基于反馈神经网络的动态化工过程数据校正

对基于反馈神经网络的化工过程动态数据校正方法进行了研究,实现了自反馈增益的网络结构和动态反向传播算法。连续搅拌槽反应器实例的应用结果表明,反馈网络能快速、有效地校正动态过程测量数据。该方法仅依赖于历史测量数据,无需掌握过程本身的精确模型及测量噪声的参数,克服了应用过程机理模型对化工动态过程进行数据校正的局限性。

基于双线性反馈神经网络盲均衡算法的研究

将双线性反馈神经网络应用于盲均衡算法,提出了一种新的基于双线性反馈神经网络盲均衡算法,推导出算法迭代公式,计算机仿真表明,新算法具有较快的收敛速度和较小的误码率。

基于动态反馈神经网络的复杂系统预测控制

在分析基于动态反馈神经网络(DRNN:DynamicRecurrentNeuralNetwork)的模型预测控制策略的基础上,为改善Elman网络辨识高阶系统时的计算复杂性,采用具有局部动态反馈特性的Elman网络进行线性系统状态空间模型的在线辨识。基于跟踪器型性能指标的预测控制器对系统进行滚动优化,并对动态反馈神经网络逼近状态空间模型进行了证明。对过程控制装置三容系统进行了仿真研究,通过离线训练方式获得网络初值的选择。仿真结果表明,此算法能使系统的输出保持期望轨迹,并能有效处理系统本身的输入、输出约束条件。

变时滞反馈神经网络的全局指数稳定性

通过引入更加广泛的一类Lyapunov-Krasovskii泛函,并利用线性矩阵不等式分析技巧,得到了关于可变时滞广义神经网络模型平衡位置全局指数稳定的最新判据,并且判别条件中不限制连接权矩阵符号.该结果精炼和推广了一些已有的结果,并且更少保守,在实践上易于程序实现,方便使用.

反馈神经网络在入侵检测系统中的应用

对基于网络的入侵检测系统进行了研究,提出了将反馈网络应用于入侵检测系统中,使用一种改进的Jordan神经网络算法,借助于反馈神经网络提取描述攻击模式的特征和进行规则推导,然后用神经网络建立的规则集进行入侵检测,实验证明利用反馈神经网络提高了入侵检测系统的性能。

反馈神经网络对非线性时变离散系统的近似

对反馈神经网络近似非线性离散系统的能力进行了扩展研究 ,针对于更普遍的非线性时变离散系统 ,证明了它们在有限时间段内的输出轨迹可以被反馈神经网络输出神经元的状态向量近似到任何程度。

用反馈神经网络对非线性离散系统进行实时建模

利用时变反馈神经网络的概念及二维线性系统理论给出了非线性离散系统的一种实时建模方法 .理论及仿真实验结果均表明 ,这种实时模型能够任意逼近非线性离散系统 .

一类反馈神经网络对非线性连续系统近似能力的证明

本文从多层前馈神经网络的一般近似定理出发 ,证明了带有输入的非线性连续系统在有限时间段内的输出轨迹可以被一类反馈神经网络输出神经元的状态向量近似到任何程度 .

反馈神经网络卷积码解码器在光纤通信中的研究

反馈神经网络卷积码解码器(RNN)的性能接近传统的Viterbi解码器,RNN的复杂度是随约束长度成线性增加的,而Viterbi的复杂度是成指数增加的,RNN的性能已经在加性白噪声信道中得到了肯定。对RNN解码器在以放大自发发射(ASE)噪声为主的光纤信道中的性能进行了研究,在以ASE噪声为主的3种信道模型中,同时研究了RNN解码器和Viterbi解码器的性能,发现RNN的性能同样很好,在解码过程中还有优势。

最近点投影型反馈神经网络的临界分析

基于Lyapunov泛函方法和矩阵理论,本文研究一类被广泛应用的反馈神经网络―最近点投影型反馈神经网络的临界全局动力学性态,当网络具有非线性不扩张性质时,在临界条件下得到该类网络全局收敛性和渐近稳定性。所获结果改进了已知的有关该类网络临界分析的代表性结论(当连接矩阵拟对称时网络具有收敛性)。数值试验表明结果的正确性和有效性。

利用反馈神经网络对非线性连续系统进行实时建模

利用时变反馈神经网络的概念及二维线性连续 离散型系统的理论给出了非线性连续系统的一种实时建模方法.理论及仿真实验结果均表明,这种实时模型能够任意逼近非线性连续系统.

一种基于反馈神经网络的异常检测方法

目前的入侵检测系统缺乏从先前所观察到的进攻进行概括并检测已知攻击的细微变化 的能力。描述了一种基于最小二乘估计(LS)模型的入侵检测算法,该算法利用神经网络的特点,具 有从先前观测到的行为进行概括进而判断将来可能发生的行为的能力。提出了一种在异常检测中用 反馈神经网络构建程序行为的特征轮廓的思想,给出了神经网络算法的选择和应用神经网络的设计 方案。实验表明在异常检测中利用反馈神经网络构建程序行为的特征轮廓,能够提高检测系统对偶 然事件和入侵变异的自适应性和异常检测的速度。

几类动态反馈神经网络的稳定性分析

稳定性分析是动态反馈神经网络的重要研究内容 ,对于网络的设计和应用具有指导作用。本文针对几类典型的动态反馈神经网络模型 ,包括离散网络、非对称网络和时延网络 ,利用 L

使用多智能体反馈神经网络实现的数字预失真器

近年来,深度学习(Deep Learning,DL)在通信场景中的应用逐渐兴起,其中就包括射频发射机的数字预失真(Digital Predistortion,DPD)处理。然而,由于射频功率放大器(Power Amplifier,PA)固有的非线性失真和记忆效应特点,如果直接应用传统DL算法去实现DPD会出现拟合效果不佳、自适应性差等现象。针对这个问题,本文提出了一种由多智能体反馈神经网络实现的数字预失真器(Multi-Agent Feedback Enabled Neural Network for Digital Predistortion,MAFENN-DPD),该网络引入了具有高纠错能力的反馈智能体结构,其主要特点是基于Stackelberg博弈理论去加速网络训练和收敛,同时我们还应用信息瓶颈理论指导网络超参数设计以增强MAFENN-DPD对PA记忆效应变化的动态适应能力。我们进行了一系列的实验来验证MAFENN-DPD的有效性。与使用典型前馈网络实现的DPD方案相比,基于MAFENN-DPD的方案在相邻信道功率比(Adjacent Channel Power Ratio,ACPR)指标上提高了约5 dB。同时,在没有通信过程中的大量先验知识的情况下,MAFENN-DPD实现了与使用记忆多项式方法建模的DPD方案十分接近的ACPR性能。仿真结果说明MAFENN-DPD相比传统神经网络可进一步提升ACPR性能,同时相比记忆多项式方法具有更好的自适应建模能力和通用性,并且具有多智能体反馈结构特征的神经网络未来在其他的通信场景中也具有应用推广的潜力。

多用户检测的稳健反馈神经网络方法

本文提出了一种实现CDMA多用户检测的稳健反馈神经网络方法 ,通过理论证明和实验仿真 ,表明该方法能有效克服多址干扰和远近效应 ,并具有易于在线处理和VLSI实现的特点。

离散时间反馈神经网络的渐近行为研究

Hopfield神经网络是一类应用非常成功的人工神经网络模型 ,它是研究这个反馈神经网络的基础 .该文主要研究离散时间、连续状态的反馈神经网络 ,它是Hopfield神经网络的推广 .众所周知 ,研究反馈神经网络的稳定性不仅被认为是神经网络最基本、最主要的问题之一 ,同时也是神经网络各种应用的基础 .文中主要研究离散时间反馈神经网络的稳定性 ,给出了连接权矩阵非对称的并且输入 输出函数是一般的S 函数的新的渐近收敛性条件及相应的收敛性结论 .所获结果不仅推广了一些已有的结论 。

核化的自联想反馈神经网络

将M ercer的核思想与自联想反馈神经网络的理论相结合,提出了核化的自联想反馈神经网络KARN,它是对多值自联想反馈神经网络M REM的有效扩展.实验结果证明,相对于自联想反馈神经网络,核化的自联想反馈神经网络的主要优势在于有效扩大了网络的容量.

求解广义特征根问题的反馈神经网络方法

研究了广义特征根问题求解的神经网络方法,给出了求解该问题的一个时间连续性反馈网络模型,利用LaSalle不变原理分析并证明了该网络的拟全局收敛性,这是网络能够确切的求解广义特征根问题的保证．同时,该网络解决了已有的基于罚函数方法构造的特征根问题的神经网络存在的一些基本缺陷:其一,基于罚函数的网络模型所得到的解可能不是真解,甚至可能都不是可行解;其二,它们的共同缺陷是有一个需要调节的参数,但是参数的选择并没有一个可供参考的准则;其三,这些模型的稳定性无法保证．本文所提出的网络模型解决了这些问题,并且,此网络具有一个很好的特征就是在初始点选定在问题的可行解集的话,网络轨线将永远是可行的并收敛到一个广义特征向量．最后,数值模拟也表明这里所提出的网络的可靠性能,进一步证明了此网络可以很好地求解广义特征根问题．

基于反馈神经网络的机身镀层抗热冲击性能研究

用磁控溅射离子镀设备在机身材料为高速钢M2的试件上制备Cr、Ti、N含量不同的4种镀层。用HADL2101DS8动静态电阻应变仪测试4种镀层在500℃热冲击下的水平方向、厚度方向的应力,输入反馈神经网络,计算不同镀层的破损率,评价其抗热冲击性能,确定最佳的镀层制备方案。用扫描电子显微镜观察镀层受热冲击前、后形貌。结果表明:当Cr、Ti、N的质量分数分别为56.89%、0.05%、43.06%时(方案1),镀层形貌无裂缝或脱落、氧化物白色颗粒最少,镀层破损率小于另外3种方案;方案1镀层抗热冲击性能最优。

基于反馈神经网络的高校毕业生就业区域流向分类研究

目前对高校毕业生的就业流向研究仅局限于个别城市或地区,不具有广泛的代表性。站在全国角度,对高校毕业生区域流向进行了分类研究,结合不同地区的特点挖掘其就业吸引力和未来潜力,旨在为高校毕业生理性选择就业区域提供借鉴。