基于Kohonen神经网络的滚动轴承故障诊断

提出了一种新的列车滚动轴承故障诊断方法。首先利用小波包分解对滚动轴承的 动态信号进行分析、提取特征，然后采用Kohonen神经网络进行滚动轴承故障诊断。对7类 列 车滚动轴承进行了实验，结果表明该方法具有很好的故障诊断效果。

基于BP-ANN的热电偶信息处理方法

为了提高传感器的准确度,提出一种基于BP网络和递推预报误差算法对热电偶进行信息处理的方法,经过仿真试验证明该方法可以提高传感器在较大范围内的测量准确度。该方法用软件容易实现,可以很方便地应用到其它传感器中。

基于人工神经网络的零件特征加工方法获取及其优先权选择

为了获取零件特征的所有可行加工方法,并定量化描述其选择优先权,提出了一种基于人工神经网络的决策方法。在该决策方法中,基于对问题特性的分析,采用均匀设计法选取有代表性的样本集合;为避免常规反向传播算法训练网络时易陷入局部极小值的缺陷,采用可同时调整动量因子和学习率的改进反向传播算法,并用线性回归分析方法加以测试。实例验证了该方法可以有效地获取零件特征的所有可行加工方法及其选择优先权。

基于遗传算法的神经网络优化

神经网络和以遗传算法为代表的进化算法都是仿效生物处理模式来获得智能信息处理功能的理论。其中，神经网络已被广泛应用于智能控制系统优化、信号及信息处理、模式识别等领域。而遗传算法则是模拟生物的进化现象（自然淘汰、交叉、变异等），来表现复杂现象的一种概率搜索方法，以达到快速有效地解决各种困难问题。但神经网络和遗传算法目标相近而方法各异。因此，将这两种方法相互结合，必能达到取长补短的作用。近年来，在这方面已经取得了不少研究成果，形成了以遗传算法与神经网络相结合的进化神经网络（ＥＮＮ）。本文以综述的形式总结了遗传算法在神经网络训练中的应用情况。

基于神经网络的心电数据压缩

针对动态心电监护系统中心电监护数据量很大,其中只有一部分特征才对诊断有意义,本文提出了一种基于神经网络的心电数据压缩算法。该算法根据ECG特征的变化,自动调整神经网络的结构参数,从ECG中提取出对诊断有意义的信息,并具有并行处理、自学习等特点。

智能优化算法在机械优化设计中的应用

针对传统机械优化设计算法存在的问题,分析介绍了近年来兴起的智能优化算法,主要是几种神经网络模型和进化计算等智能优化算法用于机械优化设计的基本思想和应用方法。

随机区间时滞Hopfield神经网络的指数稳定性

讨论了一类带有可变时滞的随机区间Hopfield神经网络的指数稳定性 ,利用李雅普罗夫函数和Razuminkhin 定理 ,得到了一些关于该系统均方指数稳定与几乎必然稳定的时滞无关和时滞相关的充分性判据 。

基于双视卷积神经网络的输电线路自动巡检

卷积神经网络算法被广泛应用于输电线路自动巡检领域,但传统卷积神经网络电力缺陷识别模型的泛化能力较差。为此,提出一种融合双角度图像信息的卷积神经网络检测算法(CVR-RCNN),其利用2个视角可见光图像识别输电线路的常见缺陷。经实验测试,CVR-RCNN模型具有良好的鲁棒性,受试者工作特性(ROC)曲线下面积(AUC)值高达0.927,缺陷检测准确度较传统算法有显著提高。因此,CVR-RCNN能明显改善电力缺陷检测效果,可为无人机自动巡检输电线路提高准确稳定的算法架构。

基于卷积神经网络的图像分类技术

随着大量带标记的数据库的开源使用和带有高性能GPU的计算机的发展推广,深度学习已然从理论走向实践,开始广泛地活跃于图像分类的舞台之上,其中变现最为突出的是卷积神经网络(Convolutional neural networks,CNNs),目前已经在大规模的识别与分类任务获得了瞩目的成果,突破了传统分类方法的极限并且已经首次达到优于人眼识别的地步。本次实验的重点是将CNN应用在实际的图像分类操作中,并对CNN进行优化与改进,采用Inception架构高效并行处理数据,并采取新型激活函数来提高识别率,通过迁移学习在谷歌的深度学习框架tensorflow上进行试验,结果表明,通过对CNN架构的改进,识别率得到了明显的提升,证明改进的CNN具有相当的实用性。