基于自适应共振理论(ART)网络的机床设备实例的分类

阐述了自适应共振理论 (ART)网络的原理及训练算法。利用ART网络良好的自组织 ,自学习 ,可塑性强的特点 ,提出基于神经网络的机床设备实例分类的策略。该方法求解简单快速 ,容易实现 ,效率高 。

改进ART Ⅱ算法的仿真研究

ART Ⅱ网络以模式的相似性量度值为基础,能够对动态的输入模式样本进行自适应的聚类和识别,然而标准的ART Ⅱ网络在输入数据处理过程中,忽略了样本数据中的负数信息和幅值信息,造成信号畸变和"同相位不可分"问题,在权值调整过程中,聚类中心发生移动,容易造成"模式漂移"现象。针对上述问题结合相关文献提出了引入非线性函数对输入数据进行变换的方法解决"同相位不可分"问题,用待测数据与同一模式类中有限数据的欧氏距离与限定值进行比较实现聚类判定,抑制"模式漂移"现象。用Matlab仿真表明,改进算法性能优于标准算法。

一种改进的ART1算法及其在人像识别中的应用

本文通过对自适应共振理论（ＡＲＴ）及ＡＲＴ１ 的研究， 提出了一种改进的ＡＲＴ１ 算法． 这种算法不仅具有ＡＲＴ１ 算法的所有优点， 而且降低了ＡＲＴ１ 算法的识别识误差．

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.

引入遗忘机制的ART2改进模型

论文针对ART2网络学习与记忆的特点,在原始ART2的基础上提出具有遗忘机制的改进模型,并开发了相应的MATLAB程序。改进模型解决了原始ART2网络权值学习的随机偏移问题,有效地过滤了噪声,提高了分类结果的稳定性,降低了空间存储消耗。文章进一步运用改进模型对典型输入样本进行了分类,得到了理想的结果。

改进ART1神经网络在航空发动机故障诊断中的应用

根据航空发动机故障诊断原理和飞参数据,提出了一种改进ART1神经网络故障诊断方法。该法对数据预处理后,运用四阈值法和二次判断建立故障代码消除“伪故障”,并对ART1神经网络的输入层进行了改进,在诊断突发性故障的基础上,增加了对因为部件原因而引起的渐变性故障的诊断。实验结果证明,该方法精确度高,噪声抑制力强,而且诊断准确,大大降低了虚警率。

基于ART1网络的字符识别器

通过标准自适应共振理论神经网络(Adaptive Resonance Theory,ART),设计和实现了一个字符识别器,针对标准的ART1网络存在的不足,即网络的学习不稳定,对样本输入顺序比较敏感等问题,给出了改进方法,用C语言实现了这2种字符识别器,实验结果表明这2种字符识别器能够对不同的字符进行识别,改进方法比基于标准ART1网络具有更好的稳定性.

用ART2神经网络对铣削过程的监测研究

将 1～ 4个刀齿进行端面铣削时测得的工件夹具上的振动加速度响应信号输入 ART2神经网络 ,进行自动分类 ,在选择合适的警戒值的情况下 ,网络给出完全正确的分类结果。本文的研究可做为

基于小波包特征提取的ART1网络故障诊断研究

系统阐述了小波包分解及 ART1神经网络的基本理论和特点 ,在对故障诊断进行理论分析的基础上 ,结合ART1神经网络对输入矢量的要求 ,提出了一种差值门限方法 ,将小波包特征提取与 ART1神经网络相结合进行动态系统的故障诊断。用 MATL AB仿真了系统及其故障 ,对上述故障诊断方法进行了测试实验。实验结果表明 ,基于小波包特征提取的 ART1神经网络故障诊断方法是可行的 ,能够应用于多个领域 ,其发展前景广阔。

一种新的基于ART的支持向量机多类分类方法

基于支持向量机的二值分类原理,提出了一种由自适应共振理论方法与支持向量机相结合的改进型多类分类方法.此方法改进了传统支持向量机的一对一多类分类方法;对于每个二值分类器的结果进行决策时没有采用投票原则,而是采用自适应共振理论网络融合二值分类器的输出信息,从而克服了当分类器输出结果接近于0时投票法容易出现决策错误和票数相同时无法决策的不足.此算法已应用于玻璃的分类.仿真实验证明,此方法具有较好的分类效果.

基于ART2网络的民航气象服务器业务维护系统的设计与实现

气象服务作为国家重要公共服务,民航气象业务系统的安全运行十分重要。文章引入神经网络技术,设计了基于ART2网络的民航气象服务器业务维护系统,可用于对民航气象业务系统进行实时监控、故障分析与处理,为系统管理员的系统维护提供决策支持、数值分析和经验积累总结。

ART2网络在民航气象数据库业务系统维护中的应用

基于人工神经网络ART2的维护经验收集子系统作为民航气象业务维护支持系统的子系统,集故障识别、方法记录等功能于一体,充分发挥了ART2网络边学习边回想、在线学习的优势,为维护经验的收集提供一个强有力的平台。

基于ART神经网络的房地产物业市场的聚类分析

房地产物业市场的准确分类是房地产开发决策和控制风险的前提和基础.针对传统的以回归分析、模糊聚类为主的方法存在建模困难、计算繁琐、适应性弱等缺点,提出了基于ART神经网络的房地产物业分类方法.该方法避免了繁琐的建模过程,简化了分类计算,同时由于其无监督学习的特性,使其具有很强的适应能力.同时本文还以杭州市房地产市场为例,论证了方法的合理性和可行性,并探讨了其实际应用的潜力和措施.

ART2神经网络的一种改进

传统ART2神经网络在聚类过程中模式的匹配度量仅仅与模式的相位信息相关,这种匹配度量忽略了模式的幅度信息的作用,在对相位信息相同而幅度信息不同的两个簇进行聚类时,效果很差;同时,它还存在输入域限制的问题。针对这些不足之处,提出了一种改进的ART2神经网络,在输入模式进入网络学习过程中,保存其幅值信息,放宽对负实数的非线性转换,并考虑输入模式到各个簇的中心点的最短距离,同时增加一个阈值对离群点进行判定,消除了离群点对聚类结果的影响。实验验证,改进的ART2网络在对相同相位的两个簇聚类时,性能明显优于传统的ART2网络。

一种改进的ART2算法及其在入侵检测中的应用

根据入侵检测技术和自适应共振网络算法中ART2算法的特点,提出了一种改进的ART2算法,并将其应用于入侵检测中.在Linux平台下实现了改进模型,并且对入侵数据集进行检测,表明该算法可以有效检测出入侵.

一种新的ART2神经网络模型

指出了传统的ART2神经网络对渐变过程不敏感的局限性,建立了新的ART2神经网络模型,与传统模型相比,增加了伴随神经元和重置系统B。开发了相应的MATLAB程序,模拟实验表明新的ART2神经网络能够分辨渐变过程。