一类非线性系统迭代优化神经网络控制器

提出了一类非线性系统迭代优化神经网络控制器的设计方法,该是在正向神经网络辨识模型的基础上,应用迭代学习方法进行控制器设计。为了补偿辨识和迭代学习误差,给出了通过引入了反馈补偿控制器控制精度的方法,仿真结果证明了该方法的有效性。     

基于神经网络的眼底视杯图象分割技术

根据眼底图象中视杯的边沿特征,提出了一种基于ＢＰ神经网络的视杯分割方法,详述了这种方法的实现过程,并研究了ＢＰ学习算法的加速问题．实验证明,这种方法的分割效果较好．     

神经网络中误差反传算法的分析与改进

分析了ＢＰ网络存在的主要问题及其产生原因,提出了改进算法ＢＰＧ,以共轭梯度方向代替梯度方向进行搜索,并在学习过程中采用不精确的一维搜索、限幅和条件轮回等措施．计算机仿真结果表明：改进的ＢＰＧ算法优于原ＢＰ算法．     

Java语言与人工神经网络应用

从控制工程的角度,概括介绍了作为国际互联网的最新核心技术之一的Ｊａｖａ语言的特点和发展,并具体结合人工神经网络的仿真与实现,以实际例子论述其在科学研究中将发挥的巨大效用和带来的新思想．     

ATM广域网预测式流量控制方案

针对ＡＴＭ广域网的长时延特点,提出了一种预测式流量控制方案,通过预测各交换节点非受控业务流所占用的带宽,对各链路可获得带宽进行预测式分配;预测式方案结合本文作者提出的集中式流量控制机制,保证了带宽分配的公平性和链路利用的高效性;本文还在ＶＢＲ＋ＡＢＲ业务综合传输的情形下,进行了预测式流量控制方案的计算机仿真,仿真结果表明,本文的预测式算法具有带宽分配的公平性和链路利用的高效性,交换节点处缓冲队列很     

BP神经网络用于函数逼近的最佳隐层结构

研究采用反向传播算法的人工神经网络用于函数逼近时的支结构。方法,以典型的ｎ输入、单输出的多层ＢＰ网为例,在几种不同的网络隐层结构下对典的连续函数进行逼近训练。,分析各网络输出的全局误差。     

一种应用神经网络的实时语音增强方法

提出了一种用神经网络模型和信号子空间特征分解相结合进行语音增强的方法,该方法利用了神经网络并行处理、高速计算的能力和语音信号的短时平稳的特性．它既克服了传统的谱相减法中残留“音乐噪声”的缺陷,又可以实时、有效地增强语音,能够满足一些语音处理与识别系统的需要．     

神经网络在广义预测控制中的应用

利用ＢＰ神经网络技术把多变量系统解耦为单变量系统,并推导出基于ＡＲＭＡＸ模型的隐式ＧＰＣ算法。用此算法控制解耦后的系统。     

多类服务器计算机网络系统优化配置研究

采用马尔可夫排队网络,建立了具有多类服务器并考虑网络影响的基于Ｃｌｉｅｎｔ／Ｓｅｒｖｅｒ平台的计算机网络系统的数学模型,给出了有限源开环马尔可夫排队网络的稳态分布概率的一般解。在此基础上,推出系统负载指标的解析结果,分析、论证系统服务器负载均衡的条件,提出归一化的性能指标向量,建立系统优化目标函数,研究不同情形下的配置优化求解方法。     

基于神经网络的股市预测

本文研究了基于神经网络的股票预测方法．针对目前存在的问题,提出了联合Davidon最小二乘算法及遗传算法来综合训练网络结构和权值的新方法．经对上证指数的模拟预测表明,通过合理地选取参数,可获得满意的预测效果．