基于灰色人工神经网络组合模型的交通量预测

针对公路远景交通量预测工作中常存在交通量原始数据呈随机性、非线性变化的特点,同时学习样本量较小、信息不充分的问题,充分利用贝叶斯正则化神经网络非线性逼近,良好的泛化能力和无偏GM(1,1)模型的少数据建模,弱化原始数据随机性并增强规律性,消除了传统GM(1,1)模型预测所固有的偏差的优点,建立无偏GM(1,1)-贝叶斯正则化神经网络交通量组合预测模型,并应用于实际交通量预测中.与传统BP预测模型比较,算例结果表明所建模型有效可行,提高了预测精度.     

基于神经网络的测井解释系统

文中设计了基于神经网络的测井解释系统,讨论了系统的结构、后传算法以及实现的途径。     

基于人工神经元网络模型的预测控制研究

研究了基于人工神经元网络模型的非线性预测控制，所采用的网络为一种将线性模型与多层前向网络相结合的ＤＬＦ网络，仿真结果表明，该“混合网络”易训练，收敛速度可大大加快，在ＤＬＦ模型的基础上，本文研究了一种非线性预测控制算法，它的显著特点是在线计算量小。对于一非线性过程－球形罐液位的仿真结果表明，基于ＤＬＦ的非线性预测控制效果颇佳。     

基于神经网络的宗地地价评估探析

当前,人工神经网络的研究方兴未艾,已成为人工智能领域的研究热点,其应用领域也越来越广．根据宗地地价评估的特点,对人工神经网络在宗地地价评估中的应用进行了探索．首先分析了宗地地价的特点和影响因素,并选取了济南市住宅用地交易样点,然后在DPS软件中用神经网络对所选样点进行宗地地价评估．通过预测结果与实际结果的对比得出,基于神经网络的宗地地价评估简便可行,并比传统方法更客观．     

基于人工神经网络的设备故障诊断策略及模型研究

文章首先介绍人工种经网络的基本理论和基本模型，然后研究诊断设备的结用特征，担出了“结构树”的概念．并据此分析了设备故障的特点．文章最后以神经网络基本模型为基础，结合设备故障特点，探讨了基于人工神经网络的设备故障诊断策略及模型．     

基于神经网络的模糊控制

从最优化角度出发，用神经网络解决模糊控制系统的规则提取问题，给出了可靠的基于ＢＰ算法的神经网络学习过程。讨论了模糊子集个数的选取与系统复杂性、精确性之间的关系。     

基于用例的层次Petri网建模

利用用例解决了层次Petri网建模中问题界定和问题细化的两个难点，同时也利用层次Petri网表现了用例中文本形式事件流所无法表现出事件自身的并发关系，由此建立的模型具有粒度可控和模块化良好的优点。     

基于神经网络的股市预测

本文研究了基于神经网络的股票预测方法．针对目前存在的问题,提出了联合Davidon最小二乘算法及遗传算法来综合训练网络结构和权值的新方法．经对上证指数的模拟预测表明,通过合理地选取参数,可获得满意的预测效果．     

基于Petri网的智能控制结构建模

智能控制具有递阶结构，按照精度提高智能降低的原理依次为组织级、协调级和执行级。本文提出用Ｐｅｔｒｉ网对智能控制递阶结构中组织级的任务规划和协调级进行建模，并提出用Ｐｅｔｒｉ网进行任务分解的方法。本研究对于智能控制的知识表示方法研究有一定的参考意义，并对于机器人系统设计与分析具有重要的理论与应用价值。     

基于神经网络的采掘接替优化研究

矿井采掘计划的编制是典型的不良结构和复杂的技术经济问题。本文采用人工神经网络技术和最优梯度下降算法来构筑ＡＮＮ数据获取器,以此获取采掘技术经济指标,并将ＡＮＮ 模型与计算机模拟相结合对矿井采掘关系进行动态调整与优化。     

工程索赔管理的神经网络方法

工程管理中存在着大量的合同变更和多样因素引起的工程施工索赔,通过研究各种引起施工索赔的因素,建立了利用神经网络模型判断施工管理索赔出现的可能性,为业主施工索赔管理提出了一个新途径,最后,结合一个实例,证明了该方法的有效性。     

基于神经网络的喘振早期发现

分析并指出了压缩机组防喘振控制系统的缺陷，在此基础上，针对机组发生哮喘振与机组工艺参数间的关系，建立了一个基于神经网络模型喘振预警系统，以帮助现场机组操作人员及早发现喘振。     

基于人工免疫网络的k-平均聚类算法的研究

以人工免疫网络理论结合k-平均算法,尝试了一种聚类分析的新的解决方案.对k-平均算法中每一次迭代求平均值来确定聚类中心的方式进行改进,采用人工免疫网络中克隆选择和变异机制对聚类中心进行操作,选取最优抗体作为下一次迭代的聚类中心,克服了k-平均算法中对孤立点敏感的缺点,从而大大减少了迭代次数.通过对4组标准数据的实验,结果表明,该算法具有很好的自适应性,收敛速度快,提高了聚类性能.     

基于动态递归神经网络的动态矩阵控制

给出了利用动态递归神经网络 (DRNN)重构一个非线性动态过程的方法 ,对权值调整算法进行了推导。采用的动态递归神经网络具有非线性系统状态观测器的结构特征 ,容易实现并进行稳定性分析。利用训练好的网络作为预估模型 ,设计了基于DRNN的动态矩阵控制算法。仿真结果表明了权值调整算法和控制策略的有效性     

基于神经网络的模糊关系方程解法

借助于神经网络的学习功能，从一个简单的数学神经网络出发，设计出有限集上模糊关系方程解法，可以方便地求出这种方程的最大解和全部极小解。此外，该算法与目前的算法相比更易于编程。     

一种基于联想神经网络的矢量编码

利用种经网络稳定记忆的吸引战能把输入矢量聚类的特性，本文讨论了一种改进的Hopfield离散神经网络用作矢量编码，这种方法能获得较高的数据压缩比和较小的压缩失真。     

基于神经网络的自适应控制器的研究

本文研究了神经网络控制未知动态系统的可行性，提出了几种自适应控制结构，并研究了在不同条件下各种结构的性能变化，给出了不同条件下的仿真结果及一些结果分析。图１３，参４．     

基于神经网络的矿井井型确定方法

研究了基于神经网络的矿井井型确定方法，为矿井设计提供了一种崭新的工具，应用表明，该方法是切实可行的。图２，表２，参４。     

利用神经网络法进行直接顶的分类

针对标准B-P神经网络算法存在学习速度慢的问题提出了改进算法。将改进后的神经网络模型应用于直接顶分类,不论是直接顶初次跨落步距的拟合值还是其预测值,神经网络法的计算精度均高于多元线性回归法。     

实现自然数M次乘方和开M次方计算的增广PETRI网模型

本文给出一个实现自然数m次乘方计算和开m次方计算的两个增广Petri网模型。对于开m次方的增广Petri网模型,若被开方数为完全m次方数,则可算得准确的m次方根值;若被开方数不是完全m次方数,则可根椐需要算出精确到小数点后第k位的近似值。