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 。

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。

自适应共振理论网络法在苦参质量评价中的应用

运用自适应共振理论网络ＡＲＴ１和ＡＲＴ２两种模型，对来源全国各地４０份苦参药材的质量进行了评价。采用ＵＶ和ＩＲ光谱数据，以Ｓｈａｎｎｏｎ信息理论进行特征选取，取得了与传统鉴定较为一致的结果。

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.

基于ART2神经网络的手势动作肌电信号识别

针对手势动作肌电信号识别中存在的识别效率和稳定性问题,采用一种基于ART2神经网络的手势识别方法,并进行了单用户和多用户的实验研究.对8名受试者、8类手势动作模式的单用户实验,取得了较高的识别正确率,与BP网络相比,ART2分类器具有识别率高、实时性好、鲁棒性强的优点;同时,多用户的实验结果表明,ART2网络对手势动作肌电信号的识别具有良好的自适应性和稳定的分类能力.

ART-2神经网络的研究与改进

ART-2神经网络可以很好地应用于模式识别中的聚类问题,但是由于其算法结构中固有的归一化环节,在处理数据过程中丢失了非常重要的幅度信息。在分析这一不足的基础上,提出两种改进算法,同时给出了相应的实验结果。

基于自适应共振理论的结构损伤识别

目的基于自适应共振理论,提出一种基于ART2神经网络的结构损伤识别方法,以实现结构损伤识别的自主学习.方法采用一种改进算法来解决ART2方法中对输入矢量必须是非负实数的要求,并通过主成分分析方法对网络的输入矢量进行降维处理.结果通过对健康监测基准问题模型的计算表明,所采用的改进算法使得网络的输入扩展到整个实数域,且主成分分析方法有效地降低了输入矢量的维数,减少了网络的学习训练时间,从而提高了网络的泛化和判别决策能力.结论基于ART2神经网络的结构损伤识别方法具有自组织、反馈式增量学习机能,能够在不破坏原有记忆样本的情况下,学习新的样本,可以在较强噪声环境下快速准确地识别损伤,适宜于结构损伤的在线监测.

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。

一种传统的ART-2神经网络的结构改进实现

ART-2是一种自组织、无监督的人工神经网络,源于对连续数据进行分类的一种自适应共振理论。但是,我们发现传统ART-2对数据特别是时间序列数据分类时只适合大幅度的信号。因此,我们在理论上提出了一种比传统的ART-2网络有更多优越点的改进型结构。

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。

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。

基于模糊自适应共振理论的图象分割

提出了一种基于模糊 ART神经网络的灰度门限化图象分割方法 ,该方法不仅可以自动确定分类数目 ,而且还能有效抑制噪声 。

改进的ART2型神经网络在故障诊断中的应用

针对传统ART2型神经网络的缺点,提出了一种增强了网络执行速度的改进的ART2型神经网络。改进后的算法避免了传统ART2因输入次序不同而导致的输出结果不同的缺陷。应用了一种新的方法计算输入模式与所有模式的相似度。为了解决传统ART2型神经网络的模式漂移问题引入了激活深度的概念。改善了ATR2型神经网络的适用性。

ART-2神经网络及其在入侵检测中的应用

在分别对ART-2神经网络和入侵检测原理进行介绍的基础上,指出用ART-2神经网络作为入侵检测系统检测算法的可行性。利用KDDCUP-99数据集对算法进行了Matlab仿真。实验表明,该入侵检测算法可实现较高的检测率和较低的误检率。

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。

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。

新型ART-2A算法及其在BIT故障诊断中的应用

在故障诊断过程中由于样本获取困难 ,无监督分类方法日益得到重视。自适应共振理论 (ART)是一种典型的、无监督的、能够对复杂输入模式实现自组织识别的神经网络。作者发现标准 ART- 2算法存在预处理信号畸变问题、同相位不可分问题 ,由此提出了新的 F1 层非线性变换函数、F2 层竞争学习算法和输入预处理方法。该新型ART- 2 / 2 A算法的输入域由原来的非负实数域扩大到整个实数域 ,并且能够正确区分标准 ART- 2 / 2 A算法不可区分的同相位数据。本文以大型船舶动力装置 BIT系统运行状态中的故障模式为对象进行实验验证 ,结果表明新型ART- 2 / 2 A算法能自适应地对 BIT系统未知故障模式进行分类识别 ,分类准确。