人工神经网络方法用于脉冲极谱重叠峰解析

将人工神经网络（ＡＮＮ）用于脉冲极谱法中Ｐｂ（Ⅱ）和Ｔ１（Ⅰ）重叠信号峰的解析，对神经网络参数的影响及优化作了研究。结果表明，网络的增益、学习速率和动量是影响网络收敛和稳定性的关键参数。本文还将神经网络与偏最小二乘法的计算结果作了比较。

采用脉冲宽度调制技术实现人工神经网络

该文提出了一种采用脉冲宽度调制(PWM)技术实现的人工神经网络(ANN),神经网络的权值采用数字存储器存储,突触电路由开关组成,电容积分电路和电流采样保持电路完成输入信号和权值信号的乘加运算,输出采用双电流镜。电路结构简单,易于集成,可用于构成前馈网络,如实现“异或”运算的人工神经网络。

基于人工神经网络脉冲激光强化镀层形貌预测

为了探索脉冲激光强化镀层的规律,采用误差反向传播神经网络对脉冲激光参量与镀层形貌(强化层深度、宽度及熔化状态)之间的关系进行建模,并选取带动量的自适应学习率算法对网络进行改进,以增加网络稳定性,提高训练速度与精度。结果表明,该网络模型对激光处理后镀层形貌的预测值与实际值接近,其相对误差在±8.33%以内,可以有效地对激光强化镀层形貌进行预测。该方法为探索脉冲激光强化镀层的规律提供了一条新的途径。

基于双重人工神经网络模型预测焊接接头强度系数的研究

针对7系超硬铝在传统熔焊过程中易出现热裂纹、气孔和焊接接头软化等问题,研究振动焊接工艺过程中,焊接工艺参数与焊接接头强度系数间的非线性关系机理,建立7075超硬铝振动焊接接头强度系数的双重人工神经网络评估模型,包括以焊接参数作为输入接头的焊缝参数、抗拉强度、伸长率和硬度预测模型,以及以4个子模型的预测输出为输入接头的焊接强度系数预测模型。根据建立的预测模型进行焊接接头强度试验,预测结果可以满足工程需要,具有工程实用价值。

人工神经网络VLSI脉冲流算法实现技术

人工神经网络以其自组织、自适应、自学习能力以及非线性、非局域性、非定常性和非凸性等优点得到广泛重视。本文分析现有人工神经网络模型及算法 ,总结了现有人工神经网络实现上的弊端 ,然后着重讨论了数据模结合的 VL SI人工神经网络技术和脉冲流技术。在现有的各种脉冲流技术基础上 ,给出一个以模拟方式实现突触乘积和突触输出累加 ,数字方式实现权值储存的脉冲流人工神经网络。

等离子体降解酸性橙Ⅱ的人工神经网络模型

基于人工神经网络用于多因素复杂系统建模的优越性,建立了多针-板电极形式脉冲放电等离子体降解酸性橙Ⅱ(AO7)的人工神经网络模型(ANNs),考察了多因素脉冲放电水处理系统中主要的电气参数(脉冲峰值电压、脉冲频率)和结构参数(针-板电极间距)对AO7脱色效率的影响,并利用BP神经网络模型对多因素条件下AO7的脱色效率进行仿真预测.结果表明:所建立的BP人工神经网络模型可以有效预测脉冲放电水处理体系中各参数对AO7脱色效率的影响趋势.根据预测结果可以归纳:较佳的脉冲峰值电压可以同时保证较好的AO7脱色效果和较高的系统能量利用效率;脉冲频率的增加能有效提高AO7的脱色效率;较小的电极间距有利于AO7脱色.

基于低时延和高精度脉冲神经网络的目标检测

人工神经网络(artificial neural network,ANN)在众多领域取得了显著进展,但其对计算资源和能耗的高需求限制了其在硬件端的部署和应用.脉冲神经网络(spiking neural network,SNN)因其低功耗和快速推理的特性,在神经形态硬件上表现出色.然而,SNN的神经元动态和脉冲发放机制导致其训练过程复杂,目前主要研究集中在图像分类任务上,本文尝试将SNN应用于更为复杂的计算机视觉任务.本文以YOLOv3-tiny网络为基础,提出了Spiking YOLOv3模型,其符合SNN特性的网络模型,在检测任务上实现了更高的准确度,并将平均推理时间减少至约原来工作的1/4.此外,我们还分析了ANN-SNN转换过程中产生的转换误差,并采用量化激活函数对Spiking YOLOv3模型进行了优化以减小转换误差.优化后的模型平均推理时间减少至约原来的1/2,并在VOC与UAV数据集上实现在ANN-SNN无损转换,显著提升了基于该模型的检测效率.

检测电压瞬时脉冲扰动的小波—神经网络新方法

对动态电能质量暂态扰动中的电压瞬时脉冲扰动进行了分析 ,提出了一种基于小波—神经网络的电压瞬时脉冲扰动识别的新方法。首先讨论了电压瞬时脉冲扰动产生的原因 ,用 PSCAD/EMTDC软件包实现电压瞬时脉冲扰动的暂态仿真。然后 ,选用 db4小波并将扰动波形进行 4尺度的小波分解 ,以分解后各层的能量作为 3层概率神经网络 ( PNN)的输入特征矢量 ,从而正确地把雷击和开关动作造成的扰动区分开。仿真结果表明 ,与传统的基于电压幅值 /有效值的扰动识别方法相比 ,该方法不但能正确区分各种扰动 ,且能对不同原因造成的扰动进行正确分类。

碳纳米管修饰电极-人工神经网络同时检测一氯酚三种异构体

建立了碳纳米管修饰电极-人工神经网络同时检测一氯酚三种异构体的方法。在pH=7.0的磷酸盐缓冲溶液中,邻氯酚、间氯酚和对氯酚在碳纳米管修饰电极上均有一灵敏的不可逆氧化峰。采用微分脉冲溶出伏安法,在优化的实验条件下,邻氯酚、间氯酚和对氯酚的峰电位分别为624 mV、712 mV和632 mV,且浓度分别在2.07～103.66μmol/L、4.62～138.60μmol/L和2.71～108.48μmol/L范围内与峰电流呈良好的线性关系,检出限分别为0.9μmol/L、1.0μmol/L和0.8μmol/L。使用径向基人工神经网络(RBF-ANN)对一氯酚三种异构体混合物的伏安谱图进行分析,总预报误差为7.87%,而偏最小二乘法(PLS)总预报误差为15.57%。结果表明,所建立的方法可同时准确检测一氯酚的三种异构体。

利用脉冲快热中子分析方法和神经网络识别爆炸物

研究利用PFTNA方法和人工神经网络来识别爆炸物的方法。该方法利用PFTNA来获取被检测样品的热中子俘获γ谱和快中子非弹性散射γ谱,然后通过已知能谱对人工神经网络进行训练后识别未知样品。利用这种方法,能够快速的对未知样品进行定性分析。

脉冲响应神经网络的构建

为解决传统人工神经网络在处理输入与输出时具有时滞效应和时间累积效应等的不足,将系统理论中单位脉冲响应函数融入到神经网络模型,构建了一种新的神经元模型——脉冲响应神经元.并基于此神经元,建立了单隐层的前馈型脉冲响应神经网络,同时推导出了训练脉冲响应神经网络的BP学习算法,为脉冲响应神经网络从理论走向应用奠定基础.通过在降雨径流模拟中的实际应用,脉冲响应神经网络获得了良好的应用效果,说明脉冲响应神经网络在处理高度非线性复杂映射系统时具有更大的适应性和优越性.

利用人工神经网络预测焊接熔池形状

本文叙述了人工神经网络的基本原理,并利用BP神经网络对采用脉冲激光焊接工艺焊接铝时的熔池形状进行了预测。

基于人工神经网络的焊接熔池形状预测

了解熔池形状与焊接工艺参数的关系对确定自动焊接生产线控制系统的算法十分重要。利用BP神经网络对采用脉冲激光焊接工艺焊接铝时的熔池形状进行了预测,预测结果表明网络的最大输出相对误差不超过9%,说明该网络具有较强的映射能力,能满足预测要求。

含脉冲的Hopfield神经网络模型及其收敛性

利用脉冲微分方程 ,建立了一种新型神经网络模型 ,通过构造Lyapunov函数方法 ,讨论了网络的周期振荡性 ,和全局指数收敛性质及其收敛速率 。

基于PCNN的图像纹理分析研究——评《脉冲耦合神经网络图像处理(第2版)》

作为计算机模式识别和视觉识别的重要内容,纹理分析即对目标的纹理进行描述、分割分类和检索等。脉冲耦合神经网络(Pulse Coupled Neural Network,简称PCNN)是近年来计算机领域研究的热点,其是一种新型的第3代人工神经网络模型,这种网络模型的时空总和特性较好,还具有动态脉冲发放特性等优良特性,目前研究人员正在研究其在图像处理、人工生命和目标的自动识别等领域的应用。

光子脉冲神经网络研究历程与展望

人工神经网络(ANN)学科的发展推动了信息处理技术的进步,目前,被称为第3代ANN的脉冲神经网络(SNN)以其更具生物可解释性,更适合ANN硬件实现的优势受到业界的广泛关注,并已成功应用于模式识别、医学成像和智能控制等多个领域。受制于“后摩尔时代”电子芯片的制程不断接近极限以及冯·诺依曼体系“存算分离”带来的性能瓶颈,低时延、低能耗、高带宽和高并行性的光子计算方案应用于SNN的硬件实现成为信息处理领域多学科融合的热门课题。文章介绍了光子SNN的起源,利用光学器件的特性实现神经元的行为和突触连接强度的变化进而实现SNN的研究历程和多种实现方案,总结了光子SNN目前存在的瓶颈和挑战,展望了光子SNN的未来发展趋势。

时空神经网络及其在机场噪声预测中的应用

针对时空序列建模分析问题,利用函数扩展技术,结合线性脉冲响应滤波原理,提出一种新型时空神经网络。该网络由函数扩展功能模块和线性延时脉冲模块组成。函数扩展功能模块将网络输入空间映射到高维空间,实现时空序列非线性模式到高维映射空间线性模式转换;线性脉冲延时模块等效于时空线性脉冲响应滤波器,用于拟合时空序列中的线性模式。采用LevenbergMarquardt最优方法对网络进行训练,设计时空神经网络的快速学习算法。机场噪声仿真结果表明,该网络具有快速收敛和高精度的特点,预测精度高于时空自相关移动平均模型和多层感知器神经网络。

低能过滤X射线神经网络解谱方法研究

利用神经网络算法实现对PIPS探测器测量得到的低能过滤X射线脉冲幅度谱的快速解谱。首先根据PIPS探测器的计算机断层扫描图像,在MCNP5中建立该探测器的蒙特卡罗(MC)模型。并通过实验、MC效率刻度以及能谱展宽,对该探测器模型进行验证。之后计算PIPS探测器对单能光子(5~30 keV)的响应函数,并将其作为单层线性神经网络的训练数据。使用训练后的神经网络和GRV_MC33程序分别对N10~N30和L10~L30辐射质的X射线脉冲幅度谱进行解谱。结果表明:除N25和N30辐射质外,二者解谱结果相符较好。其解谱结果的差异可能来源于探测器响应函数和GRV_MC33程序解谱方法的不确定度。训练好的神经网络可被移植到微型计算机中,帮助校准实验室实现对低能过滤X射线脉冲幅度谱的快速解谱。

面向脉冲负载的基于超级电容储能UPQC设计及控制策略研究

针对带有脉冲负载电网的电压畸变和电流畸变问题,设计了带有超级电容储能的三电平统一电能质量调节器,提出了基于人工神经网络的方法对串联和并联补偿单元进行控制,基于双闭环PI控制的方法对超级电容储能单元进行控制。其中,串联补偿单元进行电压补偿,以维持负载电压的稳定,保证负载的用电需求;并联补偿单元进行电流补偿,以维持电源电流的稳定,避免电网受到持续大幅冲击;超级电容储能单元对直流侧进行充放电,以维持直流侧电压的恒定,保证串、并联侧的正常工作。所提方法省去了繁琐的坐标变换过程,避免了多个滤波器造成相位滞后的问题。仿真实验结果表明,所提拓扑和控制策略有助于改善带有脉冲负载电网的电能质量。

光脉冲神经网络研究进展

被称为第三代人工神经网络的脉冲神经网络,是最接近人脑的神经拟态算法。与传统人工神经网络相比,脉冲神经网络具有硬件友好性和更高的能量利用率。与电子学脉冲神经网络相比,光子计算的光脉冲神经网络具有速度快、能耗低、延迟低、并行度高以及抗电磁干扰的优势。介绍了光脉冲神经网络的起源,从光脉冲神经元、神经网络架构、学习训练算法等方面介绍了光脉冲神经网络的研究进展、存在的问题与挑战,并展望了光脉冲神经网络的前景。