基于神经网络知识库的多神经网络集成方法

提出一种基于神经网络知识库的多神经网络集成应用体系,通过将复杂任务适当分解化简,用多个典型简单神经网络集成的方法来替代单个复杂神经网络来求解问题。该体系与非集成神经网络技术相比,不但提高神经网络训练速度,降低训练难度,而且实现神经网络学习经验知识的不断积累和再利用,提高神经网络方法在解决实际复杂问题中的实用性。给出的2个复杂非线性函数逼近实例结果表明,使用该体系及神经网络集成方法求解问题,不但效率高,而且显著提高神经网络系统的泛化能力,验证该方法的可行性。

基于集成多神经网络在模拟电路故障诊断中的研究

以进行模拟电路故障诊断为主要目的,针对单神经网络故障字典法在进行复杂电路系统故障诊断时,对多故障和多任务诊断的不足之处,讨论了基于多故障的神经网络集成技术,采用集成多神经网络来提高诊断速度和精度,提出了集成多神经网络故障字典法来解决多故障任务,对基于层次分类模型的多重结构神经网络进行了研究,给出了两种对故障定位的统一融合算法,克服了采用单神经网络多故障时学习速度慢,出现新故障的网络要重新进行学习等缺点。并给出了应用实例。