核Hebbian算法在加氢脱芳烃过程中的建模应用

提出一种采用改进核Hebbian算法的加氢脱芳烃过程的递推产品质量建模方法,用于实时估计终端分馏产品的质量指标。通过利用核Hebbian算法的中间结果,计算中心化的核矩阵特征值,进而由核主元回归方法得到非线性动态质量模型。该递推滑动窗建模方法无需计算和保存整个核矩阵,并验证了所得到的闪点模型在正常和故障工况下均具有足够的精度。

基于HMM与神经网络的声学模型研究

神经网络能依靠权值进行长时间记忆和知识存储,但是对输入模式的瞬时相应的记忆能力比较差;而隐马尔科夫模型的短时记忆的能力比较强,但是假定的前提又与实际情况不符.因此,采用HMM和ANN的混合模型来取双方之长,并在这种混合模型的基础上,对神经网络从结构设计、训练、到训练后期的结构调整进行了全程的优化;应用隐节点剪枝算法,并利用广义的Hebb规则重新确定网络的参数.实验表明,这种混合模型在语音识别中取得了良好的效果.

基于FCM的逆物流供应商评估建模和算法

针对闭环供应链环境下逆物流供应商评估的指标及其特点,采用模糊认知图(FCM)方法,建立了逆物流供应商的评估模型。模型结合运用了非线性Hebbian学习算法,该算法通过对认知图的学习训练,避免了评估过程对专家意见的依赖性。最后通过算例说明了本文模型的应用。结果表明,利用模糊认知图建立供应商评估模型是可行的。与AHP方法相比,该方法考虑了标准之间相互影响及反馈的关系,与ANP方法相比,避免了构建超矩阵的复杂性。因此该模型对于企业合理的评估选择逆物流供应商,具有一定的指导意义。

基于KPCA联合并联抑制神经网络变换的红外目标识别算法

为了提高红外目标的识别性能,提出了一种KPCA联合并联抑制神经网络变换.该联合神经网络变换集成了KPCA的KHA学习机制与神经网络误差反传机制,使得KPCA与GSN分类器有机地结合起来,通过监督学习的方式引入类别信息,能够在实现数据有效降维的同时,优化主元特征的提取,从而提高算法的分类识别性能.针对典型红外军用车辆图像,采用联合算法与传统算法分别进行对比实验.实验结果表明,算法在优化特征同时,提高了目标识别性能.

一种快速图像特征降维方法:SPCA

讨论了几种图像特征降维算法,着重介绍了一种简单、快速、性能优越的Simple PCA(SimplePrincipal ComponentAnalysis,SPCA)算法,并就SPCA算法、PCA算法以及广义Hebb(GHA)算法等高维数字图像压缩算法进行了比较实验.实验结果表明:SPCA算法在保证压缩性能的前提上,能有效提高压缩速度.

模糊认知图权值学习法

模糊认知图简单、直观的图形化表示和快捷的数值推理能力使其在医学、工业过程控制以及环境监测等领域得到了广泛的应用.由于受到人的经验、知识水平和认知能力的限制,很难由领域专家直接构建大规模系统的模糊认知图.近年来依据动态数据自动或半自动构建模糊认知图的研究越来越多.模糊认知图的权值学习主要分为基于Hebbian技术、遗传算法、群体智能和最小平方四大类,在此方面学者提出了颇多算法.作者就基于数据进行模糊认知图权值学习的各种方法进行综述、比较和分析,指出各种学习方法的适用性,以便于在实际应用中进行选择.

基于次分量分析的DOA跟踪算法

针对信号源入射角时变的情况,分析了基于幂迭代的子空间跟踪算法,提出一种次分量分析方法的子空间跟踪算法。该算法首先利用基于反Hebbian学习的神经网络,抽取多个次分量,操作相对简单、算法稳定、收敛快,且有自组织特性;然后提出一种实时并行处理方法,在抽样结束时数据处理完成;最后采用牛顿法实现运动目标的DOA跟踪。仿真实验证明其收敛快、跟踪性能好。

采用自适应GHA神经网络的分类器设计

介绍了一种自适应逼近数据实质维的GHA神经网络学习算法。基于主元子空间分解的思想,给出了基于该算法的分类器刻画方法,对其中的刻画参数给出了详细的界定。该分类器采用监督学习机制进行训练,可以自动学习输入的主元特征子空间维数。在入侵检测领域,利用KDD CUP 1999数据集对该方法进行了仿真。采用正常连接数据训练GHA异常检测分类器,利用拒绝服务攻击数据进行了误用检测训练。并将测试结果与其他入侵检测方法进行了比较。

一种基于时频分析的神经网络检测方法

本文就典型的匹配滤波器在对非个稳噪声中的信号检测中所遇到的问题，根据时频分析的特点、以神经网络为工具，讨论了一种基于时频分析的神经网络检测方法。文中给出了基于此方法的检测器结构，并根据文中介绍的训练算法，对此检测器做了训练和件能仿真研究工作，并与常用的匹配滤波器进行了性能比较。仿真结果表明，本文所提出的检测方法避免了输入信号非平稳时，匹配滤波器呈时变结构给滤波器设计所带来的困难，解决了非平稳噪声中的信号检测问题。

一种多变量自适应模糊控制器的设计方法

把采用梯度学习算法的自适应模糊控制器设计方法推广到多变量情形。针对梯度学习算法收敛速度慢的缺点，把神经元学习中的赫布（Ｈｅｂｂ）规则与梯度算法相结合，构成梯度一赫布学习算法，从而使收敛速度明显加快，满足了过程控制中实时性的要求。仿真研究表明，本文的设计方法是可行的。

基于约束反赫布算法的自适应二维FIR滤波器实现

提出了一种用神经网络来实现自适应二维FIR滤波器的新方法,主要是运用约束反赫布学习算法,训练一个神经网络,实现了基于TLS准则的自适应二维FIR滤波器,计算机仿真结果表明该滤波器在收敛性能和精度上均优于基于LMS准则的自适应二维FIR滤波器。