一种改进的BP人工神经网络模型

针对人工神经网络 BP 模型在实际应用中会遇到一些问题。该文指出了 BP 神经网络模型结构和算法的一些不足,并针对 BP网络模型算法存在的局部极小问题、BP 网络学习速度较慢以及 BP 模型网络结构训练过度和降低网络归纳能力等问题提出了引入规则、选择激发函数和转换函数、采用隐含神经元以及改变网络拓扑结构等一些改进措施,对于提高 BP 模型在实际应用中的效果具有重要意义。通过实际应用,证明了改进后的算法是行之有效的。     

非线性时间序列的重构及预测

采用自适应前馈网络算法(AFN)进行非线性时序预测，对网络结构设计进行详细的探讨，并应用该方法对经典非线性时间序列数据进行预测，与传统预测方法(TAR)比较，结果证明此种方法具有较好的效果，网络的结构得到了简化。不仅满足了误差目标的要求，而且提高了网络的推广能力。且AFN方法可以对时间序列数据间的关系给出一种基于贡献率的解释。     

Prediction of the Performance of the Fabrics in Garment Manufacturing by Artificial Neural Network

An artificial neural network is used to predict the performance of fabrics in clothing manufacturing. The predictions are based on fabric mechanical properties measured on the FAST system. The influences of the different ANN‘s construct on the convergence speed and the prediction accuracy are investigated. The result indicates that the BP neural network is an efficiency technique and has a wide prospect in the application to garment processing.     

基于人工神经网络的案例检索与案例维护

传统的案例推理系统中,案例检索和案例维护作为两个相互独立的任务分别考虑。而对于案例维护以案例库为纽带,直接为案例检索服务的内在联系没有充分研究。在分别论述案例检索、案例维护,以及人工神经网络在案例推理系统中的应用研究现状基础上,进一步探讨了采用人工神经网络方法实现案例检索和案例维护的整体设计方案,并阐述了其中技术细节。最后,以某产品设计应用为背景,设计并实现了一个反向传播神经网络作为案例检索和案例维护方法,验证了结论的正确性。     

基于前馈BP网的倒立摆控制

本文分析了直线一级倒立摆的受力情况,建立状态空间数学模型,构造4输入1输出的三层前馈BP网络.运用引入动量项的改进BP算法对网络进行训练,并将这一网络对倒立摆进行实时控制.实验结果表明BP算法具有算法精度高,实现快,鲁棒性好等优点,应用前景广阔.     

微观交通流仿真跟车行为ANN模型研究

微观交通流研究中的车辆跟驰模型是交通仿真的一个基本模型,由于实际道路上驾驶员信息的获取困难,建立的车辆跟驰模型难以标定或验证.应用人工神经网络和五轮仪试验系统获取的城市道路车辆跟驰数据,建立了车辆跟驰行为的神经网络模拟模型.     

BPANN在仪表线性化中的应用

讨论了传感器、仪表利用软件实现线性化的优点及反向逆传播人工神经网络(BPANN)的构成，研究了半导体热敏电阻(SCTR)线性化的BPANN方法，并用MATLAB具体实现，得到了SC—TR的线性特性．用插值法检验了该方法的有效性。     

流动注射分析人工神经网络同时测定Fe（Ⅱ）和Ni（Ⅱ）

应用流动注射分析(FLA)-吸光光度法技术对含有Fe(Ⅱ)和Ni(Ⅱ)的体系进行检测，用人工神经网络对检测结果进行处理，不经分离同时测定了混合体系中的Fe(Ⅱ)和Ni(Ⅱ)，铁和镍分别在0.10-7.5μg／L呈线性。结果令人满意．     

人工神经网络构造经济预测模型方法的探讨

探讨利用人工神经网络建立经济模型的一般原理和方法,并通过构造一个宏观经济模型的实例加以说明.与传统的回归分析方法相比,人工神经网络具有良好的适应性和分析预测能力.     

基于遗传算法的人工神经网络优化设计

提出遗传算法新的编码方案，用于全局优化神经网络拓扑结构和权值参数，解决了神经网络拓扑结构的难确定性和权值训练的长时性问题，并且在遗传操作中采用自适应代沟的替代策略，改善其求解效率，获得了良好的优化结果。通过仿真实验显示了该算法的快速性和有效性。