神经元网络在实验数据拟合中的应用

本针对实验数据曲线拟合中函数形式未知和函数形式已知、系数待定两种情况,提出了采用神经网络进行数据曲线拟合的方法,并分别以两个实例说明了所提出的方法的有关效性。     

神经网络技术在数据融合中的应用

在分析产生式系统与神经网络特点的基础上,介绍了一种如何将规则库转换为神经网络形式以及利用神经网络的学习能力和并行处理能力改善产生式系统的性能的方法．给出了一个在数据融合中应用该方法对雷达进行分类的例子．     

反馈神经网络在动态过程数据校正中的应用

以全混流反应器为例 ,对反馈神经网络在动态过程数据校正中的应用进行了研究 ,并对 Elman网络及其改进形式进行了比较。由校正结果得出 ,Elman网络引入自反馈后 ,能更好地反映系统的动态特性。     

神经网络数据融合在位移传感系统中的应用

温度漂移误差是位移传感系统的主要误差之一.为了提高位移传感器输出的精度与稳定性,可以把位移传感器的输出与温度传感器的输出进行数据融合.提出一种基于RBF网络(径向基函数神经网络)的多传感器数据融合方法,把位移传感器和温度传感器的输出送入融合中心,通过RBF网络的学习训练,得到稳定的位移输出.实验表明:在相同的温度波动情况下,位移传感器的输出稳定性比原来提高了约4倍.该方法在位移传感系统减小温度漂移的应用中十分有效.     

优化BP神经网络在非均衡数据分类中的应用

基于预处理结果将降噪BP神经网络方法应用于非均衡数据分类。通过SGD方法获取最小代价的函数损失值。引入学习率自适应更新方法对SGD方法中的学习率进行更新,给出非均衡数据分类流程,实现非均衡数据分类。     

模糊神经网络在雷达网数据融合中的研究

根据数据融合的原理,对雷达网数据融合问题提出了一种模糊神经网络模型,讨论了神经元感应场内模糊隶属度函数最大的WTA竞争机制和目标数据的重复融合问题。通过三目标数据关联的仿真实验,证明了该方法的有效性。     

神经网络在GPS高程拟合中的应用

讨论利用遗传算法(GA)、粒子群算法(PSO)来优化BP神经网络权值和阈值的原理;结合平坦地区的工程实例,研究二次曲面、BP、GA-BP与PSO-BP 4种拟合模型在GPS高程拟合中的应用.拟合结果表明:PSO算法优化BP神经网络精度效果优于GA算法优化BP神经网络精度,拟合误差更小.     

神经网络系统中的数据一致性算法

数据处理的步调一致是神经网络系统的重要问题.根据神经网络的特点,提出了新型的数据一致性算法.该算法的运行范围限制在请求神经元到根神经元之间,采用回溯方法寻找仲裁神经元,并采用逻辑时戳保证消息的时序性;算法采用残存树探测方法应对网络改造等问题.性能分析与仿真证明,该算法具有较低的消息复杂度、较短的响应延迟以及较好的容错性能.     

神经网络在流量计算中的应用

给出了基于神经网络的质量流量计算的方法，较好地解决了计算中参数方程的不确定性。并通过神经网络的建立、训练和仿真，比较了BP神经网络和Elman神经网络在差压式质量流量建模中的优缺点。最终得出，使用BP神经网络比较合适，能得出较好的实验结果。     

神经网络在地质数据统计分析中的应用

本文提出用人工神经网络来进行地质数据多变量统计分析,算例表明,方法有效且具有精度高,运算速度快,数字解稳定易于编程等显著特点,是地质数据分析中的一种有效方法。     

人工神经网络与液压设备故障诊断

介绍了人工神经网络用于液压设备故障诊断的基本原理与实现方法,并给出了诊断实例,结果表明昨用神经网络能有效地解决液压设备的故障诊断问题。     

图象重建的神经网络法

以平行射束扫描的 X射线 CT为例 ,提出一种运用 Hopfield人工神经元网络实现从投影中重建图象的方法 .首先将图象重建问题转化为最小范数准则下的优化问题 ,然后构造相应的 Hopfield神经网络模型 ,网络的稳态解 ,即为重建问题的解 ,计算机模拟实验结果证明了方法的正确性     

神经网络在汽车故障诊断中的应用

将神经网络应用于汽车故障诊断，给出了一种基于单层神经网络的汽车故障诊断方法，讨论了神经网络结构，相应的网络学习过程和应用实例。     

数据发现在地球化学数据处理中的应用

数据发现是机器学习中的归纳学习法,适用于定量数据的处理。在广东云浮－阳春地区的实践证明,此方法应用于地球化学数据的处理可加大数据的处理量,挖掘隐含在数据中的各参数间的相互关系及参数组合关系。增加已知模型的信息量,增强模式识别能力。     

刀具耐用度变动系数的BP神经网络预报技术

采用改进的ＢＰ算法，建立了刀具耐用度变动系数的神经网络预报模型．研究表明，该模型适合于描述刀具耐用度变动系数同切削条件参数之间复杂的非线性函数关系，并可以对不同切削条件下的刀具耐用度变动系数进行正确预报     

神经网络理论在汽车轮胎力学中的应用

利用ＢＰ神经网络对汽车轮胎的侧偏性进行分析和建模，并针对实际情况训练方法的改进。该文所用方法可用于汽车研究的其它方面，有助于汽车的非线性问题。     

T—F互补OCON子网组合式神经网络模型的应用研究

采用阴阳互补（T-F互补）网对结构于OCON子网之中，使OCON组合网在学习速度和识别率方面比常规BP网有很大提高。以手写体数字的识别为例，分析了该网络的应用特点，并给出实验结果。     

应用BP网络作TEM一维反演

瞬变电磁法（ＴＥＭ）原始数据（ｄＢ／ｄｔ）要经过视电阻率（ρｓ）公式计算，然后利用适当的反演方法拟合求取层参数，利用人工神经网络直接将归一化后的ｄＢ／ｄｔ数据与地层参数之间的隐含关系表现在ＢＰ网络中，通过一定数量样本学习后的网络，只要输入原始ｄＢ／ｄｔ数据即可求出地层参数，该网络只要经过合理的参数选择和学习，其反演的效率和精度都能达到了极好的水平。     

发酵过程混合神经网络建模方法比较

对发酵过程中串联结构、并联结构、串并联结构混合神经网络模型的结构和训练方法进行了分析、对比研究,并提出了一种训练方式更简单的混合神经网络模型.仿真结果表明,混合神经网络模型比标准的神经网络模型建模精度高、泛化能力强.     

过程控制中被控对象神经网络模型的设计

根据控制过程的特点提出了一种新的动态系统辨识方法 将输入、输出信号、滤波后的数据用于训练静态前向神经网络 ,辨识出控制系统工作点处一线性动态模型的参数 ,从而预测过程的输出 文中详细论述了设计方法及算法原理 ,并通过试验对比表明 ,这种模型精度高、计算量少 ,对噪声不敏感 ,特别适用于运行过程复杂、干扰因素多、非线性控制系统的动态辨识