分类问题的在线顺序双并联快速学习机

双并联前馈神经网络模型是单层感知机和单隐层前馈神经网络的混合结构,本文构造了一种双并联快速学习机算法,与其他类似算法比较,提出的算法能利用较少的隐层单元及更少的待定参数,获得近似的学习性能.数值实验表明,对很多实际分类问题,提出的算法具备更佳的泛化能力,因而可以作为快速学习机算法的有益补充.     

具有泄漏时滞的复值神经网络的全局同步性

研究了一类具有泄漏时滞的复值神经网络的全局同步性问题.在不要求激励函数可分离为实部函数和虚部函数的条件下,通过构造合适的Lyapunov-Krasovskii泛函,并运用驱动-响应同步方法、自由权矩阵方法和矩阵不等式技巧,获得了具有泄漏时滞的复值神经网络全局同步性的充分条件和同步控制器设计方法.给出的判据是由复值线性矩阵不等式表示的,易于MATLAB软件的YALMIP Toolbox实现.数值仿真实例验证了获得结果的有效性.     

水面舰队建立最佳防空编队的数学模型

防空反导是水面舰艇编队最重要的任务之一,我国南海海域辽阔,水面舰艇执行外围岛礁附近海域巡航任务时,往往超出了空中掩护的作战半径,需要自身的对空防御,这时,水面舰艇的编队阵型至关重要.同时,空中目标意图识别是战场态势分析的一个重要部分.以我海军在南海某开阔海域巡逻的水面舰艇编队为例,探究了最佳编队队形的数学模型,并根据所提供的战场空中目标信息,判断目标可能的意图,为威胁判断、火力分配和抗击来袭目标奠定基础.     

移动通信中的无线信道指纹特征建模

为了探索无线信道的传播特征并建立相应的无线信道模型,针对无线信道的"指纹"特征建模及场景识别问题,提出基于无迹卡尔曼神经网络的信道建模方法.首先采用霍特林变换对信道传播数据进行预处理,实现数据从复数域到实数域的转换,然后利用主元分析对数据进行降维,得到降维数据后,采用无迹卡尔曼神经网络进行无线信道"指纹"特征建模,最后根据模型的输出值建立无线信道的评价指标,对测量的信道数据进行场景划分以及场景识别.仿真结果表明:无迹卡尔曼神经网络所建信道模型可准确对无线信道进行类别划分和场景识别.     

基于遗传算法和神经网络的注塑工艺参数优化

基于Moldflow模拟仿真的结果,结合GA算法优化BP网络的结构,建立了模具温度,熔体温度,保压压力,注射速度等工艺参数与塑件体积收缩率的BP网络模型.获得了最优的工艺参数组合,同时预测结果与实际结果吻合.通过神经网络算法(BP)预测注塑工艺参数对塑件质量的影响,可以有效降低其他建模方法的难度和工作量,方法可以推广到塑件其他质量预测过程中.     

分数阶模糊时滞神经网络模型解的存在唯一性和有限时间稳定性

本文介绍了一类分数阶模糊时滞神经网络模型.利用压缩映射原理,讨论了带时滞的分数阶神经网络模型解的存在性和唯一性,并根据Gronwall不等式结合分数阶微分方程的性质,证明了分数阶神经网络模型平衡点的有限时间稳定性,给出了有限时间稳定性的判断准则.最后,给出数值仿真说明了理论结果的正确性.     

基于神经网络的NMR谱图自动相位校正综合算法

目前,已有多种算法被应用在核磁共振谱图自动相位校正中,由于各种算法本身特性和所基于谱图的具体特性的差异,不同算法对于特征不同的谱图的适用性也各不相同. 针对这一情况,文在综合研究多种现有自动相位校正算法的基础上,提出了一种基于神经网络的,可以根据谱图的特征来选取最合适的算法进行自动相位校正的综合算法. 实验表明,本算法可以获得比以往方法更好的计算结果.     

基于麻雀搜索算法结合深度前馈神经网络的近红外模型转移方法研究

该文提出了一种基于麻雀搜索算法结合深度前馈神经网络（SSA－DFN）的近红外光谱模型转移方法。使用深度前馈神经网络拟合不同仪器采集到的光谱之间的非线性函数映射,并将麻雀搜索算法用于网络各层连接权值和阈值的初始化,通过种群中个体位置的迭代更新,求得连接权值和阈值的最优初始值;通过多次调整深度前馈神经网络模型的超参数,使网络拟合效果趋于最优,最终确定转移函数。为验证方法的有效性,分别从烟叶近红外光谱谱图、主成分投影和预测结果的角度,将SSA－DFN方法与分段直接校正算法（PDS）、典型相关性分析算法（CCA）转移前后的效果进行了对比。结果表明SSA－DFN方法转移后的从机光谱与原主机光谱重合度最高,转移后主、从机总糖、烟碱含量的预测结果差异不显著,预测平均误差从8.32%、9.15%分别降至4.65%、4.82%,预测均方根误差（RMSEP）和决定系数（R2）等指标均优于PDS和CCA,取得了最佳的转移效果,可满足企业需求。结果表明该方法是一种有效的模型转移方法。     

数字图像法测定养殖水中的孔雀石绿

建立一种简单、可靠的养殖水中孔雀石绿的数字图像检测方法。以1-己基-3-甲基咪唑四氟硼酸盐离子液体富集水样品,再用手机拍照获取样品信息,最后用数字图像结合多层感知器神经网络定量分析孔雀石绿的含量。该法测定结果的相对标准偏差不大于6%(n=5),加标回收率为97.8%~103.0%。该方法可用于养殖水中孔雀石绿的含量测定。     

基于内源性致香物质和化学计量学的烟草感官评价研究

采用主成分分析法结合遗传算法和神经网络,建立了基于烟草内源性致香物质的感官质量评价预测模型。利用气相色谱-质谱(GC-MS)技术对超临界萃取-分子蒸馏所得烟草精油中的内源性致香组分进行定性定量分析,汇总各类致香指标后,对其进行主成分分析;以提取所得5个主成分的得分作为输入变量,感官评吸分数作为输出变量,分别使用标准BP神经网络和遗传算法(GA)优化的BP神经网络建立预测模型。对比实验结果表明,GA优化后的模型预测效果更优,其预测值与实验值间的相关系数为0.96,预测均方根误差为1.81,说明GA-BP模型具有更好的拟合能力和预测能力,该模型能有效地预测烟草精油的感官品质。