一种基于小波网络的自校正控制方法

依据小波的非线性逼近能力和神经网络的自学习特民生,提出了一种基于小波神经网络模型的自校正控制算法,文中系统由两个小波网络组成 ,分别实现未知对象的建模,仿真结果表明所提控制方法可行,效果较好。     

一种快速在线小波神经网络辨识算法

本文以小波理论的多分辨率分析为基础,分析了各种小波网络的频率特性,指出了由尺度函数和小波函数组成的多分辨率小波网络的优点.针对多分辨率小波网络,本文提出了一种在线辨识算法.该算法,当增加样本和新神经元时,在线修正网络权值,同时通过正交化在线优选神经元,达到优化网络结构和网络权值的目的,训练速度快,辨识精度高.仿真结果表明了该算法的有效性.     

基于小波神经网络建立虚拟仪器非线性软校正模型

神经网络具有良好的学习特性,小波变换有良好的时频局部化性质,将二者结合在一起构成小波神经网络兼有神经网络和小波变换的优点。本文提出了解决虚拟仪器系统非线性校正问题的小波神经网络算法。最后通过一个应用实例表明,采用小波神经网络建立软校正模型,不仅可以使系统获得高精度,而且在相同的误差条件下,其收敛速度也要远远快于传统的BP神经网络。     

基于小波神经网络建立虚拟仪器非线性软校正模型

神经网络具有良好的学习特性,小波变换有良好的时频局部化性质,将二者结合在一起构成小波神经网络兼有神经网络和小波变换的优点.本文提出了解决虚拟仪器系统非线性校正问题的小波神经网络算法.最后通过一个应用实例表明,采用小波神经网络建立软校正模型,不仅可以使系统获得高精度,而且在相同的误差条件下,其收敛速度也要远远快于传统的BP神经网络.     

二进离散小波神经网络在传感器逆向建模中的应用

给出了快速收敛的离散二进小渡神经网络的初始化．构造和权值确定的详细方法。并将这类小波神经网络应用于传感器的非线性校正，并给出了仿真实验结果。相对使用随机贪心算法训练的神经网络，快速收敛小波神经网络利用离散二进小波变换的便利，采用启发式的构造算法；具有构造过程复杂度低，构造完成后高度接近目标模型，训练次数少，并可有效避免陷入局部极小点的优点。有效解决了小波神经网络尺度和平移系数在训练时需对小波函数进行求导而影响网络收敛速度的问题。     

二进离散小波神经网络在传感器逆向建模中的应用

给出了快速收敛的离散二进小波神经网络的初始化,构造和权值确定的详细方法。并将这类小波神经网络应用于传感器的非线性校正,并给出了仿真实验结果。相对使用随机贪心算法训练的神经网络,快速收敛小波神经网络利用离散二进小波变换的便利,采用启发式的构造算法;具有构造过程复杂度低,构造完成后高度接近目标模型,训练次数少,并可有效避免陷入局部极小点的优点。有效解决了小波神经网络尺度和平移系数在训练时需对小波函数进行求导而影响网络收敛速度的问题。     

基于遗传小波神经网络的压力传感器的非线性校正研究

为了消除压力传感器受非目标参量的影响而呈现的非线性特性,利用小波神经网络来完成压力传感器的非线性校正.利用遗传算法对小波神经网络权阈值优化,以提高网络精确度和训练速度,设计了遗传优化小波神经网络,将该网络用于压力传感器的非线性校正.仿真结果表明该方法能有效消除非目标参量对传感器输出结果的影响.压力传感器的精度和准确度都得到提高.该系统不但可以用于各类传感器的非线性校正,还可用于其它类似系统.且设计、实现简单,适于工程应用,具有实际应用价值.     

一种用于神经网络训练的隐节点校正算法

误差反传算法被广泛用于多层前馈神经网络的训练，但该算法的收敛性问题并没有解决，这导致训练后的网络泛化能力一般很差，本文研究了这一问题，并基于神经网络映射定理提出了一种用于训练网络逼近单输出函数的隐节点校正（ＨＮＲ）算法，这在神经辨识领域是有用的，因为大多数工业对象都是输入单输出的，我们对ＨＮＲ算法的收敛性和泛化能力作了理论上的研究，仿真实验和催化重整过程建模中的应用实例表明该算法在一定条件下具有很     

一种用于非线性函数逼近的小波神经网络

提出一种用于非线性函数逼近的小波神经网络，给出了网络的参数训练方法。从信息熵的概念出发，改进了网络参数训练的目标函数，并利用引入动量项的最速下降法训练网络权值、尺度因子和平移因子。仿真实验表明，该小波神经网络用于非线性函数逼近时优于同等规模的BP网络，且其训练方法亦具有收敛速度快、逼近精度高等优点。     

基于快速BP算法的非线性系统神经网络自校正控制器

提出了对于一大类未知,不确定,时变单输入单输出离散非线性系统,利用三层BP网络,采用快速BP算法构成学习和自校正控制的方案,针对同一被控对象,设计了PID控制器,仿真结果表明本文所提出的神经网络自校正控制的优越之处。     

无线可充电传感器网络高效在线充电算法

在无线可充电传感器网络中,传感器节点的电池寿命是决定整个传感器网络生命周期的重要因素之一,而移动充电车可有效地为传感器节点提供电量补给。在动态请求(On-Demand)的无线可充电传感器网络中,研究充电车移动耗能和充电周期内总电量两个约束条件下的充电传感器数量最大化问题。针对该问题建立非线性整型数学模型,并提出一个基于贪心策略的在线算法。该算法在每个充电周期内,充电车依次选择距离最近的传感器节点进行充电。基于聚类思想,提出另一个在线算法。该在线聚类算法利用解决旅行商问题的最小生成树算法,使得充电车在每一个类中的充电路径构成一条回路的同时,减少移动耗能。实验结果表明,在线贪心算法、在线聚类算法得出的充电传感器数量分别占充电请求总数的67%与76%。     

小波包熵和BP神经网络在意识任务识别中的应用

探索了小波包熵和BP神经网络在识别左右手想象运动中的作用.采用脑-机接口2003竞赛中Graz科技大学提供的脑电数据,计算C3、C4电极8～16Hz频带脑电信号的小波包熵,将其作为反应想象左右手运动的特征量,用BP神经网络对大脑想象左右手运动任务进行分类,最大分类正确率可达88.57%,与使用线性判别式算法分类结果相比,效果更好.脑电信号小波包熵随时间的变化与事件相关去同步和事件相关同步现象相一致,可在线识别左右手想象运动,为大脑运动意识任务的特征提取及肢残患者的临床康复提供了新思路.     

一种免疫粒子群优化算法及在小波神经网络学习中的应用

粒子群优化算法是一类简单有效的随机全局优化技术。受生物体免疫系统抗体多样性保持机制的启发,将抗体多样性保持机制引入到粒子群优化算法中,并给出了一种免疫粒子群优化算法。该算法在保留高适应度粒子的同时,确保了粒子的多样性,从而改善了粒子群优化算法摆脱局部极值点的能力,提高了算法的收敛速度和精度。该算法应用于函数优化和小波神经网络学习的计算机仿真,结果表明该算法有良好的收敛性能。     

整数小波变换和EZW编码在基于ROI图像渐进传输中应用研究

整数小波变换能够克服浮点数小波变换所带来的缺陷,是一种真正意义上的无损可逆小波变换,基于整数小波变换的EZW编码是一种嵌入式编码技术,能够有效地应用于图像的压缩与渐进传输.介绍了整数小波变换和EZW编码的工作原理,然后将它们应用于ROI图像压缩与渐进传输,并给出了实验结果.     

考虑不同潜伏期的异质传感网络恶意程序传播建模与分析

为了更加准确地揭示恶意程序在异质传感网络中的传播规律,考虑异质传感器节点的移动性,基于扩展经典传染病理论而提出具有不同恶意程序潜伏期的延迟HSEIRD(Heterogeneous Susceptible-Exposed-Infected-Recovered-Dead)模型.计算得出该模型的稳定点,并使用下一代矩阵算法,得到该模型的基本再生数.进行数值模拟,以验证不同恶意程序潜伏期和自由移出率对异质传感网络稳定性的影响.     

基于小波神经网络的HRTFs逼近与声频仿真

头部相关传递函数是指从声源到耳鼓的谱滤波器,它因提取了声源的方位信息,所以在声频仿真中,它是非常重要的立体听觉定位曲线。由于ＨＲＴＦｓ随声源的相对位置、频和听觉对象不同而变化,并与其自变量之间还存在着非常复杂的非线性关系,所以三维声音仿真的实现需要处理庞大的ＨＲＴＦｓ的数据。     

基于小波分析与RBF神经网络的甘蔗制糖结晶过程预测

本文针对甘蔗制糖结晶过程中由于传感器失灵 引起的变量及参数不可测的问题，建立一个甘蔗制糖结晶过程的RBF（径向基函数）神经网 络模型，该模型把小波分析和RBF神经网络紧密结合起来．实验结果表明该模型能达到逼近 实际煮糖过程的目的．     

FFT网络的有效并发错误检测,定位和 纠错

本文通过将ＦＦＴ网络划分为三个部分且基于已有的设计提出了修正容错ＦＦＴ网络的设计方案。与原来的方案相比，修正的设计方案不仅具有相同的硬件开销率、延迟开销率、吞吐量和故障覆盖，而且可进行更快的故障定位和纠错。对于故障定位，Ｊｏｕ和Ａｂｒａｈａｍ的方案需一次重算和ｍ－１次比较，Ｏｈ和Ｙｏｕｎ的方案需一次重算和ｌｏｇ２ｍ次比较，而我们的方案只需一次重算而无需任何比较，其中ｍ为输出序列中存在错误的分量的个     

双总线结构工业控制计算机网性能指标评估

本文对双总线结构工业控制计算机网给出了其Ｐｅｔｒｉ网和高级Ｐｅｔｒｉ网的建模及性能指标评估方法。文中考虑了信包缓冲区容量有限、信包最大允许服务时间有限、不同的站点优先级和系统总线故障率等因素影响下的网络性能指标评估问题。克服了以往对网络性能评估的某些局限。本文讨论了带计数禁止弧的高级随机Ｐｅｔｒｉ网（ＨＤＳＰＮ）的特性，并对给出的ＤＳＰＮ模型进行了仿真计算，对影响网络性能的系统指标进行了讨论。     

二次演化建模在实时仿真中的应用

遗传程序设计在复杂系统的建模中表现出智能性，自适应性等特点，它可以找出能描述系统的静态和动态过程一系列相关联的函数或微分方程，为描述复杂系统提供了一种有效的手段，针对传统的遗传程序设计方法的搜索效率低，所建模型的精度不高等缺点，提出了一种新的演化建模算法：二次演化建模，该算法引入人工智能中的系统公告板来公布最好的树及其子树，从而加速了优化过程，使之达到实时仿真的目的，并将其应用于描述一个实时仿真系统－－轮机仿真系统，并结合仿真系统的特点来指导遗传算法，减少其搜索的盲目性，实验的结果表明无论在算法的求解速度还是模型的精度上二次演化建模算法均优于传统的遗传程序设计方法。