一种基于单亲进化遗传求解路径优化的新算法

对配送收集旅行商问题进行了研究,并针对其传统算法局限性进行了分析,提出了一种基于单亲进化遗传新算法.运用PEGA利用父体所提供的有效边的信息,使用保留最小边的方法对个体进行进化,求得费用最低的优化路径.实验证明,该算法可以有效、快速地求得问题的全局最优解.     

用于求解TSP的HOPFIELD／TANK网络模型的特性及参数的理论分析＊

本文对于Hopfield/Tank网络模型在求解TSP的特性进行了理论分析。建立了参数之间的关系准则。     

神经网络方法在解多路旅行商问题中的应用

本文对多路旅行商问题根据出发城市和返回情况分成了四个子问题，建立了各问题的神经网络计算能量函数和迭代公式，提出了智能化的优化方法，并用中国３１个城市进行了模拟分析，结果表明神经网络对求解多路旅行商问题十分有效。     

Pheromone Model Selection in Ant Colony Optimization for the Travelling Salesman Problem

As a meta-heuristic approach, Ant colony optimization (ACO) has many applications. In the algo-rithm selection of pheromone models is the top priority. Selecting pheromone models that don't suffer negative bi-ases is a natural choice. Specifically for the travelling sales-man problem, the first order pheromone is widely recog-nized.When come across travelling salesman problem, we study the reasons for the success of ant colony optimization from the perspective of pheromone models,and unify differ-ent order pheromone models. In tests, we have introduced the concept of sample locations and the similarity coef-ficient to pheromone models. The first order pheromone model and the second order pheromone model are com-pared and are further analysed. We illustrate that the second order pheromone model has better global search ability and diversity of population than the former. With appropriate-scale travelling salesman problems, the sec-ond order model performs better than the first order pheromone model.     

基于人工神经网络下的图像识别的研究

主要利用人工神经网络的理论知识研究在图像识别中的应用为目的,研究图像识别中图像分割的技术,同时详细分析了多层前馈神经网络的描述及BP算法工作过程。介绍隐层的选择及隐层神经元数选择的一些经验方法。针对BP算法存在的问题,提出加可变动量因子的BP算法,通过对网络训练过程参数调整以及增加可变动量因子等方面进行优化改进,实验证明加快了训练速度,改善了BP网络的学习效果。     

连续型神经网络解决信元调度问题的参数分析

本文利用连续型Hopfield神经网络实现信元调度问题,对采用的新的能量函数进行仿真模拟,通过对网络模型的参数特性进行研究分析,寻找最佳的取值范围,为Hopfield神经网络今后的研究和实际应用提供帮助。     

Hopfield网络求解TSP的一种改进算法和理论证明

本文通过简化Ｈｏｐｆｉｌｅｄ神经网络求解问题的能量函数，提出了一种神经网络求解ＴＳＰ的改进算法，借助连接矩阵特征值的分析、从理论上证明了该算法保证获得ＴＳＰ有效解的原因。大量计算机模拟实验表明，该算法明显优于目前广泛应用的Ａｉｙｅｒ算法，具有收敛速度快、可避免无效解，易获得优化解等特点。     

一种基于神经网络的主动队列管理算法

传统的主动队列管理算法在设置参数时,存在算法和具体的网络有关参数设置对网络的稳定性和动态性能影响较大的问题.文中介绍了一种采用单神经元动态调整PID参数的ANNPID算法,解决了PID算法参数设置的问题,通过仿真实验,结果验证了该方法的鲁棒性优于传统的队列管理算法.     

基于TH神经网络的UWB-SAR抑制RFI方法

在超宽带合成孔径雷达(UWB-SAR)系统中,若将接收信号先通过一个自适应预测误差滤波器,然后再进行成像处理运算,能极大改善其抑制射频干扰(RFI)能力.本文提出了一种迅速、有效的抑制RFI方法,它利用谱峰判阶并结合Tank-Hopfield(TH)神经网络计算滤波器权系数,在保持足够的抑制RFI能力的同时,大大提高了运算效率.     

基于神经网络的图像融合效果综合评价

针对单因素指标评价图像融合效果时只考虑融合图像某一方面的特征,缺乏全局性等问题,提出了一种基于神经网络的图像融合效果综合评价方法.该方法采用图像熵值、空间频率值、交叉熵平均值、均方差平均值构成单因素评价指标集,利用模糊积分求出单因素指标融合效果评价值,并以此作为神经网络的输入对其权值进行训练,最终获得综合评价指标.通过大量红外与可见光图像融合的效果评价实验,证明该方法评价结果合理,主客观评价有较好的一致性.     

基于BP神经网络的硬盘播出系统电平诊断的应用及其实现

研究了在MATLAB环境下,利用BP神经网络解决硬盘播出系统电平诊断中的分类问题。首先阐述了BP神经网络的一种故障诊断模型,其次分析了基于集合结构的电平诊断实现原理,最后研究了BP神经网络对电平诊断的求解方法。结论表明:利用在基于BP神经网络的MATLAB环境下解决电平诊断问题时仿真效果明显,有利于实际工程技术的应用。     

人工神经网络的基本原理及其在通信中的应用

人工神经网络是模型生物信息处理系统而建立起来的信息处理模式，是当前国际上研究的热点。由于神经网络具有自适应学习，大规模并行处理与分布式存储，非线性变换，联想记忆等功能，使其在许多方面拥有优于计算机的性能。本文介绍了神经网络的基本概念及具有代表性的模型，着重给出了其在现代通信领域内的应用实例及方法。     

人工神经网络理论及其应用

简要介绍了人工神经网络的发展过程和基本理论，从神经网络具有自学习功能、联想存储功能和高速寻找优化解的能力三个方面论述了其特点和优越性，详细阐述了在模式识别、信号处理、自动控制、人工智能、自适应的人机接口、优化计算、通信以及其它方面的应用，探讨和分析了其发展前景。     

基于遗传算法和人工神经网络的颅内压监测

通过对目前颅内压检测方法优缺点的分析,提出一种新型的颅内压检测方法——基于遗传算法和人工神经网络的颅内压监测。该方法利用误差反向传播神经网络建模,利用遗传算法优化,克服误差反向传播算法效率低下,易陷入局部极值的缺点。通过测量4～6个脑血流动力学参数,输入进此颅内压预测模型,即可得到所需颅内压值。     

一种基于改进暂态混沌神经网络的信道分配算法

该文针对暂态混沌神经网络(TCNN)求解信道分配问题(CAP),分析混沌神经网络模型及其混沌性态,依据其按自反馈连接权值的减小,由混沌态通过逆分岔而收敛到稳定状态的特性,提出了一种对暂态混沌神经网络进行分段退火的策略,即依据混沌神经网络运行过程中,对应Lyaponov指数的变化特性而确定分段点,使网络能有效地利用混沌态进行全局搜索和加快收敛;在7小区的信道分配中,网络收敛速度提升了30%左右,在25小区的Kunz基准测试程序的仿真中,收敛速度也提升了近15%;仿真结果表明其有效减少了网络运算的迭代步数,提高了网络的搜索效率;通过相应理论和仿真结果的分析,对网络的搜索性能、参数的选择与设置进行了进一步的讨论。     

基于BP神经网络的产品寿命分布类型选择

产品寿命分布类型选择问题,是可靠性工程中的一个重要问题。在分析了几种可靠性寿命分布类型识别方法的基础上,设计了一种基于BP神经网络的可靠性寿命分布类型选择方法,并进行了计算机模拟验证。结果表明,该方法原理简单,算法易以实现,便于工程应用。     

基于人工神经网络的IC互连可靠性研究

鉴于有限元分析耗时耗资源的缺点,为了加速集成电路的互连可靠性分析,提出将传统的有限元建模和人工神经网络(ANN)建模技术结合来实现IC的建模和仿真分析.采用有限元ANSYS参数化设计语言(APDL)实现IC三维模型的自动构建和原子通量散度(AFD)计算,之后通过对计算所得的可靠性数据进行训练和测试,采用神经网络技术对模型的输入输出关系进行建模,使模型达到足够高的精度.神经网络模型构建好之后,可以在短时间产生一个可靠性数据库.通过对数据的统计分析可以得到电路在不同条件下的互连可靠性,进而分析各因素对电路互连可靠性的影响,为集成电路的互连可靠性分析和设计提供重要指导.     

基于SFLA-GA混合算法求解时间最优的旅行商问题

该文以经典的对称旅行商问题(Symmetric Traveling Salesman Problem, STSP)为基础,求解时间最优的旅行商问题(Time Optimal TSP, TOTSP),将拟合函数引入到混合蛙跳遗传算法(SFLA-GA)的适应度函数来反映景点客流量随时间的变化,旨在旅游旺季为游客提供一条游览时间最短的路径推送服务。实验结果表明：相对于随机游览路径,SFLA-GA混合算法得到的游览路径明显节省了游览时间;与SFLA和混合粒子群遗传算法(PSO-GA)相比较,SFLA-GA混合算法具有计算量少、收敛速度快、对初始种群依赖性低以及全局性更好等优点,在求解TOTSP上搜索性能更强、时间更优。     

基于小波变换的多神经网络胸片骨骼分离

胸片中,因大量肺结点被锁骨或肋骨遮挡而被放射科医生忽略。为了从胸片图像中分割出骨骼结构,提出了一种基于小波变换的多分辨率人工神经网络,以获取去除骨骼结构的虚拟软组织胸片。该方法可有效保证肺结点与血管的清晰度,且分离出骨骼和软组织可有效地帮助放射医生检测肺结点。     

基于神经网络的自动机动决策设计

空战智能决策技术是目前广泛被研究和使用的一种新技术。本文针对使用人工神经网络制定空战机动决策的方法进行了一些初步研究,并对仿真结果进行了对比分析。