基于神经网络的技术效率研究——对中国港口的实证分析

构建符合中国国情的港口技术效率评价指标体系,并在此基础上,建立基于神经网络的港口技术效率评价模型,通过对大连港等8个国内主要港口技术效率进行的实证研究,分析影响中国港口技术效率的主要因素,并计算得出各港口的技术效率评价结果与相对排序。最后为中国港口技术效率的提高提出有针对性的政策建议。

利用人工神经网络模型判定膨胀土等级

膨胀土是一种吸水后体积产生膨胀 ,失水后体积产生干缩 ,对铁路工程极其有害的土质 ,而其胀缩等级的划分是一个典型的不确定性问题。应用神经网络的联想记忆功能 ,以膨胀土胀缩等级划分标准中三个类别作为训练标本 ,建立膨胀土胀缩等级与分级指标之间的对应关系的BP判定模型 ,以对膨胀土胀缩等级进行划分 ,并结合具体工程进行了应用。应用表明 ,神经网络方法与模糊综合评判法膨胀土胀缩等级判定结果一致 ,神经网络具有在膨胀土胀缩等级判定问题上的可靠和从训练模型中获得划分知识的能力。

人工神经网络模型及其在隧道围岩分类中的应用

应用神经网络的联想记忆功能 ,以隧道围岩 5个类别作为训练标本 ,建立隧道围岩与分类指标之间对应关系的BP判定模型 ,为隧道围岩分类提供了一条新途径。

一类多时滞中立型方程描述的神经网络渐近稳定时滞依赖判据(英文)

通过引入适当的Lyapunov-Krasovskii泛函,给出一类由多时滞中立型方程所描述的神经网络的稳定性判据,该稳定性判据不仅与离散性时滞相关,而且依赖中立型时滞.由于稳定性判据基于线性矩阵不等式,因此其求解方法可以使用各种凸优化算法.使用Matlab工具箱中的线性矩阵不等式算法,给出数据仿真实例,验证了方法的有效性.