基于神经网络的机器人决策系统

该文首先提出一个基于神经网络的水域机器人决策算法分析,然后通过一种与之适应的神经网络学习算法来寻找属性和抉择的对应关系,由此进行信息处理后的决策.基于神经网络的抉择系统有着比较良好的适应性.     

基于神经网络的网络时延预测

本文提出了利用RBF神经网络和Elman神经网络预测网络传输时延,运用Matlab软件对其预测进行仿真,结果证明RBF神经网络和Elman神经网络都能很好的预测网络时延,通过对比仿真结果分析,得出各自进行时延预测的适用条件.     

基于径向基函数神经网络的机器人系统辨识

介绍了一种三层径向基函数神经网络,其学习算法采用正交最小二乘算法.首先根据正交最小二乘算法得到径向基函数神经网络的结构;然后对该网络的权值进行训练使它逼近给定的函数.为了验证径向基函数神经网络所具有的对任意非线性映射的任意逼近能力和自学习、自适应能力,以两关节机械手为辨识对象来进行实验研究.实验结果表明,该径向基函数神经网络具有良好的模型学习和逼近能力,并且学习速度快、收敛性好、鲁棒性强,尤其适合于具有连续线性与非线性对象的复杂系统的控制实时性要求.     

基于BP神经网络修正的自适应Singer模型

针对传统Singe模型在跟踪机动目标时存在稳态误差以及模型时加速度的先验统计量存在依赖等缺点,提出了基于BP神经网络修正的自适应Singer模型.该模型的样本数据选用卡尔曼滤波状态量中的加速度估计量,采用Burg算法估计加速度的功率谱密度,并利用BP神经网络时谱估计结果进行修正,进而导出当前统计模型下的Singer模型的参量.Simulink仿真结果表明.该模型能够克服传统Singer模型跟踪机动目标性能差的缺点,并且模型在收敛之后不再依赖加速度的先验统计量.     

基于量子小波神经网络的传动装置模式识别

针对传统神经网络收敛精度低,以及用于故障模式识别能力差的问题,提出了将量子神经网络与小波理论相结合的量子小波神经网络模型.该模型隐层量子神经元采用小波基函数的线性叠加作为激励函数,给出了网络学习算法,并以某型传动装置监测信号的小波能量谱为训练样本,识别传动装置带有缺损的齿轮故障征兆.仿真结果表明,量子小波神经网络能够提高神经网络训练精度和故障征兆识别精度.     

基于神经网络的空气质量采集系统的设计

空气质量采集对空气清新器的管理和控制起着制技术,本文提出一种新的空气质量信息采集系统设计方法.该方法利用多传感器力求准确采集空气质量信息,并通过神经网络建立起空气质量的预测模型,该预测模型的建立有助于空气清新器控制策略的优化.     

基于遗传神经网络热轧带钢卷曲温度预报系统

带钢冷却过程的热交换是非常复杂的多变量、非线性、强耦合、大滞后的过程,难以用数学模型精确表达.提出了一种将遗传算法与神经网络结合起来,能够提高卷取温度预报精度的系统.利用热连轧现场生产过程中的实际历史数据,对预报带钢卷取温度的遗传神经网络进行离线学习和测试.结果表明,达到了卷取温度预报的精度要求,同时具有较快的收敛速度,能够满足在线实时控制的要求.     

基于自组织竞争优化结构的混沌系统建模

针对混沌系统建模引入模糊神经网络模型时隶属函数不具有自适应性,系统模糊规则数的确定有一定的人为主观性的问题,本文对模型参数进行遗传退火算法优化,然后利用自组织竞争网络优化模型结构,使模型具有最佳结构即最简单的模糊规则数;再对有最佳结构的模型进行参数优化,得到具有最佳结构和参数的建模模型。以一维的Logistic系统、二维的Henon系统和Mackey-Glass混沌时间序列为例进行仿真分析,结果表明模型能够拟合原混沌系统,精度良好而且结构最简。     

基于粒子群的模糊神经网络交通流量预测

实时准确的交通流量预测是智能交通诱导和交通控制实现的前提和关键.针对城市交通流的特点, 本文建立了模糊神经网络模型预测短时交通流量,并采用全局优化的粒子群算法优化模糊神经网络的参数.仿真结果表明该模型能够取得比梯度下降法更高的预测精度.     

基于BP神经网络对NMR的预测模型

天然产物尤其是海洋天然产物是目前国内外药物学家研究的重点.一维核磁数据(1H NMR和133C NMR)在天然产物结构确定中具有重要地位.本文首次将反向传播(BP)神经网络理论应用于13C NMR对1H NMR化学位移值的预测.通过对初始数据进行预处理,使其适应BP神经网络学习的要求,然后建立基于BP神经网络的1H NMR的数据预测模型.采用实际数据对模型进行验证.计算结果表明人工神经网络的BP算法可以用于天然产物一维核磁数据的预测.     

基于句向量和卷积神经网络的文本聚类研究

针对文本聚类时文本特征维度高,忽略文档词排列顺序和语义等问题,提出了一种基于句向量（Doc2vec）和卷积神经网络（convolutional neural networks,CNN）的文本特征提取方法用于文本聚类。首先利用Doc2vec模型把训练数据集中的文本转换成句向量,充分考虑文档词排列顺序和语义;然后利用CNN提取文本的深层语义特征,解决特征维度高的问题,得到能够用于聚类的文本特征向量;最后使用k-means算法进行聚类。实验结果表明,在爬取的搜狗新闻数据上,该文本聚类模型的准确率达到了0.776,F值指标达到了0.780,相比其他文本聚类模型均有所提高。     

基于语义网络的神经网络系统

文章通过分析语义网络知识表示及神经网络研究的各自特点与现状,提出了将基于语义网络的知识表示方法引入神经网络知识处理中的设想,并作了一些初步的探讨。     

基于神经网络的复句判定及其关系识别研究

复句是自然语言的基本单位之一,复句的判定及其语义关系的识别,对于句法解析、篇章理解等都有着非常重要的作用。基于神经网络模型识别自然语料中的复句,判断其复句关系,构造复句判定和复句关系识别联合模型,以最大程度地减少误差传递。在复句判定任务中通过Bi-LSTM获得上下文语义信息,采用注意力机制捕获句内跨距离搭配信息,利用CNN捕获句子局部信息。在复句关系识别任务中,使用Bert增强句子的语义表示,运用Tree-LSTM对句法结构和成分标记进行建模。在CAMR中文语料上的实验结果表明,基于注意力机制的复句判定模型F1值达到91.7%,基于Tree-LSTM的复句关系识别模型F1值达到69.15%。在联合模型中,2项任务的F1值分别达到92.15%和66.25%,说明联合学习能够使不同任务获得更多特征,从而提高模型性能。     

一种基于神经网络模型的句子排序方法

句子排序是多文本摘要中的重要问题,合理地对句子进行排序对于摘要的可读性和连贯性具有重要意义。该文首先利用神经网络模型融合了五种前人已经提出过的标准来决定任意两个句子之间的连接强度,这五种标准分别是时间、概率、主题相似性、预设以及继承。其次,该文提出了一种基于马尔科夫随机游走模型的句子排序方法,该方法利用所有句子之间的连接强度共同决定句子的最终排序。最终,该文同时使用人工和半自动方法对句子排序的质量进行评价,实验结果表明该文所提出方法的句子排序质量与基准算法相比具有明显提高。
     

基于卷积神经网络的自适应权重multi-gram语句建模系统

如今信息量呈爆炸式增长,自然语言处理得到了越来越广泛的重视。传统的自然语言处理系统过多地依赖昂贵的人工标注特征和语言分析工具的语法信息,导致预处理中语法信息的错误传递到系统训练和预测过程中。因此,深度学习的应用受到了学者们的关注。因为它能实现端对端预测并尽可能少地 依赖 外部信息。自然语言处理领域流行的深度学习框架为了更好地获取句子信息,采用multi-gram策略。但不同任务和不同数据集的信息分布状况不尽相同,而且这种策略并没有考虑到不同n-gram的重要性分布。针对该问题,提出了一种基于深度学习的自适应学习multi-gram权重的策略,从而根据各n-gram特征的贡献为其分配相应的权重;并且还提出了一种新的multi-gram特征向量结合方法,大大降低了系统复杂度。将该模型应用到电影评论正负倾向判断和关系分类两种分类任务中,实验结果证明采用的自适应multi-gram权重策略能够大大改善模型的分类效果。     

基于句子选择的关键短语生成

关键短语生成是一个能从长文档或者文献中捕获中心思想的实用任务.先前的神经关键短语生成方法基本只注重词级别的信息而忽略文档结构.该文提出了一个句级选择网络(sentence selective network,SenSeNet)用于关键短语生成.该模型重点关注文档的句子结构信息,通过学习句子隐式表示来判断其是否有可能生成...     

基于神经网络的多等级报警系统

设计了一种基于神经网络的多等级报警系统。系统采用了多个传感器与布尔神经网络算法的结合,通过汉明距离扩展化简布尔BP神经网络使其便于硬件实现。神经网络和多等级报警的应用降低了系统的误报率和漏报率,而且系统与网络结合提高了应对多种环境的检测能力。实际测试表明了系统性能稳定,易于实现。     

基于神经网络的专家系统

针对专家系统知识获取的“瓶颈问题”和神经网络知识表达的“黑箱结构”问题,提出将专家系统与神经网络技术集成,达到优势互补的目的。利用神经网络优良的自组织、自学习和自适应能力来解决专家系统知识获取的困难。提出了基于神经网络专家系统的结构模型,知识表示方式以及推理机制等。     

基于专家系统和神经网络的网络入侵检测系统

研究网络安全问题,网络入侵方式具有多样性和不确定性,当前大多数入侵检测系统检测正确率低,误报和漏报率高的缺陷。为了提高网络入侵检测正确率,保证网络安全,提出一种基于专家系统和神经网络的智能入侵检测系统。首先采用专家系统对已知网络入侵进行检测,然后采用神经网络对专家系统不能发现的未知网络入侵进行检测,最后利用神经网络检测结果对专家系统规则库进行更新。采用网络入侵检测数据库KDD CUP 99进行仿真,结果表明,智能入侵检测系统提高了网络入侵检测的正确率,有效降低了网络入侵的误报率和漏报率,为网络入侵提供了一种新的有效的检测工具。     

基于过程神经网络的污水处理软测量算法研究

过程神经网络是传统神经网络的拓展,它的输入是与时间有关的函数和过程。过程神经元增加了一个对于时间的聚合算子,使网络同时具有时空二维信息处理能力。从而更好地模拟了生物神经元的信息处理机制。污水处理过程是一个与时间有关的过程,将过程神经网络引入到污水处理软测量中是一种新颖的软测量预测算法。在对基于正交基展开的过程神经网络算法的污水处理软测量仿真研究的基础上,通过分析原网络收敛速度慢等问题,借鉴传统BP的改进算法,在原算法的基础上提出两方面的改进,仿真取得较好的训练结果。