基于新型GNNM(2,1)模型的粮仓温湿度建模

利用BP神经网络的函数逼近特性和GM(2,1)的模型对非单调变化规律数据的描述特性,构建了一种新型的GNNM(2,1)模型,并将其用于粮仓温湿度变化趋势的建模。采用某粮仓一年内的温湿度采样值对其进行训练,并用训练好的模型预测来年温湿度的变化趋势。仿真结果表明,该模型的预测值有较高的精度,这对保证粮食储备安全具有一定的实用意义。

两种灰色神经网络模型及应用

给出了 2种灰色神经网络模型 GNNM(1,1)和 GNNM(2 ,1) ,该模型具有灰色系统的少数据建模优点及神经网络的精度可控特性 ,并给出了相应的学习算法 。

基于灰色神经网络技术的陶瓷电性能分析

运用灰色神经网络理论 ,研究了掺杂 Sr Ti O3多功能陶瓷氧化热处理过程中 ,氧化热处理条件对介电性能和压敏性能的影响。根据各种参数的主行为因素的多少 ,运用 GNNM(1,1)、GNNM(1,2 )、GNNM(1,3)模型进行分析 ,并且建立了相应的 GNNM(2 ,1)灰色神经网络模型。

二阶灰色神经网络在船舶横摇预报中的应用

为了提高船舶的耐波性和适航性、对船舶横摇进行有效准确预报,提出了将灰色系统理论和神经网络进行有机结合的二阶灰色神经网络预报模型。介绍了二阶灰色预报模型,采用神经网络映射的办法构建灰色神经网络预报模型,并介绍了神经网络学习机制。另外,以某舰船横摇运动时间序列预报为例对模型进行仿真验证,有效改善了二阶灰色模型较大的预报偏差。仿真结果表明,GNNM(2,1)模型能准确预报船舶横摇运动,具有更高的预报精度和更好的数据稳定性。

Analysis Methods of SrTiO_3 Ceramic's Electricity Performance

The effect of oxidizing-heat-treatment conditions on the electricity performance of doped SrTiO3 ceramic is analyzed by using the theory of grey neural network. Based on the number of main parameters, the model of GNNM （1,1）, GNNM （1,2）, GNNM （1,3） is used to analyze and construct the corresponding model of GNNM （2,1） gray neural network. It can reach the required precision by calculating.