非线性离散不等式及其应用

非线性离散不等式及其应用马万彪（内蒙古师范大学数学系，呼和浩特０１００２２）ＮＯＮＬＩＮＥＡＲＤＩＳＣＲＥＴＥＩＮＥＱＵＡＬＩＴＩＥＳＡＮＤＴＨＥＩＲＡＰＰＬＩＣＡＴＩＯＮＳ￥ＭＡＷＡＮＢＩＡＯ（ＩｎｎｅｒＭｏｎｇｏｌｉａＴｅａｃｈｅｒ＇ｓＵｎｉｖｅ...     

神经网络在非线性规划中的应用

本对蔡少棠等提出的非线性规划神经网络作了改进,使得该神经网络适合于通用VLSI技术实现。     

神经网络在非线性规划中的应用

本文对蔡少棠[1 ] ,[2 ] 等提出的非线性规划神经网络作了改进 ,使得该神经网络适合于通用VLSI技术实现 .     

BP神经网络非线性组合预测模型在海洋冰情预测中的应用

针对海洋冰情灾害的非线性复杂问题，目前已提出了多种模型对其进行预测。在此基础上，根据神经网络的非线性和良好的函数逼近特性，提出用基于BP神经网络的非线性组合预测（NN-NLCF）模型来预测海洋冰情灾害。结果表明，NN—NLCF模型与海洋冰情的非线性特性相契合，它综合利用了参与组合的多种预测模型的有效信息，因而能更客观地反映海洋冰情的发展趋势，预测结果更为稳健、精度更高，在其它自然灾害时序预测中具有一定的推广应用价值。     

小波神经网络在高维非线性系统辨识中的应用研究

在建立小波神经网络模型的基础上,提出了利用小波神经网络对高维非线性系统进行辨识的方法,得出了高维非线性系统的辨识算法,并通过实例仿真说明了系统的泛化能力得到有效提高,获得了具有良好自适应能力的小波网络.     

离散非线性时滞系统的鲁棒耗散控制

针对一类基于T-S模型表示的具有范数有界不确定性离散非线性时滞系统,研究了鲁棒耗散模糊控制问题.对可用T-S模糊模型表示的非线性时滞系统,考虑系统具有范数有界参数不确定性时,应用并行分布式控制方法,得到使得系统稳定且严格耗散的模糊耗散控制器存在的充分性条件.进而通过建立和求解LMI(线性矩阵不等式)约束的凸优化问题,给出了耗散控制律的设计方法.数值算例表明了此方法的可行性和有效性.     

FA-RBF复合神经网络模型及其在地下水位预测中的应用

地下水动态变化过程呈现出高度复杂的非线性特征,增加了地下水位预测的难度.为充分反映地下水位变化过程中自变量和因变量之间的非线性映射关系,克服在获取水文地质参数与查明水文地质条件方面的困难,避免部分智能方法实现繁琐复杂、计算效率低、限制条件多等不足,提出将因子分析方法与RBF神经网络算法构成复合模型,用于地下水位预测.结果表明,复合模型可以用于地下水位预测,模型计算结果可靠,网络训练时间缩短,计算精度有所提高;而且有成熟算法,实现简单.     

遗传神经网络及其在蛋白质二级结构预测中的应用

本文从两个方面对传统的神经网络预测蛋白质二级结构的模型进行改进：一是从算法入手，结合遗传算法，形成遗传神经网络，努力使迭代朝全局最优的方向进行；二是从神经网络的输入层着手，添加反映残基和预测中心位置距离的单元。结果表明，改进的模型对螺旋预测正确率有很大的提高，从L.Howard Holley等人的59．20％到68．67％。     

改进BP神经网络及其在陕西就业预测中的应用

就业是一个非常重要的社会和经济统计指标.世界各国政府都非常重视就业问题,将增加就业率作为政府的工作目标.要想解决就业矛盾,就应该对就业问题的未来发展趋势有一个清醒的认识,从而做出正确的决策.本文提出了一种基于因果关系理论、协整理论用于控制与预测的改进BP神经网络,并将其应用于陕西省就业的控制和预测中.     

不确定离散时滞控制饱和系统的预测控制

讨论同时具有时滞和控制饱和的离散时间不确定系统鲁棒预测控制问题。     

基于动态BP神经网络的非线性预测及在港口货物吞吐量中的应用

文章给出了非线性预测的一般理论方法，运用动态ＢＰ神经网络对实际问题的历史数据进行学习，然后根据学习后获得的非线性机理来进行预测。并将此方法应用于港口货物吞吐量及出口量预报。仿真表明此方法是有效的。     

神经网络及其在系统识别应用中的逼近问题

本文讨论神经网络的能力问题及其在系统识别中的一些逼近问题。文中证明了:(1)函数g∈L_Loc^P(R¹)∩S′(R′)为—L^P-Tauber-Wiener函数的充要条件为g不是一个多项式;(2)当g∈(L^PTW)时,Σ _i=1^N c_ig(y_i·x+θ_i)全体在L^P(K)中稠密;(3)证明了用一元函数的复合可以逼近定义在L^P(K)上的连续(线性或非线性)泛函及L^P1K₁)到L^P2(K₂)中的连续(线性或非张性)算子。上述结果表明任一非多项式的L_LocP∩S′(R′)中的函数可以作为神经网络隐层中的非线性元,以及神经网络算法可以以任意精度识别一个系统。     

离散时间马尔可夫跳变非线性系统H∞控制

讨论离散时间马尔可夫跳变非线性系统(MJNSs)的H∞控制。首先,本文采用一个马尔可夫跳变模糊系统(MJFS)来描述所研究的离散时间MJNS。然后,针对MJFS的跳变参数能够被在线实时检测和不能够被实时检测两种情况,分别给出了模式相关和模式无关的控制器设计方法。所得到的控制器能够保证闭环M JFS均方渐近稳定并且具有有限的L2增益。结果表明,控制器的设计可以转化为一组耦合的线性矩阵不等式求解的问题。     

BP神经网络在期货价格预测中的应用

影响期货价格短期走势的因素纷繁复杂,具有一定的非线性和随机性,因而难于预测.鉴于神经网络强大的非线性映射能力,利用改进的BP网络,对较难解决的期货价格预测问题进行了研究,提出了一种预测期货价格的方法,并以期货铝的价格为例验证了此方法的有效性.     

带有摄动的随机非线性系统的自适应神经网络控制

针对一类带有摄动的随机严格反馈非线性系统,引入积分型Lyapunov函数,利用神经网络的逼近能力,后推设计方法以及Young's不等式,构造出一类简单有效的自适应神经网络状态反馈控制器,在一定条件下,通过Lyapunov方法,证明了闭环系统的所有信号在二阶或四阶矩意义下半全局一致终结有界.仿真结果验证了所提控制方案的有效性.     

正交尺度小波网络及在非线性经济系统预测中的应用

本文提出一种用正交尺度函数代替RBF网络中的激活函数的小波网络，给出相应小波网络学习算法；并以天津市国内生产总值为样本进行宏观经济模拟预测，预测结果表明该模型预测误差低于普通BP网络。     

BP神经网络在肝硬化治疗预测中的应用

本文利用BP神经网络建立起66例肝硬化治疗结果数据预测模型,并基于matlab得出预测结果。实验证明利用BP神经网络可有效地预测肝病治疗效果。     

基于神经网络的一类非仿射非线性系统自适应控制

针对一类带有不确定性的非仿射非线性系统,利用Backstepping设计方法,设计了一种神经网络自适应控制器．该控制器可以实现跟踪特性．基于Lyapunov函数,得出稳定的权学习算法．并利用Lyapunov稳定性理论证明了闭环系统是一致最终有界的．仿真结果表明,这种控制器具有良好的鲁棒性和跟踪特性．     

一类非仿射非线性系统的神经网络自适应跟踪控制

考虑了一类具有零动态的非仿射非线性不确定系统的神经网络直接自适应跟踪控制问题.控制信号由神经网络系统直接产生,无需另外设计系统估计器及鲁棒控制项.采用梯度下降方法以最小化神经网络控制器与未知理想控制器的误差代价函数产生神经网络白适应参数更新律.应用Lyapunov方法证明了闭环系统的稳定性及跟踪误差和相应闭环系统的所有状态最终一致有界性.最后针对带有外部扰动的非仿射非线性系统的仿真结果验证了该文方法的有效性.     

基于神经网络的灰色预测模型及其在中国粮食总产量预测中的应用

在单变量灰色预测模型中,不同模型的建模机理是影响因变量模拟和预测结果的重要因素之一.为了充分挖掘不同模型的优点,提出了基于神经网络的灰色耦合预测技术.设计了详细的建模步骤,开发了用于构建新模型的算法,介绍了模型的评估标准,并通过数值示例对模型的性能进行了测试.最后,新模型被用于预测中国的粮食产量.新模型的平均相对误差为...