梯度神经网络实时求解线性方程组之收敛性分析

探讨归纳了一类用于在线求解线性方程组的梯度神经网络, 并且证明了该类梯度网络具有全局指数收敛特性, 而非以往提出的渐进收敛特性. 此外, 相对于使用线性激励函数的情况, 当使用幂S形激励函数时网络具有更好的收敛效果. 计算机仿真结果进一步验证了上述分析的准确性和该网络求解线性方程组问题的有效性.     

Hermite前向神经网络隐节点数目自动确定

从函数逼近论出发,构造了一类以Hermite正交基为激励函数的前向神经网络.在保证网络逼近能力的前提下,令其输入层至隐层的权值和各神经元阈值分别为1和0,导出了基于伪逆的隐层至输出层最优权值的直接计算公式.并针对Hermite前向神经网络,提出一种依照学习精度要求而逐次递增型的隐节点数自动、快速、准确的确定算法.对多个目标函数的计算机仿真和预测结果表明,该神经网络权值直接确定方法和隐节点数自动确定算法能很快地找到最优的隐节点数及其对应的最优权值,且网络具有较好的预测能力.     

多输入Sigmoid激励函数神经网络权值与结构确定法

结合伪逆直接计算得到神经元之间最优权值的方法,提出了一种双阶段自动搜索与确定最优网络结构的算法,克服了原有BP神经网络模型及其学习算法的固有缺陷。以函数逼近为例,计算机数值实验结果显示了算法有效且耗时短,证实了由该算法得到的网络对于多输入函数具有较优良的逼近(学习与校验)性能。     

Fourier三角基神经元网络的权值直接确定法

根据Fourier变换理论,本文构造出一类基于三角正交基的前向神经网络模型。该模型由输入层、隐层、输出层构成,其输入层和输出层采用线性激励函数,以一组三角正交基为其隐层神经元的激励函数。依据误差回传算法(即BP算法),推导了权值修正的迭代公式。针对BP迭代法收敛速度慢、逼近目标函数精度较低的缺点,进一步提出基于伪逆的权值直接确定法,该方法避免了权值反复迭代的冗长过程。仿真和预测结果表明,该方法比传统的BP迭代法具有更快的计算速度和更高的仿真与测试精度。     

权值与结构双确定法的RBF神经网络分类器

为了解决径向基函数(RBF)神经网络权值与结构难以确定的问题,基于权值直接确定法,及隐层神经元中心、方差、数目与神经网络性能的关系,提出一种边增边删型的网络权值与结构双确定法。在此方法基础之上,构建一种RBF神经网络分类器并探讨其分类性能和抗噪能力。计算机数值实验结果验证所提出的边增边删型的权值与结构双确定法能够快速、有效地确定网络的中心、方差和网络最优的权值与结构,所构造的模式分类器具有优越的分类性能和抗噪能力。     

重庆兴隆隧道在流固耦合作用下围岩稳定性研究

兴隆隧道位于重庆市渝北区，由于位于重庆的特殊地理位置，无论水库是否处于丰水期，隧道 下穿水库区段，存水量始终保持稳定。根据流固耦合原理，利用ＣＯＭＳＯＬＭｕｌｔｙｐｈｙｓｉｃｓ有限元软件对隧 道不同位置所承载的压力进行数值模拟计算。在现场实际测量结合公式计算得到隧道下穿水库段涌水 量，根据涌水量及水头高度得到隧道不同位置的受力情况，模拟结果表明在拱底位置围岩受力最大，其 次是拱腰处，受力最小为拱顶处。随着时间步的增加，不同位置的压力变化速率相同。并且对于水头高 度进行参数分析，发现随着水头高度的增加，隧道的受力增大。     

四季越野滑雪隧道建设围岩保温措施研究

针对我国首座四季越野滑雪隧道运营时洞室内常年负温会对围岩造成冻害现象，根据隧道的结构特殊性，将四季越野滑雪隧道视为一维圆筒壁模型，其传热方式分为两部分，分别为洞内负温空气与隧道衬砌的热传导以及衬砌与围岩部分的固体与固体之间的热传导。以１ａ为计算模型计算负温情况下温度积温计算热流量，分析保温隔热层的最佳位置及最适合保温隔热层厚度。结果表明:对于四季越野滑雪隧道选取０．０５ｍ厚度的带有阻燃材料的聚氨酯做为保温隔热层最适合，并且将保温隔热层敷设在隧道二衬表面效果最好。     

Padé有理式神经网络及其权值直接确定法

根据Padé近似理论,构造出一类前向有理式神经网络.该网络采用四层结构,其中第一层(输入层)和第三层采用线性激励函数,第二层采用幂激励函数,第四层(输出层)采用分数函数(或称除法函数)作为激励函数.依据梯度下降法思想,推导了其权值修正的迭代公式.针对迭代方法收敛速度慢、易陷入局部极小点等缺点,进一步推导出了基于伪逆的权值直接确定方法,该方法避免了冗长的迭代过程.仿真和预测结果均表明Padé有理式神经网络及其权值直接确定法具有较好的计算速度和更高的逼近与预测精度.     

切比雪夫神经网络权值与结构确定及其分类应用

本文提出一种可用于模式分类的新型的单输出切比雪夫(Single-Output Chebyshev-Polynomial)神经网络(简称SOCP网络)。基于SOCP网络,本文进而提出另一种可用于模式分类的多输出切比雪夫(Multi-Output Chebyshev-Polynomial)神经网络(简称MOCP网络)。为避免冗长的迭代学习过程,本文采用权值直接确定法一步获得网络的最优权值。另外,为使网络同时具备较好的拟合和泛化能力,本文提出四折交叉验证法用于确定网络适当的隐层神经元数目。结合权值直接确定法和四折交叉验证法,本文最终提出SOCP网络和MOCP网络相对应的权值与结构确定法。数值实验结果验证了所提出的SOCP网络、MOCP网络以及相对应权值与结构确定法的有效性,并且由该算法所确定的网络在模式分类的应用中具有很高的准确率和很强的鲁棒性。     

面向冗余度机械臂QP问题求解的E47和94LⅥ数值算法

冗余度机械臂的二次规划(QP)问题同时受制于等式约束、不等式约束和双端约束,且面向冗余度机械臂实时控制的该类QP问题的求解对运算实时性有较高要求.考虑同时受制于上述三种约束的二次规划问题的求解,给出并研究两种数值算法(E47和94LⅥ算法).这类带约束的二次规划问题被等价转换为分段线性投影方程.应用E47和94LⅥ算法求解上述分段线性投影方程,从而得到二次规划问题的最优数值解.同时,通过大量的数值实验,研究两种算法面向冗余度机械臂的QP问题求解性能,并给出E47、94LⅥ算法与经典有效集算法的对比实验结果.最终证实了E47和94LⅥ两种算法在求解二次规划问题上的高效性和优越性.