一类不确定离散混沌系统的自抗扰控制器与小脑神经网络并行优化控制

针对一类受扰不确定离散非线性混沌系统,提出了基于免疫动态微粒群优化策略的ADRC与CMAC神经网络并行控制方法(ADRC-CMAC).ADRC控制器抑制系统扰动,保证系统的稳定性;CMAC神经网络控制器实现前馈控制保证系统的控制精度和响应速度.利用动态免疫微粒群算法对ADRC-CMAC并行控制器参数进行全局优化.实验结果表明该控制方法具有较快系统的响应速度,较好的抗干扰能力,控制精度高. 关键词： 自抗扰控制器 小脑神经网络 并行控制 混沌系统     

基于PCA和PNN的高甘油三脂血清荧光光谱识别

基于主成分分析和概率神经网络,提出了一种有效识别高甘油三脂血清荧光光谱的新方法.研究测量了正常和高甘油三脂血清在290 nm和350 nm激发光下产生的荧光光谱,并分别以3种采样间隔(1 nm、2 nm和5 nm)提取荧光强度作为样品的初始特征;利用主成分分析法对初始特征进行分析,以累积可信度大于95%的主成分作为样品...     

概率神经网络及FAAS在植物药分类研究中的应用

用火焰原子吸收法（FAAS）测定了植物药中Fe、Mg、Mn、Cu、Zn和Ca元素的含量,采用主成分分析法对所测数据进行预处理,结合概率神经网络模型对中药功效类别进行识别预测研究,取得了较满意的结果。     

基于FA-RBF神经网络的压力传感器的温度漂移补偿法

针对温度对硅压阻式压力传感器输出的影响问题,提出基于因子分析和RBF神经网络相结合的补偿方法.利用因子分析实现对原始信息的筛选和降维;结合RBF神经网络的非线性映射、自适应能力和强容错性对补偿过程进行建模,减少网络的输入,利于简化网络结构,进而加快收敛,节省运行时间,提高网络的学习速率与泛化能力.研究结果表明,该方法有效地抑制了温度对压力传感器的影响,提高传感器的稳定性和准确性.     

基于布谷鸟算法与BP神经网络的煤灰变形温度预测

以120种煤样为数据基础,采用布谷鸟算法(CS)优化BP(Back Propagation)神经网络,建立了CSBP模型对单煤、煤掺添加剂和配煤等3类样本的煤灰变形温度(DT)样本进行预测。模型以煤灰化学成分及其组合参数等13个变量作为输入量,以变形温度(DT)作为输出量。CSBP模型预测结果与BP神经网络模型预测结果进行对比发现,无论是单煤、煤掺添加剂还是配煤,CSBP模型较BP模型对煤灰变形温度(DT)的预测都更加精准,平均相对误差分别达到了3.11%、4.08%和4.22%。另外,对比3类样本预测结果发现,无论是CSBP模型还是BP模型,相比单煤预测而言,煤掺添加剂及配煤的预测误差都有明显的增加。     

分子荧光-基于主成分分析优化输入变量的径向基函数神经网络法测定尿液中的诺氟沙星

将主成分分析用于优化径向基函数神经网络的输入变量,用于提高神经网络模型的预测能力。方法能有效地解决分子荧光光谱法测定尿液中诺氟沙星过程中尿液中内源性荧光物质的干扰。在优化条件下,径向基函数神经网络模型对尿液中诺氟沙星的平均预测误差为15.34%,神经网络结构为2∶3∶1。方法已用于测定尿液中的诺氟沙星。     

基于改进BP神经网络的煤催化气化预测模型研究

采用改进的三层BP神经网络建立了煤催化气化反应失重率、气化初始温度和最大气化速率所对应温度的预测模型。结果表明,采用改进BP神经网络模型在此研究中可达到较高的精度,其最大预测误差分别为5.18% 、5.65% 、2.33%,明显小于归回公式的预测误差。
     

基于神经网络的误差补偿滤波器在陀螺漂移误差模型辨识中的应用

用神经网络补偿非线性卡尔曼滤波器的状态估计误差，并将其用于陀螺漂移误差模型的参数辨识中，仿真结果表明该方法的有效性。     

神经网络的分叉理论设计方法

本文用分叉理论的规范形方程设计和综合期望贮存静、动态记忆模式的神经网络。对于期望贮存静态记忆模式的网络，该规范形方程为叉形分叉的；若期望贮存的记忆模式是周期振荡形式，该规范形方程为高余维数Ｈｏｐｆ分叉的，由满足设计约束的规范形系数得到的突触连接系数可以保证期望贮存的记忆模式都能成功地存贮于所设计的网络，且是网络仅有的吸引子，没有伪吸引子，吸引域的范围足够大。