础上,提出了列队竞争算法解网络综合问题的计算方法。对实例问题的求解得到了优于文献报道的结果。     

基于壳程数最小年度化费用换热网络综合的研究

根据换热器对数平均传热温差校正因子与换热器进出口温度之间的关系,指出了单壳程偶数管程换热器在可操作条件下的最大温度交叉程度,在此基础上,根据换热器投资费用同壳程数的关系,提出了基于壳程数的换热网络综合的数学模型,并采用遗传模拟退火算法进行了求解,实例表明该模型对求解实际工程换热网络是有效的。     

用改进的遗传算法进行多流股换热器网络综合

建立了有分流情况下换热器网络综合的教学模型,该模型改进了文献中等温混合的不合理假设,有分流情况下的换热器网络综合问题本质上是一个混合整数非线性规划(MINLP)问题。这类问题的非凸非线性特性使得目标函数存在多个局部最优解,传统的基于梯度的搜索方法在处理这类问题时由于计算规模庞大且极易陷于局部最优解而不再适用,因此对遗传算法进行多流股换热器网络综合的方法进行了研究,最后通过例题证明了方法的有效性。     

基于Hammerstein模型和GA的非线性广义预测控制

针对Hammerstein型的非线性系统,给出了一种基于GPC的预测控制方法.分析了使用近似法求解控制量的缺点,据此提出了基于遗传算法的控制量优化求解策略.以一个热交换器作为仿真实例,分别使用遗传算法和两种近似法求取控制量,并比较了3种情况下的控制效果.仿真结果表明基于遗传算法的预测控制器具有良好的性能.     

微机合成工业规模换热网络的新方法

分析了采用双最小换热温差合成换热网络的原理。基于允许能量穿越伪Pinch点进行冷热流股匹配而不会招致外供能量的增加,把网络作为一个整体进行合成,从而可减少换热单元个数和避免不必要的分流。本文提出了一种设计成本最低换热网络的计算机自动合成方法,能对工业规模的换热网络进行自动合成。实例研究表明,用新方法合成的网络,结构简洁,且其年总花费比用Pinch法得到的结果更接近预估目标值。     

翅片管换热器可用能仿真模型研究

建立了一种新的翅片管换热器可用能仿真模型用以模拟换热器内部的分布情况.该模型将翅片管换热器模型看成是由有向矩阵连接若干单管模型组成的.本文引入并给出了有向矩阵的构建方法,提出了"列优先"的换热器模型求解算法,并针对一翅片管蒸发器计算算例进行了可用能模型的应用计算.     

换热网络优化影响因素分析及局部最优解的跳出策略

在换热网络分级超结构的基础上提出了换热网络优化数学模型,对其用惩罚函数法去约束后通过算例分析其非线性,明确了优化起始点冷热流体的匹配方式以及换热器的面积是影响求解效果与效率的两个关键因素.同时提出了一种基于蒙特卡罗法结合多起点面积法的局部最优解跳出策略,并用算例验证表明,该策略能有效地跳出局部最优解,得到全局最优解.