共面互连线频变电阻电感的稳健知识神经网络模型

本文提出了一种共面互连线频变电阻电感的稳健的知识神经网络模型。该模型具有一个由主要元素项分析（PCA）得到的输入转换矩阵，具有PCA作为前处理器的神经网络，其训练过程变得高效而稳定，构建好的模型在推广性方面也更加稳健。

基于内嵌物理知识卷积神经网络的电力系统暂态稳定评估

针对现有数据驱动的电力系统暂态评估方法依赖大规模数据集且可解释性不足的问题,文中将物理知识嵌入传统数据驱动方法,提出一种基于内嵌物理知识卷积神经网络的电力系统暂态稳定评估方法。该方法考虑大规模风电并网的电力系统,将电力系统暂态稳定物理方程内嵌至神经网络损失函数,通过神经网络直接逼近物理过程,使输出结果满足物理规律,提高暂态稳定评估的可靠性与可解释性。通过数据与知识双驱动,所提方法不依赖大规模训练数据集,依然具有较好的鲁棒性与泛化能力。此外,所提方法通过卷积神经网络进行特征提取与降维,解决拓扑数据无法直接作为神经网络输入的难题。在含风机的IEEE 9节点和IEEE 39节点测试系统上的实验结果表明,所提方法在准确率、计算效率、泛化能力等方面相较现有方法有显著提升。

基于知识的模糊神经网络临床路径变异分析方法

探索了基于Mamdani、Takagi-Sugeno模型的模糊神经网络,以及BP神经网络在临床路径控制中的应用.提出了基于知识的模糊神经网络临床路径变异分析方法,以骨肉瘤化疗临床路径肝中毒变异为例进行了实例验证.分析了几种方法的有效性以及各自的优缺点.结果表明,在处理临床路径变异方面,基于知识的模糊神经网络与标准的BP神经网络相比,具有明显的优越性.

基于知识的模糊神经网络的旋转机械故障诊断

提出了一种基于知识的模糊神经网络并用于故障诊断.首先基于粗糙集对样本数据进行初步规则获取,并计算规则的依赖度和条件覆盖度,然后根据规则数目进行模糊神经网络结构部分设计,规则的依赖度和条件覆盖度用于设定网络初始权重,而用遗产算法对神经网络输出参数进行优化.这样的模糊神经网络称为基于知识的模糊神经网络.使用该网络对旋转机械常见故障进行诊断,结果表明,和一般模糊神经网络相比,该网络具有训练时间短而诊断率高的特点.

基于知识的神经网络在出行方式选择中的应用研究

针对神经网络和决策树方法在算法上的本质联系和互补优势,将C4.5决策树提取规则的基于知识的神经网络(knowledge-based neural network,KBNN)用于出行方式预测。对居民通勤出行方式选择数据的分析表明,KBNN相比于决策树方法、普通前馈神经网络和多项Logit模型(MNL)有更高的预测精度,方法不仅提高了网络的可解释性,且易于构造、收敛速度更快,实用性较强,为出行方式选择预测提供了新的思路。

基于知识增殖神经网络的滚动轴承故障诊断

对滚动轴承故障模式识别进行了研究,阐述了小波包神经网络诊断方法的工作原理和实现过程。针对在处理大规模或者较复杂问题时,人工神经网络存在网络学习失败或推广能力不好的问题,从网络推广能力的角度分析了具有知识增殖能力的小波包神经网络诊断系统的结构设计。试验结果表明,所提出的故障诊断方法能够较精确实现滚动轴承多部位的单一、复合故障的定位和模式识别,效果明显好于单一网络。

类图书馆知识可增殖神经网络及其组织算法

探讨了知识可增殖人工神经网络的可能的实现途径,利用信息几何进行了理论分析并指出只有利用群体网络才可能解决这一问题。在此基础上提出了一种类图书馆知识可增殖神经网络及其组织算法,该群体网络系统,能够有效地继承其中个体网络的知识,具有知识增殖能力。仿真结果表明了其可行性和有效性。

带状线电路中十字交越不连续性的具有知识神经元的神经网络模型

本文采用一种新型的三层神经网络 ,即隐蔽层具有知识神经元的神经网络 (NNKBN)模拟带状线电路中的十字交越不连续性。NNKBN模型由一组全波时域有限差分法产生的仿真数据进行训练而建立。数值实验表明NNKBN模型在许多方面优于传统的多层感知器模型。

基于知识的神经网络及其在CRM中的应用

分析一般神经网络应用于CRM时存在的问题,提出将基于知识的神经网络应用到CRM领域。示例表明,基于知识构造出的神经网络不仅提高了网络的可解释性,而且降低了输出误差,提高了学习速度。

基于先验神经网络的港口物流量对海洋经济增长预测——以浙江省为例

提出了一种基于先验知识神经网络预测模型,分别采用时间序列和多变量建模方法对反映浙江省海洋经济发展水平的各指标进行建模预测,与其他建模方法(如GM(1,1)时间序列模型)相比,有更好的综合性能。最后采用PKNN时间序列模型对2011-2020年浙江省沿海地区海洋经济发展水平进行预测,结果表明预测得到的2015年浙江海洋经济产值接近浙江省规划值。

用于步进电机细分控制的知识人工神经网络

步进电机细分控制中电机绕组电流与电机角度输出是一种非线性函数,其精确拟合是步进电机细分控制中的一个重要课题,应用神经网络对其模拟是一种新尝试。针对前馈神经网络的反向传播(BP)学习算法在逼近非线性函数时收敛速度慢,没有先验知识的缺点,提出利用基于知识的人工神经网络(KBANN)来确定步进电机的最佳细分电流数据。仿真结果表明,KBANN具有精度高、速度快的特点,能够实现步进电机均匀步距的细分控制。

基于改进BP神经网络的某型装备故障诊断专家系统

分析神经网络和专家系统的特点,提出基于BP神经网络与专家系统结合的某型装备的故障诊断方法,构造BP神经网络的装备故障诊断专家系统的诊断模型,克服传统专家系统在知识获取和表达的薄弱环节,并用某型装备的故障实际数据进行验证,结果表明神经网络与专家系统结合是一种有效的诊断方法。

基于BP神经网络的装备故障诊断专家系统研究

分析了神经网络和专家系统的特点,提出了基于BP神经网络与专家系统结合的某装备的故障诊断方法,构造了BP神经网络的装备故障诊断专家系统的诊断模型,克服了传统专家系统在知识获取和表达的薄弱环节,并用了某型装备的故障实际数据进行了验证,结果表明了神经网络与专家系统结合是一种有效的诊断方法。

使用不同置信级训练样本的神经网络学习方法

针对含不同置信级样本的模型拟合问题,该文提出了一种基于神经网络的二次学习方法。文中指出真实模型是实验模型的一种变异,提出逼近真实模型期望值的神经网络,是融合先验样本和真实样本的最佳网络。首先,以先验样本为训练样本进行第1次神经网络学习,并计算取决于硬点信息的软点误差容量区间;然后,同时将先验样本和真实样本作为训练样本,利用软点误差容量区间和硬点误差敏感系数,对神经网络训练过程中输入/目标对的误差进行修改,通过第2次学习得到既能精确拟合真实样本,又能最大化利用先验样本信息的综合网络。与基于知识的神经网络(KBNN)相比,该方法更加简单,可操控性更强并具有更加明确的逻辑意义。

中国的知识流散——海外中国知识分子间的交流网络

本文借助有关移民和教育的相关文献,对(知识分子)流散的概念进行了梳理,并强调了知识流散,特别是全球知识分子流散的重要意义。本文引入了一个关于中国海外知识分子和国内研究界、以及世界其他地方中国知识分子群体之间交流方式的案例研究,以此揭示这种知识流散在全球化背景下,尤其是在高等教育领域中的新发展。

基于PINN的复合材料自动铺放轨迹整体规划

自动纤维铺放能有效地提高复材构件的制造效率和质量。为满足复材构件的力学性能要求及铺放质量要求,在给定曲面目标域内生成铺放轨迹时需要同时考虑转弯半径、纤维角偏差以及轨迹间距等工艺指标。现有铺放轨迹规划方法大多在对基准轨迹进行优化后,通过路径密化生成铺放轨迹。这仅能保证所生成的轨迹满足单一要求,难以整体满足多个优化目标。为实现多优化目标下的复合材料自动铺放轨迹整体规划,本文将轨迹规划问题转换成为目标域内的泛函优化问题,利用内嵌物理知识神经网络(Physics-informed neural network,PINN)实现目标函数的求解,并提取目标函数的等值线作为轨迹规划的结果。相较于现有策略,本文提出的方法能整体兼顾轨迹的方向性、可铺性以及间隙质量,为实现先进复合材料自动铺放轨迹整体规划提供新思路。

计算语言学中语言知识生产范式的变迁

在计算语言学这门学科的发展过程中,语言知识的生产范式经历了四次大的变迁:基于规则的语言知识生产范式、基于统计的语言知识生产范式、基于深度学习与神经网络的语言知识生产范式、基于生成式人工智能的语言知识生产范式。本文详细地描述了这些语言知识生产范式的变迁过程。

基于混合智能学习的产品质量预报与诊断

个性化制造正在成为当前产品制造的主导模式。以动态变化的市场需求为背景,针对生产工艺参数与成品质量之间存在的复杂非线性关系,提出了一种基于混合智能学习的质量预报模型(RSKDPM)。该模型以粗糙集与知识神经网络为核心,通过挖掘生产过程蕴含的关联知识,构建知识神经网络,进行产品质量预测。工程试验表明,RSKDPM能通过智能学习,发现生产过程知识,诊断产品质量波动的原因,指导过程参数的调整,最终达到改善产品质量的目的。

基于ADS的KBNN在带通滤波器优化设计中的应用

现有的知识神经网络的先验知识大部分是由经验公式推导得到的,而电磁问题中公式的推导比较繁杂,且对于复杂的电磁问题,推导出相应的公式几无可能.因此,提出了一种将仿真软件ADS仿真结果作为先验知识的方法,以解决现有先验知识获取困难的问题.采用神经网络与仿真软件相结合的方法,将ADS和三维电磁仿真软件HFSS仿真结果分别作为先验知识和教师信号,并运用粒子群算法对神经网络进行训练,构建了相应的知识神经网络(knowledge-based neural network,KBNN)模型,有效地降低了神经网络结构的复杂度.利用该方法设计的网络对微带抽头型发卡带通滤波器进行优化设计,该滤波器满足设计指标,表明该方法的有效性和优越性.

用于EBG优化设计的基于粗网格的KBNN

在采用知识神经网络对微波器件进行建模优化时,先验知识大部分源于经验公式,而经验公式的推导十分繁杂,为避免先验知识获取困难,提出了一种将电磁仿真计算中精确网格剖分的计算模型作为教师信号,将粗糙网格剖分计算模型作为先验知识并运用粒子群算法对神经网络进行训练的方法,构建了相应的知识神经网络模型。对双层电磁带隙结构建模并进行优化设计,建模结果和优化效果均十分理想。说明了知识神经网络可以替代优化过程中的精确模型,减少优化所需的时间,证明所述方法的可行性与优越性。