迷幻性苯烷基胺类化合物的QSAR研究

采用量子化学密度泛函B3LYP法,用6-311+G(d,P)基组,计算38个苯烷基胺类化合物的电子结构参数;利用多元线性回归(multiple linear regression,MLB)法,筛选出影响化合物迷幻活性显著的6个变量,并建立其结构参数与迷幻活性之间的定量关系(MLR模型);同时,利用人工神经网络(artificial neural network,ANN)法建立相应的QSAR模型(ANN模型)以资对比.所建MLB模型的相关系数R=0.9340,标准误差Se=0.2068;ANN模型的相关系数R=0.9992,标准误差Se=O.0036.结果表明人工神经网络法获得了比多元线性回归方法更精密的拟合效果,可望在QSAR研究中发挥重要作用.     

基于遗传算法的压气机叶片的多目标三维优化

为了提高轴流压气机的效率,需要研究一种新的高性能的转子叶片.采用人工神经网络与遗传算法寻优相结合的方法对某单级轴流压气机亚音速叶片进行三维叶片型线优化设计.优化目标是尽可能的提高转子叶片的总压比、流量和等熵效率.优化仿真结果显示,流动分离区明显后移,损失显著降低,等熵效率提高了0.48%,同时总压比和流量也都得到了提高,优化叶片的气动性能较原型叶片明显提高.结果表明,优化方法能很好的完成亚音速叶片的优化设计,是获得低损失高效率性能的叶片的有效途径.     

人工神经网络在建设工程造价估算系统中的应用

介绍了人工神经网络技术的发展和分类,针对建设工程造价估算技术的发展及面临的问题,提出了在建设工程造价估算系统中应用人工神经网络技术来提高估算精确度,并给出了系统的设计模型。     

基于BP的地类林种预测知识获取

利用知识获取技术,根据森林资源连续清查的固定样地调查资料,建立地类林种预测,并对所建立的模型进行适应性检验。检验结果表明用人工神经网络的方法对地类林种的动态变化是可以满足林业生产经营的精度要求,即该神经网络获取的知识是可行的。     

组合出入口访问控制的防火墙系统研究

针对军事网络特殊安全需求,提出了一种组合出人口访问控制的网络边界安全防护手段,在抗网络攻击方面,采用包过滤防火墙与基于神经网络和基于协议分析和规则匹配的入侵检测技术相结合的方法,提高入侵检测的准确性;在防信息泄密方面,在出口访问控制中引入身份认证机制及内容审查和过滤机制,可建立更灵活的安全审计和访问控制策略,有效阻截敏感或涉密信息外泄,实现对泄密源的有效跟踪。     

三维距离矩阵及预测烷烃的临界温度

本文从有机化合物分子三维空间结构出发,用其原子间的空间距离以替代二维距离矩阵,传统表示方法中的拓扑距离(键的数目),首次提出并建立表示分子空间结构的三维距离矩阵计算模型,并基于三维距离矩阵提出三维结构拓扑指数3- DM(W),将分子所含原子个数和支化度组合作为BP人工神经网络(BPANN)的输入参数,利用BPANN预测烷烃化合物的临界温度(T_c),结果精度符合化工计算的要求。可以预料三维距离矩阵计算模型极可能在定量结构-性能关系研究中起重要作用。     

Brandt-Lin神经网络算法改进及应用于直流拖动

随着电力电子技术,微电子技术和新型电机控制理论的快速发展,无刷直流电动机(BLDCM)得以迅速推广。BLDCM不仅保持了直流电动机的动静态调速性能,而且避免了有刷结构带来的固有缺陷,具有体积小、效率高、控制简单等优点。无刷直流调速系统快速性、稳定性和鲁棒性的好坏成为决定电机性能的重要指标。介绍一种将神经网络控制方法应用于一个要求更快更精确的BLDCM控制系统以提高动态响应和鲁棒性。神经网络自适应控制算法的使用,使得参数整定无需繁琐的手动过程,能够根据系统工况变化自动辨识被控参数、自动整定控制器参数,便于显著提高控制精度,减少调节时间,使控制过程具有较高的控制品质。神经网络自适应控制算法采用Brandt-Lin算法,并且对激活函数、学习速率做了一些改进,提高了控制速度及精度。在此算法中还加入了一个非线性函数提高了此神经网络的在高阶系统中的适应性。     

基于BP模型的商业银行贷款风险预测

国有商业银行不良贷款严重束缚了商业银行的发展.防范金融风险,降低不良贷款,增强商业银行的风险识别能力,其关键是风险预测.商业银行贷款本身是一个复杂的非线性系统,用一般的线性理论难以客观反映其规律,为此,采用人工神经网络方法进行研究.在简述概念的基础上,通过反向传播网络(BP模型)对贷款企业的经营能力进行预测,从而对商业银行的贷款决策提供理论支持,使商业银行贷款风险能被控制在可控范围内.并对代表性的A股份有限公司进行预测,所得结果表明:建立的预测模型具有良好的风险预测能力.     

The learning convergence of CMAC in cyclic learning

In this paper we discuss the learning convergence of the cerebellar model articulation controller (CMAC) in cyclic learning.We prove the following results.First,if the training samples are noiseless,the training algorithm converges if and only if the learning rate is chosen from (0,2).Second,when the training samples have noises,the learning algorithm will converge with a probability of one if the learning rate is dynamically decreased.Third,in the case with noises,with a small but fixed learning rate ε the mean square error of the weight sequences generated by the CMAC learning algorithm will be bounded by O(ε).Some simulation experiments are carried out to test these results.     

用人工神经网络方法计算太阳光谱辐照度分布

针对传统太阳光谱辐照度分布计算模型计算速度慢,需要大量气象参数等问题,提出了一种基于人工神经网络(ANN)算法模型计算特定气象参数下的太阳光谱辐照度分布的方法。首先将数据集通过Mini-Batch-Kmeans算法聚类并标签化,利用Python平台搭建ANN算法模型并对数据集进行训练,从而获得该气象条件下的太阳光谱辐照度分布。结果表明,相对于其他机器学习算法模型,提出的ANN算法具有更好的误差评估参数表现以及更稳定的预测性能。此预测模型可运用于光伏器件的输出性能参数的计算,为光伏组件实际应用中预测发电量输出和性能评估提供了便捷工具。