一种自学习策略及其在模糊控制与神经网络控制中的应用

提出一种新的自学习控制策略。模糊控制与神经网络控制的仿真研究证实该策略具有易于实现、在线学习、跟踪控制和一定通用性的优点，并具有满意的学习功能。     

基于神经网络的高速公路服务水平评价

对高速公路服务水平进行评价是一项非常重要的工作，但其工作量很大，也很烦琐，本文采用一种人工神经网络解决这一问题，将评价因子作为输入向量提供给网络，要求网络输出服务水平等级。通过检验，验证了该方法的可行性。     

利用RBF神经网络预测和消弱低频无线电导航定位误差

由于诸多因素的影响，导致了低频无线电导航系统的定位误差和GPS卫星导航系统的定位误差之间存在较大的差距，拟采用径向基函数（RBF）网络来预测电波传播误差，以期达到修正现有低频无线电导航系统定位误差的目的，从而进一步提高低频无线电导航定位的精度。     

基于退火策略的混沌神经网络在解KTSP问题中的应用

研究优化求解多路TSP问题(KTSP)。首先求出将KTSP转化成TSP的换位矩阵，然后用基于退火策略的混沌神经网络(ACNN)模型求解KTSP。仿真结果表明算法是有效的。     

BP神经网络预测船体焊接变形

实现无余量造船的重要前提是准确预测船体结构的焊接变形,从而满足造船精度要求。由于焊接变形的起因以及现场工作环境非常复杂,几种回归公式难以完全覆盖所有范围。为此,本文应用C 语言实现BP神经网络学习算法,来预测船体构件焊接横向变形和角变形。     

MIMD机器上流水化BP算法的实现

神经网络训练过程中的高昂计算代价是有待克服的一个主要困难，作者把前馈多层神经网络的相继各层盾做流水线的相继步骤，从而提出了一个在ＭＩＭＤ机器上实现的并行ＢＰ算法来提高误差反传递算法的效率，文章的最后，对ＢＰ算法的并行实现进行了分析，理论分析结果显示，多种神经网络结构都可有效地并行化。     

前馈神经网络在求解N—皇后问题中的应用

采用前馈神经网络求解Ｎ－皇后问题，并用变学习因子的快速学习算法解决局部极小化夷了几组搜索结果。     

改进的BP神经网络在铁路客运量时间序列预测中的应用

针对目前铁路客运量预测方法的不足,采用改进的BP神经网络对铁路客运量时间序列进行预测。分析改进的BP神经网络原理,对1980年—1998年的铁路客运量进行归一化处理,建立铁路客运量时间序列神经网络预测模型,设计网络参数,进行网络学习与训练的仿真试验。对比分析改进的BP神经网络与标准的BP神经网络预测结果,证明改进的BP神经网络预测结果更准确,精度更高。     

基于神经网络的汽轮发电机组推力瓦块拆检周期改进

运用人工神经网络的方法对某舰用汽轮发电机组的滑油铜含量进行分析,找出铜含量的变化规律,然后与曲线拟合进行数据处理的方法作比较,结果表明,基于遗传算法的BP网络模型比曲线拟合模型的预报精度明显提高,预报结果稳定,且建立模型的过程较为简单。