基于动态递归模糊神经网络的共振频率自适应反推控制

针对共振破碎机频率控制系统的非线性和参数不确定性问题,提出基于动态递归模糊神经网络的自适应反推控制策略.建立了破碎机频率控制系统的数学模型,在忽略个确定性项的前提下,设计了基于自适应反推方法控制律.其次将电液比例系统中影响频率控制性能的不确定性因素定义为待估计项,采用动态递归模糊冲经网络对其进行估计,给出了基于动态递归模糊神经网络的参数自适应律,并通过Lyapunov方法证明了输出跟踪的收敛性.仿真实验和车载测试结果表明,对于参数的不确定性和负载扰动,该方法具有较好的频率控制性能.

神经网络自适应共振理论应用于心电图QT间期自动检测的研究

介绍一种利用改进的ART(自适应共振理论 )人工神经网络检测心电图QT间期的方法 .用经过训练的ART网络对心电波形进行分类和识别 ,较准确的测出T波终点位置 ,从而提高QT间期检测的正确率 .该算法在一定程度上模拟了心电专家手工测量QT间期的过程 ,用于检测包括MIT心律失常数据库 (MIT/BIHArrhythmiaDatabase)在内的共近千个心跳波形 ,并以两位心电手工测量结果作为标准数据进行对比 .对比结果显示 ,我们的算法对单路心电波形自动检测的准确度与通常手工测量具有可比性 ,充分体现了人工神经网络的优越性 ,在要求自动检测大量数据的场合具有显著的应用价值 .

基于人工神经网络自适应共振理论的手写字符识别

以人工神经网络中的自适应共振理论为基础,研究了用光标在电脑屏幕上进行手写输入的字符识别方法.根据专业领域文字输入中经常使用特殊字符的特点,程序部分由内核是Unicode的Java实现.采用Unicode编码不但可以方便地实现特殊字符的识别和显示,还有利于跨平台的移植,较好地解决了文字录入中特殊字符不易查找以及某些用户操作键盘不便等实际问题.

基于神经网络和灰色理论的密闭鼓风炉透气性预测模型

以密闭鼓风炉熔炼过程为研究对象 ,采用自适应组合集成技术将神经网络NN和灰色理论有机结合的方法建立了密闭鼓风炉透气性预测模型。仿真和工业应用结果表明 :所提出的模型能很好地实现密闭鼓风炉透气性的预测 ,并能使铅锌产量得到显著的提高。

基于自组织神经网络的模糊聚类同调机群识别

给出了一种利用基于融合自适应共振理论和Kohonen网络基本思想的自组织神经网络(简称自组织神经网络)的模糊聚类方法识别电力系统同调机群的算法。首先对输入数据进行模糊预处理,即采用最大–最小法建立能够反映发电机组间同调程度的模糊相似矩阵;然后将其每行或每列输入自组织神经网络模型进行训练,最终竞争获胜的输出层神经元代表不同的动态类型,即不同的同调发电机组;最后在EPRI-36节点系统上分别对自组织神经法和自组织神经模糊聚类法进行了仿真计算。结果表明:自组织神经模糊聚类法的识别结果比自组织神经法更加接近基于时域仿真的结果,没有出现误判,且自组织神经法能在更大时间范围内对同调机群进行准确识别。

一种新的模糊聚类神经网络及其在水资源评价中的应用

本文在工程模糊集理论的基础上,融合香努(Kohonen)聚类网络与自适应谐振理论(AdaptiveResonanceTheory ,ART)的优点给出了一种新的模糊聚类神经网络,并将其应用于区域水资源评价中。网络模型融入模糊识别理论,增强了处理复杂水资源问题的能力,同时模糊竞争的学习算法改善了Kohonen网络学习效果。结合ART理论使得网络模糊类别数可以增加,因此具有较强的可塑性。最后。

基于模糊理论与自适应共振网络的油中气体分析诊断

介绍了基于模糊理论的自适应共振网络在变压器故障诊断中的应用。根据对实际运行变压器进行统计得出的故障特征气体分布规律，确定分段隶属函数的分界值，并给出隶属函数的经验参数。针对变压器故障诊断的特点，在ＡＲＴ—２网络的基础上，构造了具有输入隐层的ＦＡＲＴ（ＦｕｚｙＡｄａｐｔｉｖｅＲｅｓｏｎａｎｃｅＴｈｅｏｒｙ）网络，对各特征气体采用不同的隶属函数处理，以增强网络对主要气体特征的灵敏度。并通过实例进行了检验，证实了该方法更为有效。

基于直觉模糊ART神经网络的群事件检测方法

描述了态势评估系统中的目标编群问题、目标群处理流程和群事件的检测。结合直觉模糊贴近度理论,构造了直觉模糊ART神经网络。设计了网络的运行机制和网络权值向量的学习机制。给出了一个具体实例,检验了直觉模糊ART神经网络的目标编群效果,为群事件检测提供了一条有效途径。

模糊神经网络间隔调速模型的研究

提出了一种基于模糊神经网络理论求得动态出口速度的模型,以6 层的前向神经网络实现模糊过程,使系统具有自学习和自适应能力,能根据列车的实际溜放情况自动调整减速器出口速度。

基于Fuzzy-ART神经网络的红外弱小目标检测

针对现有背景抑制算法未能有效抑制背景而导致目标检测率低的问题,提出了一种基于模糊自适应共振理论(fuzzy adaptive resonance theory,Fuzzy-ART)神经网络的弱小目标检测算法。首先,采用Fuzzy-ART神经网络结合Robinson警戒环技术,建立自适应局部空间背景模型,并以此分析像素点的背景模糊隶属度来抑制背景杂波;然后依据目标与残留背景杂波的空间特征采用模板均差法来突显目标,并提出基于行列模糊聚类的自适应分割算法来提取候选目标;最后结合目标的运动连续性进行多帧轨迹关联从而检测出真实目标。理论分析与实验结果表明,该算法能随背景的局部情况来自适应调节空间背景模型,从而自适应抑制背景杂波、突显目标,能有效提高信噪比,检测出弱小目标。

一种快速模糊ARTMAP神经网络算法

模糊ARTMAP神经网络学习算法可以动态高效地检测新闻文本中的模式,但随着网络大小的增加收敛速度变慢,计算复杂,鲁棒性不高。因此提出了一种快速模糊ARTMAP神经网络算法。该算法主要提出了新的匹配函数和激励函数,不需要规范化和补码计算步骤,去除了匹配跟踪过程,当发生未遂节点为赢得竞争的节点时,直接建立一个新的模板层的类标识。算法的革新之处在与既能动态维持聚类结构同时又减少了算法的复杂性。实验结果证实了该算法在合理时间内产生了高质量的模式发现。

一种改进的模糊ART神经网络学习算法

对模糊ART神经网络模型中的类别选择方法进行改进,并在权值向量的修改规则中引入隶属度,得到一种改进的FuzzyART学习算法。IRIS数据分类结果证明了新方法的可行性。

FART神经网络的改进及其在晶圆在线监测中的应用

对模糊自适应共振理论(FART)神经网络进行改进,使用改进的FART神经网络对半导体生产线晶圆合格率进行在线检测,对晶圆合格率特征向量进行聚类分析,将合格率损失中拥有相类似特征的晶圆分为一类,一旦检测到生产线发生异常,便可找出故障设备并及时维护,从而使生产线处于高生产率状态。

基于BP-ART混合神经网络的电路故障诊断新方法

建立了基于误差反向传播(back propagation,BP)神经网络和自适应共振理论(adaptive resonatetheory,ART)神经网络的电路故障诊断模型,提出了BP神经网络和ART神经网络相结合的电路故障诊断方法,以ART网络为主,识别新故障,以BP网络为辅,识别多类故障,并对传统的ART神经网络竞争机制加以改进,有效地解决了复杂电路故障诊断的难题。实验表明,基于BP和改进ART神经网络相结合的电路故障诊断方法具有自适应性好、训练时间短、准确性高等特点。

人工神经网络在大庆深井钻头优选中的应用

针对大庆地区深井地层硬、温度高、倾角大等特点 ,将对深井钻速影响较大的 12个因素作为输入层神经元 ,建立了人工神经网络优选钻头方法。该方法将钻头优选的定量方法和定性方法相结合 ,使钻头优选结果更加可靠。针对侏罗系地层高硬度、强研磨性等特点 ,研究并试验了几种特殊类型的钻头。根据对新型钻头钻井结果及以往大庆深井钻井所用钻头数据的统计分析 ,建立了大庆地区钻头应用情况数据库。在此基础上 ,应用人工神经网络法对大庆油田深井使用的钻头进行了优选 ,在大庆 2口深井进行的现场试验表明 ,钻井速度提高了 2 0 %以上。

基于ART2神经网络的入侵检测方法

提出基于ART2神经网络的入侵检测方法.采集基于主机和基于网络的入侵特征数据,分析入侵行为的空间和时间关联性,并对入侵特征数据中的关联信息进行处理,提取入侵行为之间的关联性,降低入侵检测算法的复杂性;利用ART2算法的自学习能力、自组织能力、良好的稳定性和可塑性以及快速识别能力,实现对用户行为的近实时检测,取得了较高的检测准确率,在识别未知攻击方面具有较好的性能.

弧焊过程中的人工神经网络焊缝检测技术

本文提出一种人工神经网络型焊缝检测方法，利用自组织神经网络技术，将焊缝视觉信息形成典型空间模式并与实时采集到的焊缝信息进行匹配，实现了弧焊过程中焊缝位置的精确检测。

基于几种神经网络方法的公司财务风险判别研究

笔者针对提高公司财务风险判别准确度问题,提出运用人工神经网络中具有明显自适应性、自组织性的自适应共振理论算法和自组织特征映射算法分别构建公司财务风险判别模型进行仿真研究。结果表明:自适应共振理论算法判别正确率为87%,而自组织特征映射算法判别正确率则达到了89%,较反向传播神经网络等方法判别准确度更高。

自适应共振理论网络在煤炭资源资产分类中的应用研究

将自适应共振理论网络应用于煤炭资源资产分类,以基于聚类的综合评判模糊数学模型的分类结果作为选择训练样本的基础,建立了自适应神经网络分类模型.网络不仅能得到理想的输出结果,而且能准确地进行煤炭资源资产分类.分类结果表明,用自适应共振理论网络进行分类具有分类稳定、结果可靠等特点.