确定LSRBF神经网络隐节点数的单调指数法

针对仅利用训练样本输入信息进行非监督聚类来确定LSRBF神经网络隐层节点数存在的不足,本文提出了基于训练样本输入输出全部信息的修正单调指数法来确定LSRBF神经网络隐层节点数。实验结果表明,该方法是可行的。     

实现BP神经网络从理论到实践的跨越

BP神经网络理论研究集聚了大量优秀的研究人员,并取得了很大的成就,但由于BP网络的建模理论和实际应用问题建模条件之间存在实质性差异,有些理论研究成果不能直接应用于实际问题的建模研究中.本文主要针对如何确定合理的隐层节点数、避免出现"过训练"现象以及神经网络模型性能评价等问题进行分析与研究,构筑BP神经网络建理论与实际应用问题建模之间的桥梁,为建立可靠、合理的BP网络模型提供依据.     

故障诊断神经网络隐层结点数的优化方法

针对故障诊断神经网络隐层结点数过少或过多而造成的网络学习过程可能不收敛、网络泛化能力弱和网络容错性下降等问题,根据隐层结点对输出层输出影响的显著性差异,提出了一种在权值学习过程中动态的删除隐层冗余结点的优化学习方法．该方法在故障诊断神经网络实际应用中提高了收敛速度和诊断精度     

基于属性核特征选择与隐含层节点数动态确定的BP神经网络模型

针对传统BP神经网络存在的容易产生过拟合、网络计算耗时长等问题,提出基于属性核特征选择与隐含层节点数动态确定的BP神经网络模型(AC-H-BPNN).该模型以粗糙集中属性核为基点,通过属性重要度的判断,对神经网络输入项进行降维约简.针对隐含层节点数难以确定的问题,将二分分割法与经验公式相结合,精准确定隐含层节点数.并以...     

自动调整网络规模的前向神经网络

给出了时间频率子波神经网络模型。这种新模型不仅能根据学习样本调整网络的权值，而且能自动确定网络的规模，这样，在子波网络参数自适应的基础上，提出了结构自适应的新概念。同时，又通过改变作用函数类型，提出了一条确定神经网络规模的新途径，避免了网络设计中的盲目性。     

前馈式神经网络的最小二乘学习算法

通过对 Sigmoid 函数求逆,把非线性极值问题转化为线性方程组来处理,巧妙地避开了梯度,从而可以克服 BP 算法的一些缺点,提高了算法的收敛速度.同时采用最小二乘法来求解方程组,进一步提高了收敛速度.算法的计算过程为每次处理一个节点的所有前一层连接权,轮换处理,直到收敛到最小点.     

前馈式神经网络的最小二乘学习算法

通过对Sigmoid函数求逆，把非线性极值问题转化为线性方程组来处理，巧妙地避开了梯度，从而可以克服BP算法的一些缺点，提高了算法的收敛速度．同时采用最小二乘法来求解方程组，进一步提高了收敛速度．算法的计算过程为每次处理一个节点的所有前一层连接权，轮换处理，直到收敛到最小点．     

前馈神经网络新型综合算法

为了实时解决前馈神经网络学习过程中可能遇到的小残量问题和大残量问题,引入QuasiNewton优化算法,并与GaussNewton法相结合,构建基于GaussNewton QuasiNewton法的前馈神经网络.根据每次迭代的结果判断属于大残量问题还是小残量问题,进而选择采取GaussNewton迭代步或QuasiNewton迭代步.与基于最速下降法的经典前馈神经网络以及与基于GaussNewton法的前馈神经网络的对比实验表明,所构造的基于Gauss Newton QuasiNewton法的前馈神经网络较好地解决了残量问题,具有良好的收敛性和稳定性.     

BP神经网络结点数选取的改进方法及其应用

提出一种改进的隐含层神经元个数的选取方法．该方法基于隐含层神经元输出之间的相关关系,估计隐含层结点数,把隐含层结点的改进算法用于物种选取的实例中,通过MATLAB编程实现,并与回归分析做出的结果进行比较．结果表明,该方法对建立BP神经网络结构有一定的借鉴作用．     

人工神经网络中隐含层节点与训练次数的优化

目前构建定量构效关系人工神经网络模型中隐含层节点数和网络训练次数大多是依靠试验方法来确定，针对该方法运算工作量较大、模型质量和预测精度没有保证等问题，通过编写程序获得有关网络的预测精度和百分误差与网络隐含层节点数和训练次数之间关系的大量数据，采用Matlab语言分别绘制预测精度和百分误差与网络隐含层节点数和训练次数之间的三维关系图，从图中可以很容易判断出达到最佳预测精度和最小百分误差的隐含层节点数和训练次数。该方法和技术从根本上提高了选择人工神经网络隐含层节点数和训练次数方法的效率。     

神经网络技术在主蒸汽温度控制系统前馈中的应用

为了解决电厂主蒸汽温度系统的大迟延问题，提出了一种带神经网络前馈控制器的主蒸汽温度串级控制系统.通过对电厂主蒸汽温度的大迟延特性导致的控制难题的详细分析，提出合理设计的前馈控制作用能弥补反馈控制作用的不足,可以有效地解决大迟延系统的控制问题.文中根据电厂熟练运行操作员的实际操作经验和数据，在常规串级PID控制系统的基础上，增加设计了基于神经网络技术的前馈控制器.仿真结果表明，在机组发生负荷扰动时，主蒸汽温度的最大动态偏差降低了13.8％，调节时间缩短了17％，其调节品质明显改善.     

自适应子波神经网络数据挖掘方法

分析了人工神经网络所依据的生物学基础,探索改进与完善网络模型的途径,将子波与巳有的神经网络模型相结合,提出一种基于自适应子波神经网络的数据控制方法,并依此来构造数据挖掘过程的机器学习机制,以求提高对问题的处理能力,数据挖掘的仿真实例表明,与一般的人工神经网络相比,用自适应子波神经网络进行数据挖掘不仅是有效的,而且也是可行的。     

基于神经网络的PMLSM建模

永磁直线同步电动机 (PMLSM)是直线电机驱动的垂直运输系统的核心 ,它的模型的建立对于整个系统的控制与运行分析具有重要的意义 .利用BP算法 ,用C语言编制程序 ,实现了一个单输入层单输出层 4隐含层的神经网络 ,并用实验数据对网络学习训练 ,建立了PMLSM的模型 .通过实验验证 ,该模型的输出结果与实际结果十分接近 ,能够反映PMLSM的基本运动特性 ,因此这种模型可以作为PMLSM的仿真模型进行控制和运行特性的仿真研究 ,并且在进行控制时可以把这种模型作为系统的辩识模型进行预测控制 ,使控制效果更好 .这种模型的建立将为PMLSM的研究开辟出一条新路     

灰色预测GM（1,1）模型的Matlab实现

介绍了GM（1,1）模型的基本原理和建模步骤,利用Matlab实现了程序化、智能化的灰色预测GM（1,1）模型。通过实例验证了其能够快速、精确地进行计算,可以帮助工程人员对所得数据进行准确性分析和预测。