反馈型自联想记忆神经网络

自联想记忆神经网络具有类似于大脑的记忆和联想的特性 .在Hopfield网络的理论基础上 ,提出了一种反馈型的自联想记忆神经网络 .和Hopfield模型不同的是 ,这种神经网络增加了一个隐含层来扩大网络的存储容量 ,并采用局部相连的拓扑结构来代替全相连 ,从而减少了计算复杂度 .在网络的学习过程中 ,各神经元之间的权值按照学习规则不断地进行调整 ,使回忆后的输出结果更加接近期望输出 .

用统计神经网络进行结构损伤存在检测

用新奇检测的方法来检测结构损伤的存在 ,因其不需要建立结构的计算模型 ,能适合于大型复杂结构的损伤检测。然而 ,目前采用的新奇检测方法—自联想记忆神经网络方法 ,当所用的测试数据具有不同噪声水平或为非正态分布时 ,可能会得出错误的结果。为此本文提出了一种新的方法—统计神经网络方法用于结构的损伤存在检测 ,并用“可能性”来描述结构损伤的存在。通过一个两层框架的数值模拟和一个简支梁的实验数据分析 ,证明统计神经网络可以用来检测结构的损伤存在 。

结构损伤存在检测的两种神经网络的比较研究

目前采用的新奇检测方法———自联想记忆神经网络方法,当所用的测试数据具有不同噪声水平或为非正态分布时,会得出错误的结果.为此,提出了一种新的方法———统计神经网络方法,用于结构的损伤存在检测,并用"可能性"来描述结构损伤的存在.通过一个两层框架的数值模拟和一个简支梁的实验数据进行对比性研究表明,统计神经网络可以用来检测结构的损伤存在,具有比自联想记忆神经网络更好的检测效果.