基于MNN神经网络的液压系统油温的PWM自学习控制

基于PWM脉冲宽度调节原理，提出开关式冷却系统的PWM控制策略，降低了冷却系统成本，同时提高了系统可靠性。利用MNN动态回归网络提出滞后复杂系统的自学习控制算法，用于液压系统油温的高精度控制，取得令人满意的控制效果。

基于Logistic回归和多层神经网络的Ⅱ型糖尿病并发症预测

研究了Ⅱ型糖尿病并发症的预测。针对相关诊断指标众多,直接应用传统的神经网络等模型预测,会带来无法适应多种并发症、运算速度较慢及预测准确率偏低等问题,提出了基于Logistic回归和多层神经网络(MNN)的Ⅱ型糖尿病并发症预测模型。该模型首先应用关联性分析,提取与5种不同Ⅱ型糖尿病并发症相关的诊断指标,经Logistic回归模型等分析得到强相关因子,作为预测模型的输入,再运用Python,构建基于多层神经网络的预测模型。实验结果表明,全血糖化血红蛋白测定,尿胆原定性实验指标,尿素和尿红细胞与绝大部分Ⅱ型糖尿病并发症直接相关。Logistic回归结合多层神经网络预测准确率高于单一Logistic回归模型,预测准确率基本保持在85%的水平上,对某些并发症的预测准确率达到90%以上,可以达到为Ⅱ型糖尿病并发症预测提供科学参考的目的。

基于平移不变Zernike矩和模块化神经网络的掌纹识别方法

在对掌纹原始图像进行去噪、分割等预处理之后,利用平移不变的Zernike矩特征矢量(TIZMs)作为掌纹特征建立特征库,根据已知分类信息建立样本集.并将问题分解为多个小规模的两类问题,然后采用模块化神经网络(MNN)作为分类器进行掌纹识别.对香港理工大学的Polyu PalmprintDB数据库中的3200个掌纹进行实验,在响应时间和识别精度等方面获得了很好的结果.

基于KFCM-MNN并联式混合动力汽车能量管理策略

为了提高并联式混合动力汽车的燃油经济性,文章提出了一种基于核模糊c聚类(kernel fuzzy cmeans clustering,KFCM)的多神经网络(multi-neural network,MNN)能量管理设计方法。采用动态规划全局优化离线仿真得到全局最优解,使用KFCM算法对全局最优解数据集合按照车辆运行模式作聚类划分,针对每一个聚类建立局部神经网络。训练后的MNN模型结构根据实时工况,将多个局部神经网络的输出联结作为能量管理策略的输出,以实现发动机和电机转矩的实时优化分配。仿真结果表明,基于KFCM-MNN的能量管理策略,具有对动态规划能量管理策略很好的学习模拟能力,是一种准最优的控制策略。