层次模块化神经网络新方法研究

多个神经网络组成的系统有两种工作方式:其一是通过训练多个神经网络,以协同或竞争的方式来构建学习系统解决同一问题;其二则是将复杂问题分解成若干简单问题而后进行处理。应用分而治之的思想提出了一种层次模块化神经网络新方法———三层结构的模块化神经网络HMNN(HierarchicalModularNeuralNetwork)模型,在提高算法性能方面有一定优势,对比实验研究也表明该算法有效地提高了系统的泛化能力和算法稳定性。     

基于CNN-ResNet-LSTM模型的城市短时交通流量预测算法

针对交通流量特性和外部因素对交通流量预测结果的影响,提出了一种对城市短时交通流量预测的模型CNN-ResNet-LSTM,将卷积神经网络（CNN）、残差神经单元（ResNet）和长短期记忆循环神经网络（LSTM）集成到一个端到端的网络框架.利用卷积神经网络来捕获城市区域间交通流量的局部空间特征,并在卷积神经网络中加入多个残差神经单元来加深网络深度,可提高预测的准确性;利用长短期记忆循环神经网络来捕获交通流量数据的时间特征;利用相应的权重将2个网络的输出结果融合,得到通过轨迹数据预测的结果;最后与外部因素融合,得到城市区域的交通流量预测值.用北京市轨迹交通数据对该模型进行验证,CNN-ResNet-LSTM模型不仅在准确率方面比传统模型高,而且在保证预测准确率的情况下,模型使用的参数也少.     

神经网络在计算测井参数中的应用

论述了人工神经网络的基本原理。采用误差反向传播神经网络（ＢＰ网络）对油田测井解释参数束缚水饱和度进行了计算和分析，使误差精度提高了１０％。     

智能神经网络在乐器音调识别中的应用

基于智能神经网络的理论，提出了一种乐器音调识别的方法。首先通过小波变换提取音调的特征值，然后训练了若干能够识别某一音调的小网，最后联合所有小网络组成大的智能神经网络以识别所有音调。本试验中对单音的音调识别率为97．90％。     

EFNN一种增强型模糊神经网络

提出了一种较为广义的增强型模糊神经网络,以达到更高的非线性系统逼近能力。该网络模糊规则的结论以函数形式给出,从而决定了网络的结构由两个网络组成,即特征网络和功能网络。网络采用梯度算法来修正网络的参数。仿真表明：该网络具有较强的非线性逼近能力和较快的学习速度。     

PSO-BP神经网络在MBR工艺中的膜污染预测

针对MBR膜污染因子较为复杂且各因子之间相互交叉,提出基于PSO-BP神经网络的膜污染预测方法.首先用主成分分析法实现输入变量的去维和去相关,简化网络的输入,然后应用粒子群算法优化神经网络的权值和阈值.网络训练时使用的数据是在不同操作条件下,采用孔径为0.038μm的聚醚砜超滤膜处理印染废水溶液时得到的膜通量实验数据,最后用训练好的PSO-BP神经网络对膜通量进行预测.结果表明,与传统BP算法相比,PSO-BP神经网络算法能更快实现收敛,提高运算速度以及膜通量预测的准确度.     

基于联想竞争神经网络的静态织物疵点识别研究

在竞争神经网络的模型基础上,提出了一种新的联想竞争神经网络模型,并利用新的网络模型对织物疵点进行检测.实验结果表明,基于联想记忆的竞争神经网络模型算法, 具有较快的收敛速度并有较好的识别效果.     

动态模糊神经网络在变形预测中的应用

为了得到更好的桥梁墩台沉降变形预测精度,减少工程监测实践的误差,分别介绍了基于扩展径向基函数神经网络（RBFNN）与动态模糊神经网络（DFNN）的学习算法和参数的确定方法。选取某一桥梁沉降监测数据分别进行基于扩展径向基函数神经网络与动态模糊神经网络的自适应学习训练,进行桥梁墩台沉降变形预测。实例分析结果表明,径向基函数神经网络预测误差达到0.15 mm,而动态模糊神经网络预测误差达到0.07 mm,显然动态模糊神经网络具有更高的预测精度,从而证实了动态模糊技术与神经网络相结合的自适应学习训练过程的优越性。     

用于优化机械加工参数的神经网络模型

通过分析误差复映问题的模型,比较了各种神经网络的特点,确定了用于优化机械加工参数的神经网络模型。对该神经网络训练后,可根据各种加工条件和要求得到需要的加工次数及各次的加工余量。     

基于改进PSO-BP混合算法的电力变压器故障诊断

采用粒子群算法和反向传播神经网络建立一种新型变压器故障诊断网络模型,设计故障诊断方法.仿真分析结果表明：基于该网络模型的诊断方法与传统的三比值法相比较,具有较好的故障识别与分类能力,显著提高了诊断准确率,将在电力设备故障诊断中有良好应用前景.     

基于遗传算法和神经网络的矮小儿童智能诊断研究

针对儿童矮小问题,利用计算机辅助诊断方式建立基于神经网络的智能诊断系统。构造了矮小儿童评测的指标体系,利用遗传算法优化反向传播网络的结构参数,建立了一种基于反向传播网络的智能诊断模型。最后进行实例计算,结果表明该方法有效克服了纯反向传播网络算法局部收敛、泛化能力弱等问题,具有收敛速度快、精度高的优点,能有效适用于儿童矮小问题的智能诊断。     

基于神经网络模型的信息融合技术

介绍了信息融合概念以及在信息融合领域中常见的BP神经网络和在此基础上发展而来的模糊神经网络和混沌神经网络,指出利用神经网络技术与信息融合技术相结合进行分析研究具有较大的拓展空间,信息融合的神经网络适用于更广泛的领域.     

解一类非线性极大极小问题的神经网络

考虑了一类非线性极大极小问题，通过将其转化为等价非线性凸规划提出了求解它的一个神经网络模型，严格证明了新模型是Lyapunov稳定的，并且在有限时间内收敛到原问题的一个精确解。与已有模型相比，新模型结构简单，更适合硬件实现。数值实验表明，该模型不仅可行而且有效。     

神经网络模糊PID技术在光伏系统MPPT控制器中的应用

针对传统光伏系统MPPT控制算法的局限性及无法自适应外部复杂情况等诸多问题,提出一类以神经网络、模糊控制器以及PID控制器组成的神经网络模糊PID控制器。利用光照幅度、环境温度等参数的离线训练后的权值作为整个三层前馈神经网络的优化参数;通过预测最大功率点与实际的工作电压进行比较,运用模糊推理对PID相关参数进行最佳调整。仿真结果表明：与传统PID控制器、模糊控制器相比,本系统能增强消除系统误差能力,稳态性能有了明显提高,同时可获得更高的控制精度。     

基于模糊神经网络的模式识别方法

讨论了3种模糊神经元和由其构成的模糊神经网络的基本原理及其学习和自适应机制,针对模糊模式识别问题,建立了一种基于BP学习算法的模糊神经网络模式识别系统,该系统兼有模糊逻辑控制和神经网络两种技术的优点,提高了模糊模式识别的准确性。     

Transient Air-Fuel Ratio Control in a CNG Engine Using Fuzzy Neural Networks

The fuzzy neural networks has been used as means of precisely controlling the air-fuel ratio of a leanburn compressed natural gas (CNG) engine. A control algorithm, without based on engine model, has been utilized to construct a feedforward/feedback control scheme to regulate the air-fuel ratio. Using fuzzy neural networks, a fuzzy neural hybrid controller is obtained based on PI controller. The new controller, which can adjust parameters online, has been tested in transient air-fuel ratio control of a CNG engine.     

钢筋混凝土雷达信号的BP人工神经网络识别

在混凝土雷达检测中,钢筋直径的识别是一个难点,因此探求使用人工神经网络的方法来解决。试验制作了一系列埋有钢筋的混凝土试件,这些埋置的钢筋直径在8~25 mm间且埋深在15~125 mm之间。这些试件经探地雷达检测后,雷达信号被提取出几个特征参数,这些参数包括雷达波的峰值、能量、波宽以及斜率,然后将这些参数作为BP神经网络识别的特征参数,并通过对神经网络进行有针对性地细分以提高网络识别精度,网络识别的结果表明BP神经网络能成功地识别钢筋的直径。     

基于模糊神经元网络的阀控马达系统仿真

提出了一种基于模糊神经元网络的阀控马达控制方案.在系统中，将模糊控制技术与神经元网络技术相结合，构建了模糊神经元网络控制器.该控制器结合模糊控制与神经元网络各自的优点，既具有模糊控制器简单和有效的非线性控制作用，又具有神经元网络自学习和自适应能力,改善了控制系统的性能.     

RBF神经网络算法及其应用

在径向基神经网络学习算法的基础上,提出了一种新的RBF神经网络学习算法,该算法将变长度染色体遗传算法和最小二乘法相结合,能够同时确定径向基神经网络的结构和参数。用此方法建立热电厂热负荷预测模型,并与BP神经网络和增长型结构学习算法的RBF神经网络方法相比较,结果表明可以取得更好的效果。     

基于模糊对向网络的非线性动态系统辨识新算法

以模糊对向网络为辨识模型,利用它所具有的模糊逻辑系统和神经网络两者的优点,在模糊C－均值聚类方法的基础上引入新的聚类目标函数,并证明了它的优化条件,将模糊聚类和最小二乘法相结合,提出一种模型参数学习的新算法,在直流电弧燃弧时间建模研究中的应用结果表明提出的算法是有效的。