CPN神经网络在模拟电路故障诊断中的应用研究

提高模拟电路的故障诊断速度对于装备保障具有重大意义,采用CPN神经网络对模拟电路进行故障诊断,运用M atlab神经网络工具箱对其进行建模、网络训练和故障识别,结果表明采用CPN神经网络可以大大提高故障定位的准确率。

基于对向传播神经网络的液压动力系统故障分类方法研究

以液压动力系统为研究对象,利用频谱分析法,提取蕴含在电流信号中反映系统运行状态的特征信息,并将CPN(对向传播)神经网络引入液压动力系统,进而提出了一种基于CPN神经网络的液压动力系统故障分类方法。实验研究和应用分析表明:CPN神经网络在故障分类中具有较强的鲁棒性、泛化性能好、学习样本数量要求相对较低等诸多优点,对于提高液压动力系统故障的分类识别性能是实用有效的。

基于粗糙集-CPN网络的客户价值预测

利用人工神经网络与粗糙集理论的优势互补,将粗糙集用于优化客户价值的指标结构,CPN神经网络用于预测,提出并建立一种粗糙集与CPN神经网络相结合的客户价值预测模型,并依此模型进行了实例验证。

CPN网络模拟仿人机器人学习推理能力的应用

在对CPN神经网络基本原理进行研究的基础上,用一个CPN网络模拟仿人机器人学习推理能力的例子,并分析了其在网格计算平台下实现的可能性和可持续学习能力,为进一步研究仿人机器人脑行为提供了可能。

基于CPN网络的Web正文抽取技术研究

通过研究使用CPN神经网络进行页面正文抽取,针对传统抽取技术在通用性、可扩展性和可维护性方面的不足提出一种解决问题的思路。

基于CPN网络的电力客户信用风险预测

在分析影响电力客户企业公司财务状况主要因素的基础上,将一种新型特征映射网络—CPN网络理论应用于电力客户信用风险预测,建立基于CPN网络电力客户信用风险预测模型.采用实际数据对模型进行验证,并将其与LVQ网络模型、BP网络模型和传统模型相比较,证明了基于CPN网络电力客户信用风险预测模型具有较高的精度和较强的实用性.

基于CPN网络井口计量原油含水率预测模型

采用多传感器技术对井口计量装置中的影响原油含水率测量有关参量进行测定,提出基于BP神经网络和CPN网络建立原油含水率预测模型的方法,通过对输入网络的参量进行K均值处理,建立井口计量装置的原油含水率预测模型.仿真与实验结果表明:CPN网络可以取得更好地拟合精度和预测效果,明显优于BP网络模型.