基于人工神经网络的建筑物软基沉降预测

提出基于人工神经网络的基础最终沉降的预测新方法，通过工程实例应用，在较短的实测资料情况下，可获得较小误差的最终沉降量，所建立的模型预测精度高．     

具有动态阈值的人工神经网络

在研究神经元阈值作用的基础上,提出了神经网络中神经元的动态阈值选择作用和神经元之间抑制作用模型,研究表明,这种模型能降低应用对象模型的复杂性,简化网络运行的中间过程,修正二值输出函数的性能,使收敛速度和有效性得到改善.将这种人工神经网络用于求解TSP问题,显示系统还具有模拟退火作用的效果.     

基于人工神经网络的区域经济子系统可持续发展指标预测研究

可持续发展系统是“黑箱”,至少是“灰箱”,各因素是间否存在因果关系还十分清楚,人工神经网络可以较为逼真地模拟该系统,本文以人工神经网络BP模型为工具,借助Matlab语言对区域可持续发展经济子系统指标进行预测研究,通过数据采集、网络结构模型设计、程序设计、网络训练等给出指标预测图并进行分析,最后提出建议,结果表明,用人工神经网络来模拟持续发展经济子系统是可行的。     

用人工神经网络方法解析色谱重叠峰

色谱图中两个(或以上)峰相互重叠时直接影响色谱分析的结果.本文提出一种借助于人工神经网络的解析方法, 将色谱重叠峰切割成间隔为0 .02 分的“ 薄片” , 以“ 薄片” 面积为输入值, 以前向多层人工神经网络处理.可以准确测定峰形重叠的二乙胺和三乙胺的含量, 经标准物对比, 结果令人满意.     

昆虫酚氧化酶抑制剂的活性预测模型

采用电性拓扑状态指数(En)表征昆虫酚氧化酶(PO)抑制剂的分子结构,通过最佳变量子集回归的方法建立了57种PO抑制剂抑制活性(pIC50)的多元线性回归模型,非交叉相关系数和交叉相关系数分别为0.920和0.908,经Jackknife和变异膨胀因子(VIF)检验具有良好的稳定性和预测能力.该模型显示影响PO抑制剂抑制活性的主要因素是—OH,—O—和C=O等分子结构片段.以模型中的3个参数E13,E14,E16为人工神经网络输入层,设定3∶6∶1的网络结构构建人工神经网络的BP算法模型,相关系数达到0.988.结果表明,与多元线性回归模型相比,BP人工神经网络模型的相关性和预测能力均有较大的提高.     

灰铸铁石墨形态的神经网络识别研究

在分析分形维、纹理粗细度及二维回归系数共同组成的纹理特征基础上,本文运用人工神经网络方法实现了对灰铸铁石墨形态的识别．相对于传统方法,该方法识别速度快、重现性强、数据更为客观准确,避免了由于主观判断所引起的人为误差．在识别过程中,本文使用了一种确定隐层节点数的新方法,结果显示良好,对于人工神经网络中隐层节点数确定难的问题具有很好的实用参考价值．     

含氮杂环化合物理化性质和生物活性的QSPR/QSAR分析

在分子拓扑理论的基础上,计算了含氮杂环化合物的3类拓扑指数:分子连接性指数、形状指数和分子电性距离矢量.利用多元线性回归的方法建立了含氮杂环化合物的疏水性参数(lgP)和对淡水纤毛虫毒性(-lgc)的QSPR/QSAR(定量结构-性质/活性相关)模型,相关系数分别为0.998 1和0.980 6.模型经Jackknife法和逐一剔除法(LOO)交互检验证明具有良好的稳健性和预测能力,为了进一步提高相关系数0.980 6模型的相关性,以模型中的3个参数为人工神经网络输入层,设定3∶3∶1的网络结构,构建人工神经网络(BP)算法模型,相关系数R提升为0.993 3.该模型能很好地预测含氮杂环化合物的理化性质和生物活性.     

应用逆神经网络的自学习控制器

近年来人工神经网络成功地用于动态系统辨识与控制。本文利用人工神经网络逆的概念，说明如何用神经网络去学习动态系统行为以达到控制目的。用一ＢＰ网学习辨识系统的行为，然后作为系统的模型，同时也作为反馈控制器．利用模型通过直接的误差反传技术训练前债控制器．最后，反馈控制器与前控制器一起去控制实际系统。文中给出的２个例子说明了这种控制方法的有效性。     

人工神经网络应用于维生素B族4组分同时测定

应用人工神经网络原理，采用Levenberg-Marquardt BP算法，对于吸收光谱严重重叠的维生素B1，B2，B6和烟酰胺4组分同时进行含量测定。四者的平均回收率分别为100％，98％，96％，100％。该方法用于复合维生素B片剂中B1，B2，B6和烟酰胺的同时测定，获得较满意的结果。实验表明，该方法与现有的算法相比具有训练速度快、预测结果准确度高等特点，有望能成为多组分分析的有效方法之一。     

求解二次规划问题的神经网络方法

根据人工神经网络的基本优化机理,提出了一种基于Lagrange函数的适合于求解二次规划问题的神经网络模型,研究了该神经网络的稳定性和收敛性,探讨了提高网络优化计算效率的神经优化策略,仿真结果证明了该神经网络能有效地求解二次规划问题。     

k-means-RBF集成神经网络在工业尾气检测中的应用

神经网络是工业尾气检测系统的一个重要组成部分. 为提高神经网络的预测精度和收敛速度, 建立k-means-RBF集成神经网络模型. 首先, 通过选取不同的径向基函数神经网络参数, 得到一组RBF神经网络; 然后, 利用k-means算法对生成的RBF神经网络进行聚类, 并筛选出各类中精度较高的神经网络; 最后, 通过简单平均法对筛选出的神经网络进行集成, 得到高性能的k-means-RBF集成神经网络模型. 为验证模型有效性, 搭建基于k-means-RBF集成神经网络模型的工业尾气检测系统进行验证. 结果表明, 与粒子群算法优化后的Back Propagation (PSO-BP)神经网络模型相比, k-means-RBF集成神经网络模型的平均预测精度提高78.27%, 收敛时间节省99.65%     

数字逻辑的稳健神经网络实现

多层二进前向神经网络或布尔神经网络作为典型的人工神经网络模型，研究和应用的十分广泛，这里在分析数字逻辑基本运算和神经元关系后，提出了一种改进的利用三层前向感知器神经网络实现任意数字逻辑函数的新算法，该算法由稳健的感知器构造神经网络，并引入汉明距离化简、卡诺图化简和最小项抑制来降低网络的复杂性，由此算法构造的神经网络不但具有稳健性能，而且消除了对数字输入变量所作的变换，使其更加简单、规范，容错能力更强，可广泛应用于对数字电路设计、编码密码的研究。     

一种基于重置的变结构前馈神经网络

基于GaussNewton法的前馈神经网络虽然可以达到局部二阶收敛速度．但网络结构中如果结点个数过多，会造成过模拟；网络结点过少。又会导致不收敛。为了优化神经网络结构，尝试引入重置算法(Early Restart Algofithm)，并将其应用于Gauss Newton前馈神经网络．提出基于重置的Gauss Newton变结构前馈神经网络。对比实验表明，重置算法的引入有效地解决神经网络的结构优化问题，优化后的神经网络具有良好的收敛性与稳定性。     

混沌神经网络的Lyapunov指数与混沌区域

混沌神经网络有望用于诸如组合优化、信息搜索、模式识别等信息处理中.在Aihara等人依据生物学实验提出的混沌神经网络模型基础上,提出了混沌神经网络的最大Lyapunov指数的一种算法,通过最大Lyapunov指数的计算,研究神经网络的混沌区域以及参数对混沌区域的影响,这对混沌神经网络的混沌特性的研究及其混沌控制是十分有益的.     

基于粗糙集和BP神经网络算法的网络故障诊断模型研究

针对计算机网络故障诊断知识库冗余性高、神经网络与PCA、DS证据等理论相结合诊断精度不高的难题, 提出了一种新的基于粗糙集和BP神经网络的计算机网络故障诊断模型. 首先利用粗糙集算法对网络故障特征进行约简处理、提取最小诊断规则; 其次利用最小规则训练BP神经网络, 建立基于粗糙集和BP神经网络的计算机网络故障诊断模型; 最后将模型运用于真实网络故障数据诊断. 结果表明: 该模型具有学习效率高、诊断速度快、准确率高的特点, 能够快速诊断网络故障类型.     

前馈神经网络在水厂混凝投药中的应用

为了解决自来水生产过程中混凝投药量难以控制的问题,提出了一种将神经网络前馈控制与反馈控制相结合的控制策略。神经网络前馈控制器采用三层结构的BP神经网络模型,输入层神经元分别是原水的流量、浊度、温度、pH值及浊度的设定值,输出层神经元为混凝投药量。反馈控制采用传统     

一种基于动态模糊Kohonen网络的聚类模型及应用

提出一种基于动态模糊Kohonen神经网络聚类模型,针对传统的Kohonen神经网络(KNN)聚类需要预先确定聚类数的问题,提出采用树形动态自组织映射网络算法(TGSOM)来确定聚类数,并且利用模糊Kohonen神经网络(FKNN)聚类结果与输入顺序无关的优势进行网络优化,得到更优的聚类结果。该模