腌渍雪菜亚硝酸盐含量变化的数学模型

采用L4(23)正交法,对雪菜腌制过程中影响亚硝酸盐含量变化的盐度、发酵方式和品种等因素进行研究,并建立了2个数学模型.结果表明:利用"最小二乘法"进行估计的线性效用估计模型,估计结果同控制亚硝酸盐产生的实际情况相吻合.利用"Matlab"软件建立神经网络模型,采用"Levenberg-Marquardt"训练方法,进行180次训练,就达到10-7精度.说明控制亚硝酸盐产生神经网络模型较线性模型更具有优越性.

基于PCA-改进BP算法的软测量技术

文中针对基本BP网络建立软测量模型时所存在的一些问题 ,例如 :输入变量之间可能存在的线性相关等冗余性、基本BP算法收敛速度较慢而且易于限于局部最优等 ,本文尝试将主元分析与变尺度改进BP算法相结合 ,以提高软测量模型的训练速度和外推能力 ,为软测量技术的在线应用提供更大的方便。实验结果表明PCA方法与变尺度的改进BP神经元网络相结合的软测量建模方法在训练速度和外推能力方面有较大的改善。

解线性及二次型规划问题增广的神经网络

本文提出了一个解线性及二次型规划问题增广的神经网络模型，证明了该网络是全局稳定于平衡点，而平衡点就是线性及二次型规划问题的解，该网络的优点是能够实时获得问题的精确解，且可以同时获得带等式或不等式约束的对偶问题解。该网络易于电路实现．

基于小脑模型的电液位置伺服系统在线学习控制研究

针对非线性电液位置伺服系统的跟踪控制问题，提出了一种采用小脑模型（ＣＭＡＣ） 神经网络的在线学习控制方法．与传统的ＣＭＡＣ 控制器不同，该控制器采用动态误差作为ＣＭＡＣ 神经网络的激励信号，从而使基于ＣＭＡＣ 的控制器跟踪连续变化的信号成为可能．给出了具体的控制结构和算法．仿真结果表明，该控制器具有良好的处理非线性以及跟踪连续变化信号的能力，并对时变外负载干扰具有明显的抑制作用，而且新型控制器能使用较高的学习速率，学习速度快，适于在线学习控制．

变速齿轮箱诊断快速响应神经网络系统

本文讨论了一个变速齿轮箱诊断的快速响应神经网络系统，分析了它的构成和基本功能，并用实例对其进行了验证，说明了它的有效性和实用性。

可分非线性系统的自校正广义预测控制

对一种可分非线性系统,采用Hammerstein模型的基本框架,用神经网络对非线性部分建模,线性部分采用受控自回归积分滑动平均模型。对此模型的线性部分设计广义预测控制器,得出线性部分的控制量。根据此控制量,引入一逆神经网络,结合原来的神经网络模型,通过对逆神经网络权值的调整,使神经网络模型的输出为线性部分的控制量,同时得到逆神经网络的输出,即非线性系统的控制量。文章提出的模型克服了Hammerstein模型中非线性部分的反函数存在性和唯一性的问题。仿真结果验证了该设计的有效性。

图像聚类分析法用于汽车图像边缘的检测

在分析用于图像边缘检测的多尺度多方位的形态学梯度算法基础上,结合基于自组织神经网络的图像聚类分析的数据融合技术,提出了一种改进的基于形态学梯度法的汽车图像边缘检测方法.经过实验检验,与其它形态学边缘检测方法进行了比较,该方法对汽车图像边缘检测具有较好效果.

人工神经网络在决策支持系统中的应用

在传统的决策支持系统中,加入基于神经网络的预测模块,完成了复杂的非线性预测,使决策支持系统更加的智能化、自动化。该模块采用反向传输BP神经网络模型来实现,通过网络的自适应训练和学习,找出输入和输出之间关系以求解问题。利用该系统对社会消费品零售额进行预测,结果表明该系统具有较强的实用性和通用性。

基于神经网络的并行诊断推理

将人工神经网络（ＡＮＮ）技术用于不确定性的诊断推理中，该方法综合了ＡＮＮ和专家系统（ＥＳ）的优点，摸拟结果表明。

一种用于说话人辨认的EM训练算法

提出用于说话人辨认的一种概率映射网络（ＰＭＮ）分类器，分类器的参数用ＥＭ（Ｅｘｐｅｃｔａｔｉｏｎｍａｘｉｍｉｚａｔｉｏｎ）算法进行训练。ＰＭＮ网为一个四层前馈网，它构成一个贝叶斯分类器，实现多类分类的贝叶斯判别，把输入的说话人语音数据模型参数通过网络变换为输出的说话人判定。其网络节点对应于贝叶斯后验概率公式的各个变量。该ＰＭＮ网络用高斯核函数作为密度函数，网络参数训练由ＥＭ算法实现，其学习方式为类间的监督学习和类内的非监督学习。实验结果表明，这种分类网络及其学习算法在说话人辨认应用中是有效的。

冷轧过程设计优化的神经网络方法

本文提出了一种冷轧过程设定优化的神经网络方法 ,介绍了采用T -H网络进行非线性优化的思想 ,结合板带的冷轧过程 ,给出了采用神经网络求解优化设定的算法和结果。该方法算法简单 。

考虑剪应力对体应变和静水压力对剪应变相互作用的土的神经网络模型

土的本构关系模型的研究是土力学研究中的一个关键问题。但由于土的性质受多方面因素的影响 ,如何找到一个既能准确描述土的本构关系又具有工程实用价值的模型一直是学者们探讨的课题。基于此 ,本文利用人工神经网络的方法建立了一个土的非线性本构关系模型 ,该模型考虑了剪应力对体应变和静水压力对剪应变的相互耦合作用 ,并成功的避免了传统本构模型的经验假设和简化 ,同时充分利用了实验的全部数据 ,提高了模型的精确度。模型亦具有很大的容错性。

基于人工免疫网络的汽轮发电机组运行状态评估与预测

在分析、比较针对机械运行状态各种预测模型及方法的基础上,本文提出了一种基于人工免疫网络的预测模型,通过免疫网络调节与免疫规划,对神经网络系统进行设计与学习,得出人工免疫网络,建立了基于人工免疫网络的中长期预测模型.通过某汽轮发电机组状态中长期预测的应用,结果表明,该方法与传统的BP神经网络和径向基网络(RBF)模型预测方法相比,具有较强的自适应能力且预测效果好,可实现对机械运行状态的预测预报,为预知维修奠定技术基础.

神经网络的应用与发展

神经网络是一门发展十分迅速的交叉学科,已在许多应用领域中取得广泛成功。介绍了神经网络的应用现状、神经网络发展趋势及研究热点,重点论述神经网络与模糊逻辑的结合。

基于BP神经网络的入境旧机电产品再制造质量评估研究

针对入境旧机电产品再制造质量影响因素多、质量控制难度大等问题,探讨入境旧机电产品再制造质量影响因素体系,研究入境旧机电产品再制造质量评估系统组织结构,提出基于BP神经网络的入境旧机电产品再制造质量评估模型,进而以入境旧机床再制造质量评估为例,构建入境旧机床再制造质量评估系统,验证所提评估模型的可行性和有效性。

自主选课匹配系统

自主选课在中学期间日渐普及,而选课最重要的是同学们各自的兴趣,如果分到一位自己不喜欢的老师或科目,学习效率会降低,甚至出现厌恶此科目,所以自主选课系统的构造尤为重要。随着深度学习以及大数据分析渗透各个领域,在生活中体现出极其重要的作用。本系统通过录制老师和学生上课视频,构造大数据库对老师和学生上课的行为分析进行记录,通过长短程神经网络(LSTM)对学生行为分析进行情绪解析,得到最后的匹配度,最终找到自己匹配度最高的三位老师,进行试课,通过试课找到自己适合的老师。这样,既提高学生上课的热情和效率,又保障了学校的生活氛围。同时该系统不依赖于学生主观评价,使得数据结果更为客观,不增加老师和学生的负担,而且有较强精度性以及实时性。此种系统可以同步的进行教学辅助,在中小学选课分析方面有着广泛的应用场景。