连续双向联想记忆模型的稳定性分析

对于连续型Ｈｏｐｆｉｅｌｄ模型的平衡态特征，目前人们已经得到了很多富有意义的成果，本文说明，连续Ｈｏｐｆｉｅｌｄ模型的大部分结论都可以推广到连续双向联想记忆模型，我们重点讨论了平衡态条件、渐近稳定性以及围绕一稳定平衡点的吸引域等问题，所得到的结论对于ＢＡＭ的设计和应用都是很有意义的。     

基于ANN实现的供应需求预测方法

基于人工神经网络技术，建立了后勤供应需求的网络预测方法，并以某区域高校后勤保障需求为例，给出了后勤供应需求预测的步骤与实现过程。     

虚拟产品方案设计RQ评估模型关键技术研究

产品设计方案RQ评价模型是虚拟原型逼真设计模型实现的重要模块之一,建立RQ评估模型的目的就是要寻求一种满足用户需求的最佳设计方案,本文对用户满意度的计算模型进行了研究,建立了基于神经网络(ANN)的设计方案RQ评估模型,对设计方案的RQ进行评估,该模型已应用于仪表新产品开发决策支持系统中。     

基于模糊神经网络对经济的聚类分析

在现实生活中具有同等人力资本的劳动者在不同的生产力环境下的经济贡献率是不同的 ,有时甚至不可比较的。利用人工神经网络 (SOM网络 ) ,通过 Matlab语言编程 ,根据技术进步增长率对整个经济进行模式分类。分类的结果是大致把 2 9个省市分为 6个类 ,反映了各地区的经济与技术进步增长率情况     

An artificial neural network model for the effects of chicken manure on ground water

In the areas where broiler industry is located, poultry manure from chicken farms could be a major source of ground water pollution, and this may have extensive effects particularly when the farms use nearby ground water as their fresh water supply. Therefore the prediction the extent of this pollution, either from rigorous mathematical diffusion modeling or from the perspective of experimental data evaluation bears importance. In this work, we have investigated modeling of the effects of chicken manure on ground water by artificial neural networks. An ANN model was developed to predict the total coliform in the ground water well in poultry farms. The back-propagation algorithm was employed for training and testing the network, and the Levenberg-Marquardt algorithm was utilized for optimization. The MATLAB 7.0 environment with Neural Network Toolbox was used for coding. Given the associated input parameters such as the number of chickens, type of manure pool management and depth of well, the model estimates the possible amount of total coliform in the wells to a satisfactory degree. Therefore it is expected to be of help in future for estimating the ground water pollution resulting from chicken farms.     

人工神经网络在组织网络化发展评价中的应用*

通过对给定样本模式的学习,构建的三层神经网络模型能够获取评价专家的经验、知识、主观判断以及对目标重要性的权重协调能力,较好地保证评价结果的客观性.实例证明,人工神经网络方法应用于组织网络化发展评价是可行和有效的.     

基于生物启发计算的警用流动人口分析系统

目前对流动人口的管理仅停留在数据查询比对和简单统计上,缺少对数据的深层次分析,难以对决策指挥提供支持。针对流动人口的分析问题,提出了构建一个基于生物启发计算的智能分析系统,用于发现流动人口中各类人员的流动模式以及流动人口的趋势性问题,找出异常的流动信息和模式。该系统综合运用了前沿的生物启发计算技术——基于多层染色体基因表达式编程算法、重叠基因表达进化算法、基于概念相似度神经网络分类模型和层次距离计算的聚类算法搭建了一个警用流动人口的分析平台。同时根据实际需求,提出了一种新的基于智能分析结果的分级报警模型。实验表明系统具有较高的性能和实用性。     

基于PFEA、ANN和GA的U形件成形板料形状优化

将参数化网格划分系统ParaMesh和网格模型转换接口程序应用于参数化有限元分析(PFEA)和优化设计之中。通过ParaMesh建立了参数化有限元模型并进行参数化有限元分析。把人工神经网络(ANN)和遗传算法(GA)相结合进行优化设计,研究了U形件翻边成形中的板料形状优化。利用优化的结果值进行验算,获得了良好的成形件,表明基于PFEA、ANN和GA进行成形板料形状优化是可行的。     

基于人工神经网络的结构钢回火后力学性能预测

利用多层前向神经网络，使用B－P算法对结构钢回火性能预测进行了研究。通过利用99种钢450余组训练数据样本对神经网络进行训练，建立了结构钢回火后的力学性能与金属成分和回火温度之间的隐性函数。并针对训练用样本不足的问题，设计了为网络提供自学功能软件，在钢完全淬透的前提下，用此神经网络模型可在一定精度范围内预测结构钢的回火力学性能。     

Time series forecasting by neural networks: A knee point-based multiobjective evolutionary algorithm approach

In this paper, we investigate the problem of time series forecasting using single hidden layer feedforward neural networks (SLFNs), which is optimized via multiobjective evolutionary algorithms. By utilizing the adaptive differential evolution (JADE) and the knee point strategy, a nondominated sorting adaptive differential evolution (NSJADE) and its improved version knee point-based NSJADE (KP-NSJADE) are developed for optimizing SLFNs. JADE aiming at refining the search area is introduced in nondominated sorting genetic algorithm II (NSGA-II). The presented NSJADE shows superiority on multimodal problems when compared with NSGA-II. Then NSJADE is applied to train SLFNs for time series forecasting. It is revealed that individuals with better forecasting performance in the whole population gather around the knee point. Therefore, KP-NSJADE is proposed to explore the neighborhood of the knee point in the objective space. And the simulation results of eight popular time series databases illustrate the effectiveness of our proposed algorithm in comparison with several popular algorithms.