色貌模型的人工神经网络方法的研究

色貌模型(CAM)主要解决不同观察条件、不同背景和不同环境下的颜色真实再现问题。采用人工神经网络(ANN)的方法来实现目前最新的色貌模型CIECAM02的预测,包括正向预测(从色度参数到色貌属性参数)和逆向预测(从色貌属性参数到色度参数),应用自然色系统(NCS)中的部分色样作为神经网络的训练和测试样本。由于正向输出色貌属性参数空间不是均匀的,对于网络预测精度用特殊方法评估,而对于逆向模型则可直接利用LAB色差公式评价。测试的结果表明:用神经网络对CIECAM02模型的预测达到了较高的精度。     

时滞分流抑制型细胞神经网络的周期解的指数稳定性

利用适当的李亚普若夫泛函,研究了时滞分流抑制型细胞神经网络的周期解的指数稳定性.     

径向基神经网络微分脉冲溶出伏安法同时测定铅、镍和镉

径向基函数神经网络(RBFN)用于分析重叠的伏安信号;一个名为径向基神经网络的程序(PRBFN)被设计用于执行有关计算;RBFN法成功地应用于微分脉冲阳极溶出伏安法同时测定Pb(Ⅱ),Ni(Ⅱ)和Cd(Ⅱ);RBFN和偏最小二乘(PLs)法的所有组分相对预测标准偏差(RSEP)分别为4．8％和5．6％;试验结果表明RBFN法是解决局部最小和改善收敛速率的一种有价值的工具。     

材料非线性粘弹性本构关系的神经网络模拟

对Green-Rivlin非线性粘弹本构方程给出了用一个三层时延前馈神经网络表示的等价关系,从而利用该网络可以求解G-R方程中的各阶核函数,并给出了根据有机玻璃的一组实验数据计算核函数的应用实例,由此指出神经网络方法可广泛应用于材料本构关系的研究。     

变时滞细胞神经网络稳定性分析

利用矩阵测度、Liapunov函数和Halanay时滞不等式的方法研究了具有变时滞的细胞神经网络模型平衡点的全局指数稳定性问题.给出了判定平衡点全局指数稳定性的几个代数判据,可用于时滞细胞神经网络的设计与检验,数值算例说明其结果的优越性.     

基于模糊与神经网络技术的复杂非线性跟踪控制

针对一类具有不确定性、多重时延和状态未知的复杂非线性系统,把模糊T-S模型和RBF神经网络结合起来,提出了一种基于观测器的跟踪控制方案.首先,应用模糊T-S模型对非线性系统建模,设计观测器用来观测系统状态,并由线性矩阵不等式得到模糊模型的控制律;其次,构建了自适应RBF神经网络,应用自适应RBF神经网络作为补偿器来补偿建模误差和不确定非线性部分.证明了闭环系统满足期望的跟踪性能.示例仿真结果表明了该方案的有效性.     

神经网络的加权本质逼近阶

证明了具有单一隐层的神经网络在L_ω~q的逼近,获得了网络逼近的上界估计和下界估计.这一结果揭示了神经网络在加权逼近的意义下,网络的收敛阶与隐层单元个数之间的关系,为神经网络的应用提供了重要的理论基础.     

基于光纤陀螺的温度补偿模型改进、压缩和FPGA实现

为提高光纤陀螺（FOG）在变温环境下输出误差的补偿精度,在长短期记忆神经网络模型（LSTM）基础上,利用分段非线性粒子群算法（PN-PSO）对LSTM模型超参数寻优,建立PN-PSO-LSTM光纤陀螺温度补偿模型。为有效降低计算和存储开销,便于部署在资源受限的硬件环境中,提出一套适用于光纤陀螺应用场景的模型压缩方案,包括：知识蒸馏、剪枝、激活函数线性化、定点数量化等。最后基于Xilinx公司某芯片完成部署。对比实验结果表明,相较于传统反向传播（BP）模型和传统PSO-LSTM模型,采用所提模型补偿后,陀螺零偏输出均方误差分别降低74.4%和53.5%,模型压缩后在大小减小94.1%的同时,陀螺零偏输出均方误差仍然比传统全精度模型更低,在FPGA实现后对比PC端模型推理速度提升98.47%。     

DVD光学头的RBF神经网络自适应PID控制器设计

为了使三维光存储技术的应用水平得到提高,以DVD伺服技术、双光子吸收技术为基础组建了一套信息存储系统。针对DVD光学读取头系统,采用RBF神经网络自适应PID控制器进行控制,充分利用RBF神经网络的自学习和全局非线性逼近能力,在线调整修正PID控制器的3个参数,使其达到一种最优控制,并通过MATLAB软件进行了计算机仿真。由仿真结果可以得出:通过应用RBF神经网络自适应PID控制算法,系统单位阶跃响应的调整时间为0.25 s,并使系统的超调量降低到几乎为零。