混合FLN－Lagrange松驰法用于机组最优投入

本文提出用混合函数链网络与Ｌａｇｒａｎｇｅ松驰法解机组最优投入问题．基于神经网络的监督学习和自适应模式识别概念，ＦＬＮ被用来预测负荷需求与Ｌａｇｒａｎｇｅ乘子之间的关系．为了证实这一方法的有效性，一个具有１６台电机组的实际系统被测试．数值计算结果表明系统发电总成本可获得最少，大大减少了计算时间．     

Predicting grinding burn using artificial neural networks

This paper introduces a method for predicting grinding burn using artificial neural networks (ANN). First, the way to model grinding burn via ANN is presented. Then, as an example, the prediction of grinding burn of ultra-strength steel 300M via ANN is given. Very promising results were obtained.     

人工神经网络在传感器数据融合中的应用

针对压力传感器对温度的交叉灵敏度，采用BP人工神经网络法对其进行数据融合处理。消除温度对压力传感器的影响，大大提高了传感器的稳定性及其精度，效果良好。     

基于神经网络的数模混合电路故障诊断模型设计

神经网络是智能故障诊断中运用最为广泛的诊断方法之一,能应对复杂数字电路和模拟电路故障诊断;基于VC++的神经网络诊断系统具有运算速度快、输入输出界面丰富、易于实现在线故障诊断等特点,而Matlab提供强大的神经网络工具箱,在网络训练方面有优势;利用参数文件将二者优势结合起来,可实现功能完善的数模混合电路智能故障诊断系统;诊断实例表明,使用该方法实现数模混合电路故障诊断系统,具有高建模速度和高诊断精度的特点。     

基于BP和统计的混合法前馈型神经网络及其应用

为避免ＢＰ算法本身易陷入局部极小值的缺陷,本文将具有新组合激活函数的ＢＰ法与传统的ＢＰ方法（标准和带动量项）分别与统计最优化方法相结合组成混合算法,将他们分别应用于天气预报和贷款之中,并进行了仿真比较,在预报准确率和学习速度方面获得了比较满意的结果．本模拟程序在Ｔｕｒｂｏ－Ｐａｓｃａ／６．０环境下编制,在ＩＢＭＰＣ３８６和４８６机器上调试通过并运行．     

考虑风力发电批特征的电力机组调度问题

电力机组组合问题是在给定的计划周期内确定火电、风电和蓄 电池机组的开关机状态及发电量, 以满足系统的负荷需求、旋转备用等约束要求. 为了降低风电在电网中的供电不稳定 性, 引入蓄电池储能系统与风机进行协调调度. 由于大数量风机的介入, 明显增加了问 题处理的难度和复杂性. 本文从一个新的视角 将相近物理位置的风机进行组批, 基于批的视角对问题建立了批模型. 为 了提高批模型的性能, 提出了批模型参数的变换方法. 根据问题的NP-难特征和模 型的复杂结构, 开发了拉格朗日松弛(Lagrangian relaxation, LR)算法进 行求解. 为了加速算法的求解效率, 提出了子 问题近似求解的代理次梯度的拉格朗日松弛算法. 实验结果表明, 提出的批模型明 显优于传统的单机模型. 基于批模型开发的拉格朗日松弛算法与CPLEX优化软 件相比, 能够在较短的时间内获得高质量的解.     

基于BP网络的照明控制仿真

与自然光相结合对室内光源和遮阳设施进行自动控制,可改善工作环境、提高工作效率并且节约能源。选择一间办公室作为实验样本,采集室内照度后用BP神经网络来建模,借助MATLAB神经网络工具箱训练,使室内照度达到预期要求。仿真结果表明可以满足要求。     

手写体汉字特征的抽取研究

本文采用结构方法研究汉字手写体识别。通过利用全新的防噪声技术,有效地抽取了规范手写体汉字的自然笔划并自动形成结构特征编码。最后,我们对基于人工神经网络的手写体汉字识别进行了初步探讨。     

进化数据分组处理算法研究进展

先对进化人工神经网络的理论研究和运用现状进行了分析,在此基础上,分别分析了各种进化数据分组处理算法研究的现状,最后结合进化数据分组处理算法研究现状提出了一些新的进化算法。     

神经网络结构的动态构筑方法

如何决定人工神经网络的适当规模,以往都是通过试探法实现,不但费时,而且无规律可循。文中基于神经网络的基本学习算法,构筑动态网络结构,使之更符合抽取的新的输入、输出特性。讨论了构筑动态神经网络的一种途径。学习是从最简单的网络(无隐含单元)开始,新的单元一步一步补充,直到网络给出一个满意的模拟值。