一种用神经网络建立加热炉模型的方法

加热炉是一个复杂的被控对象，通过神经网络建立加热炉模型，用实际数据对所建加热炉模型进行仿真。结果表明，用该方法所建的加热炉模型精度很高，绝对误差在允许范围之内，达到了实际应用的要求。     

BSB神经网络模型的动力学分析

在对称矩阵的基础上,对具有非对称权矩阵和具有一定的输入出关系的一类ＢＳＢ神经网络动力学模型进行了稳定性分析,得到了超立方体Ｈｎ的端点都是平衡点的充分必要条件,超立方体Ｈｎ的端点都是稳定平衡点的充分条件,以及一定条件下,超立方体Ｈｎ上,ＢＳＢ模型的平衡点,稳定平衡点,不稳定平衡点的数量及分布。     

双通道量子脉冲耦合神经网络

脉冲耦合神经网络(PCNN)在图像处理领域应用广泛,改进的双通道脉冲耦合神经网络(DPCNN)也在图像融合领域具有优异性能。为了将量子计算的优异并行性能与双通道脉冲耦合神经网络相结合,降低其算法复杂度,提出了双通道量子脉冲耦合神经网络(DQPCNN)。该模型使用量子逻辑门构建量子模块,如量子全加器、量子乘法器和量子比较器,构建了一个适用于DQPCNN的量子图像卷积模块,并采用这些模块完成DQPCNN所需的计算。通过仿真实验证明了DQPCNN的有效性,DQPCNN的复杂度与其他模型相比具有明显优势。     

基于脉冲耦合神经网络的目标特征抽取方法

为解决待识别目标的特征抽取问题,提出了一种脉冲耦合神经网络结合形状信息的图像混合特征抽取方法。该方法利用脉冲耦合神经网络将图像空域信号转化为时域信号的特性,结合物体形状信息,对图像的灰度和形状进行了统一描述。实验结果证明,该方法在一定程度上对物体的形变、平移、缩放不敏感,对目标识别系统是一种很好的特征抽取方法。     

基于MATLAB的神经网络的仿真

文章详细论述了利用MATLAB神经网络工具箱设计BP网络的方法和步骤.根据需要调用相关程序,从而避免了编写复杂而庞大的算法程序.     

时滞依赖的脉冲时滞神经网络的稳定性

基于Lyapunov泛函和不等式技巧,得到脉冲混合时滞神经网络全局指数稳定性的时滞依赖型判据,其中混合时滞包括离散时滞和分布时滞两种类型。该判据用线性矩阵不等式表示,并通过一个数值实例验证了判据的有效性。     

基于活跃度的脉冲耦合神经网络的苹果腐烂分割方法

基于现有的机器视觉技术,针对水果的腐烂检测受到水果形状、大小、颜色影响而提取困难的问题,以苹果为研究对象,在机械自动化采摘时提出基于信息融合技术的苹果腐烂识别检测方法,检测苹果腐烂区域以便后续进行自动化处理。为了较好地分割苹果腐烂部分,提出一种基于活跃度的脉冲耦合神经网络图像分割算法,选择采用两个位置像素的联合概率密度定义的灰度共生矩阵,不仅描述了像素灰度信息,还描述了灰度空间分布信息,可以有效用来度量图像的复杂程度,较好地实现苹果腐烂分割。应用结果表明,采用改进的脉冲耦合神经网络图像分割算法较好地实现了苹果腐烂区域检测。     

基于脉冲神经网络的冷链制冷机结霜检测方法

针对传统基于图像处理技术的结霜检测方法难以对处于复杂生产环境的冷链制冷机组进行灵活且准确的检测,还易受光照、起雾等环境因素的影响而误判的问题,设计了一种基于脉冲神经网络的冷链制冷机结霜检测方法。该方法以制冷机图像为输入,自动检测制冷机蒸发器结霜区域的动态变化情况,修正因光照、起雾等干扰因素引起的异常,并以脉冲发放率累积值划分双阈值作为结霜程度的判断依据。在多个投入至生产环境的冷链制冷机上进行实验,结果表明所设计的脉冲神经网络能够在实际生产环境下自适应地对制冷机蒸发器的结霜区进行动态区域检测、划分的双阈值可准确判断蒸发器的结霜程度,检测效果良好,稳定性强,可为制定冷链制冷机组除霜策略提供可靠的除霜时刻依据。     

大数据分析的神经网络方法

大数据蕴含巨大的社会、经济、科学价值,已成为学术界与企业界关注的重点。其关键技术可划分为三大层次：数据平台、分析平台和展示平台,其中分析平台是大数据转化为价值的桥梁。一般来说,大数据拥有体量浩大（volume）、多源异构（variety）、生成快速（velocity）、价值稀疏（value）的“4V”特性,扩大了大数据的价值空间,同时也为大数据的分析技术带来巨大挑战。其中三大挑战比较显著,即多源异构大数据、大量非结构化数据存储、大数据价值稀疏且变化快。其三大核心科学问题为大数据的表达、存储和预测问题。由于传统的数据分析方法难以胜任,发展新的大数据分析方法势在必然。人脑是天然的大数据处理引擎。神经网络是一种模拟人脑大数据分析机制的计算方法,是目前大数据分析中最成功的方法。神经网络的研究主要包括：模拟大脑神经网络结构,构建神经网络结构模型;模拟大脑神经网络的记忆机制,发展学习算法。神经网络的研究历史历经波折。近年来,随着当代计算机计算能力的不断提升,基于神经网络的大数据分析方法取得了巨大成功,尤其是在各应用领域,如语音大数据分析、图像大数据分析、医学大数据分析等,引领了人工智能的发展。AlphaGo在人机围棋大战中获胜,引起了广泛关注。“大数据+神经网络”已成为驱动创新、推动社会发展和改变人类生产生活方式的一种重要力量。以大数据和神经网络为线索,回顾大数据的基本概念与关键技术,梳理神经网络研究的基本框架,可以发现它们之间默契切合、互相促进的关系。一方面,神经网络具有强大的特征提取与抽象能力,能够整合多源信息,处理异构数据,捕捉变化动态,是大数据实现价值转化的桥梁。另一方面,体量浩大的大数据为神经网络提供了充足的训练样本,使得训练越来越大规模的神经网络成为可能。尽管“大数据+神经网络”在众多应用领域已经取得了突破,但是,仍然存在需要解决的核心科学问题。面向神经网络的研究中,神经网络的结构尚需进一步研究,神经网络的大小依然缺少理论性的指导,神经网络的学习算法仍然存在一些内在的问题。围绕大数据分析的三大核心科学问题,需要研究如何保证在高维空间中稀疏表达仍可维持数据的一致性,如何实现“只存储知识而不存储原始数据”,如何刻画数据的时空关联以实现大数据的预测。因此,仍然需要对该领域持续投入,加强应用研究和理论研究,尤其应进行跨领域的研究,即与人脑的大数据处理相呼应,结合认知科学、神经科学等相关学科的知识,以解决神经网络和大数据应用中的核心科学问题,推动基于神经网络方法的大数据分析研究。     

神经网络控制系统的仿真研究

本文提出了一种基于神经网络预测控制新方法，并叙述了将其用于非性线系统控制的稳定性。计算机仿真结果表明，基于神经网络预测控制新方法响应速度快，鲁棒性好，可实现无静态余差，控制算法采用多值预估控制等价于单值预估控制的思想，使程序大为精练，占用内存少且计算速度快，可望能在非线性控制系统中在线实现。     

Evaluation of nitrate removal effect on groundwater using artificial neural networks

Considering the non-linear,complex and multivariable process of biological denitrification,an activated sludge process was introduced to remove nitrate in groundwater with the aid of artificial neural networks (ANN) to evaluate the nitrate removal effect. The parameters such as COD,NH3-N,NO-3-N,NO-2-N,MLSS,DO,etc.,were used for input nodes,and COD,NH3-N,NO-3-N,NO-2-N were selected for output nodes. Experimental ANN training results show that ANN was able to predict the output water quality parameters very well. Most of relative errors of NO-3-N and COD were in the range of ±10% and ±5% respectively. The results predicted by ANN model of nitrate removal in groundwater produced good agreement with the experimental data. Though ANN model can optimize effect of the whole system,it cannot replace the water treatment process.     

航天器电源模拟系统故障诊断的神经网络方法

BP算法的研制成功使神经网络达到了实用化程度。然而在实际工程中神经网络还没有起到其应起的作用,主要原因不在神经网络本身而在各领域的使用者未能把重点放在输出数据的前处理。根据航天器故障诊断的特点,提出了根据数据特点来构造前处理函数的改进的升半柯西数据归一方法。通过比较证明,采用这一归一方法可大大提高神经网络故障诊断系统的准确性。     

多时变时滞细胞神经网络的全局渐近稳定

研究了多时变时滞细胞神经网络的全局渐近稳定问题。给出了多时变时滞细胞神经网络平衡点唯一性和全局渐近稳定的几个新充分判据。所研究的网络模型扩展了现有的同类网络模型,而且所得到的这些新稳定判据考虑了神经元激励和抑制的影响,且能够表示成线性矩阵不等式的形式,易于用现有的内点算法等方法验证。通过2个注释说明了所得结果的有效性。     

Effects of channel blocks on the spiking regularity in clustered neuronal networks

In this paper,we discuss the influences of channel blocks on the spiking regularity in a clustered neuronal network by applying stochastic Hodgkin-Huxley neuronal models as the building blocks.With the aid of simulation results,we reveal that the spiking regularity of the clustered neuronal network could be resonantly enhanced via fine-tuning of the non-blocked potassium channel fraction xK.While the non-blocked sodium channel fraction xNa can enhance the spiking regularity of the clustered neuronal network in most cases.These results indicate that not only sodium channel blocks but also potassium channel blocks could have great influences on the regularity of spike timings in the clustered neuronal networks.Considering the importance of spike timings in neuronal information transforming processes,our results may give some implications for understanding the nonnegligible role of randomness in ion channels in neuronal systems.     

基于人工神经网络的超临界小火焰模型研究

为了解决超临界小火焰燃烧模型数据库过于庞大,导致计算机内存不足和取值性能下降的问题,提出使用人工神经网络（ANN）进行建库的超临界小火焰/过程变量模型FPV-ANN. 在先验性分析及在超临界水热火焰的大涡模拟计算中发现,FPV-ANN方法在温度、组分和其他目标变量的分布与传统FPV方法得到的结果吻合,说明FPV-ANN方法的准确性与传统FPV方法一致. 由于人工神经网络小火焰库大小只有传统库的1%,FPV-ANN方法在大规模并行计算中消耗更少的计算机内存. FPV-ANN方法的计算速度比传统FPV方法提升了30%. 可以看出,提出的FPV-ANN方法具有更好的计算性能.     

累计学习方式的神经网模型

本文论述了一种新的拓扑结构和学习方法的人工神经网(ANN).简单的结构和运算方法使得该模型易为大规模集成电路实现.累计训练大大地加速了学习过程,节省了训练时间,新模型具有扩充性,为验证其特点我们用这种新的人工神经网作为语音信号的矢量量化器,进行了计算机模拟.并将其结果与一般树寻法矢量量化编码的结果进行了比较,结果是令人满意的.     

人工神经网络与统计方法集成预测有机反应产率

在应用人工神经网络预测有机反应产率中,由于结合了统计方法,使人工神经网络易产生的随机性和过拟合作用造成的不利影响减小,从而提高了预测可靠性。     

Global stability of interval recurrent neural networks

The robust global exponential stability of a class of interval recurrent neural networks(RNNs) is studied,and a new robust stability criterion is obtained in the form of linear matrix inequality.The problem of robust stability of interval RNNs is transformed into a problem of solving a class of linear matrix inequalities.Thus,the robust stability of interval RNNs can be analyzed by directly using the linear matrix inequalities(LMI) toolbox of MATLAB.Numerical example is given to show the effectiveness of the obtained results.     

BP神经网络在织物风格评价中的应用

探索人工神经网络在织物风格评价中的应用,基于反向传播神经网络模型（BP）建立了四层网络系统基于算是 物风格信号,实验表明,经过学习训练,系统具有较强的自适应模式识 能力,可以有效解决织物风格评定问题。     

结构混合控制的神经网络方法

介绍结构混合控制的神经网络方法,以模型结构振动台实验记录为训练样本,训练一个作为控制器使用的多 前向ＢＰ网络来模拟结构的控制准则,并用来模拟未来作动器控制力的大小,训练另一个的神经网络来模拟混合结构控制系统,并用该网络预测结构未来的地震作用下的反应;最后进行数值仿真分析和实验分析的对比研究,结果表明人工神经网络可以在结构混合控制中发挥作用。