基于小波神经网络的中国能源需求预测模型

通过分析影响我国能源需求的主要因素,建立了基于小波神经网络的需求预测模型.采用定性与定量相结合的方式,分析了影响我国能源需求的主要因素,通过将人口总数、GDP、产业结构变化以及能源消费量的一阶滞后作为输入变量,建立基于小波神经网络的我国能源需求非线性预测模型.实验结果表明,该非线性预测模型与多元回归模型相比更加合理,具有更高的预测精度.     

具S-型分布时滞的模糊细胞神经网络的周期解及指数稳定性

研究了一类具S-型分布时滞的模糊细胞神经网络(FCNN)的周期解及全局指数稳定性问题.在不要求激励函数全局L ipsch itz条件下,通过使用指数型二分性和Schauder不动点定理以及构造Lyapunov函数,得到了模糊细胞神经网络模型周期解和指数稳定性的一些充分条件.此外,给出一个实例说明结果是可行的.     

离散神经网络指数稳定改进条件

研究了一类时滞离散神经网络指数稳定及鲁棒稳定问题.结合线性矩阵不等式技术,构造了一个新的广义李亚普诺夫函数,得到了新的指数稳定条件.数值算例表明与以往文献中的结果相比,新准则具有较弱的保守性.     

蛋白质结构的主成分分析及氧链糖基化位点的人工神经网络预测

糖基化是蛋白质翻译后修饰的重要形式之一,氧链糖基化是糖基化的一种主要类型,对蛋白质氧链糖基化位点进行预测具有重要的意义.以窗口长度为41的蛋白质序列为研究对象,采用稀疏编码,利用主成分分析法研究了氧链糖基化蛋白质序列的结构特点;在提取主成分的基础上,设计了一个含单隐层的BP神经网络(256—8—4),对蛋白质氧链糖基化位点进行预测,把蛋白质序列分为4类;并同直接用BP神经网络分类的结果相比较,实验结果证明提出的方法省时,准确,预测的准确率达80~90%.     

面向不平衡数据集的一种改进的加权超限学习机分类算法

标准的加权超限学习机在训练不平衡数据集时,只对不同类之间赋予类权值而没有对个体的样本赋予不同的权值,忽视了样本个体的差异.针对这种情况,利用标准的超限学习机估算个体样本的权值,并与类权值结合,提出了一种改进的双重加权超限学习机分类算法,算法能很好地处理分类任务中各类训练数据分布不平衡的情形.实验结果表明,双重加权超限学习机分类算法与单重加权超限学习机、无权超限学习机相比较,在提高分类精度方面取得了较好的效果.     

海上通道关键节点风险预警研究

海上通道关键节点风险预警研究是保障海上通道安全的重要环节,为准确地预警关键节点的风险,通过对历史案例的统计分析,得出主要风险源因素,构建预警指标体系,以粗糙集理论和粒子群优化原理为基础,建立了基于最小网络误差的最优风险预警模型.通过实例分析证明了该模型可对海上通道关键节点的风险进行有效预警,为保障我国国际海运通道安全,降低海上运输风险和建设"21世纪海上丝绸之路"提供决策参考.     

基于自适应小波神经网络的第二类Fredholm积分方程数值解法

该文构造了一类三层前馈自适应小波神经网络,将小波分析中平移因子和伸缩因子的拟合设置为输入层到隐层的权值与阈值,采用小波基函数作为隐层激活函数,并根据梯度下降算法自适应地调整参数.应用自适应小波神经网络数值求解第二类Fredholm积分方程,通过数值算例验证了该方法的可行性和有效性.     

含分布时滞递归神经网络的一般衰减同步

对具有分布时滞的递归神经网络模型进行了研究,并通过构造适当的Lyapunov-Krasovskii函数和非线性控制函数,采用不等式估计方法,得到了所研究模型一般衰减同步的充分条件.最后给出了一个例子,进一步说明了所得结论的正确性.     

改进的卷积神经网络源代码相似性度量方法

源代码相似性是指不同代码段功能上的相似程度,是软件工程领域一项重要的研究问题.现有的方法主要从文本、结构两方面,利用代码的统计学特征计算相似性,其最大缺点就是无法表达代码的语义特征.为解决此类问题,提出了一种融合统计信息的卷积神经网络（statistics information for code embedding convolutional neural networks, SICE-CNN）源代码相似性检测方法.该方法首先通过词嵌入对源代码进行信息表示,获取代码的词嵌入向量信息;其次,构建CNN训练模型学习源代码文档的嵌入表示;最后,计算源代码对的余弦相似值.实验表明,该方法和一般词嵌入方法相比提高了一定的性能,能较好地检测源代码的语义相似性.     

黄酮类化合物抗氧化活性的神经网络模型

采用量子化学的算法,计算了18个黄酮类化合物的13个结构参数,并采用逐步回归分析,筛选出3个电性结构参数,即A环的总电荷、B环的总电荷、双键氧上的电荷。使用Matlab7.0软件中的神经网络工具箱建立黄酮类化合物抗氧化活性的神经网络模型。交互验证法预报结果表明,预报误差平方和(PRESS)为0.0192,交叉验证系数(R)2为0.875,该神经网络模型预报结果可靠,神经网络可作为化合物活性研究的有效计算机辅助手段。