神经网络在公路工程质量检测中的应用

通过对神经网络的自学习、自组织能力的分析,结合公路工程质量检测的实际,提出了应用神经网络提高公路工程质量检测的精度和可靠度的方法。     

自组织径向基神经网络在数据融合中的应用

径向基神经网络是一种基于数值计算方法插值逼近原理构造的人工神经网络，学习速度快且可以避免局部极小问题。文中提出了使用一种自组织径向基人工神经网络来构造雷达功能推理机的方法，此网络采用非监督自组织和监督学习相结合的混合学习算法。实验结果表明，径向基神经网络只需要用比模糊神经网络少很多的学习时间即可达到相同的识别结果。     

������������֯������Ⱥ�Ľ�ͨ��Ԥ��

为了提高城市交通流预测神经网络方法的快速动态学习能力,提出了一种生长自组织神经网络群,将复杂的神经网络个体分解为多个训练简单的神经网络群组,并利用设计的动态生长自组织算法来避免神经网络在学习新知识的时候对已有知识造成破坏,同时保持整个群工作的高效稳定,规模不过度扩张.该神经网络群尝试解决神经网络的一次性学习问题,具有动态知识增殖学习能力和更强的错误自修复能力及系统适应灵活性.仿真结果表明,这一方法能够更精确地实现函数逼近和城市交通流自适应动态预测,适用于需要不断快速动态学习的复杂系统.     

基于神经元智能PID控制器的研究

用神经元的自学习功能构成了智能ＰＩＤ控制器。该控制器将神经网络和ＰＩＤ控制规律融为一体，既具有常规ＰＩＤ控制器结构简单、参数物理意义明确的优点，又具有神经网络自学习、自适应的能力。     

基于模糊神经网络的交通信号控制

本提出一种将模糊控制与人工神经网络和结合的自组织学习方法对交通信号进行实时控制。该方法以模糊神经网络为核心，应用在线滚动学习模型生成交通信号配时方案。这种方法克服了现有控制方法需要大量的数据传输，准确的数学模型等缺陷。中应用微观交通仿真系统对模型进行了校验，仿真结果表明该方法有效。     

自编码器及其改进算法在滚动轴承故障诊断的应用

自编码器作为神经网络中典型的无监督学习模型，在数据降噪和数据可视化降维方面具有明显的优势，且在各应用领域都引起了普遍重视，在滚动轴承故障诊断中的应用也日渐增加。为了及时了解并掌握自编码器及其改进算法在滚动轴承方面的应用，对近年具有代表性的自编码器相关算法进行了分类和总结。首先，阐述了自编码器的原理和几种基于其改进的自编码器方法的理论简述，并分析了这些算法的改进目的与改进方式。然后，列举了上述算法在滚动轴承故障诊断领域的应用。最后，总结了当前自编码器及其改进算法存在的问题，分析了解决问题的思路。     

基于云-自组织神经网络的交通流预测模型

现代交通系统结构复杂,涉及的数据类型和数量众多,模糊性、随机性和不确 定性等因素的存在增加了数据分析过程中定性与定量综合集成的难度.本文对城市交通 流预测进行了研究,根据云模型和自组织神经网络的特点,构建了云-自组织神经网络 交通流预测模型.该预测模型运用云模型处理数据的模糊性和随机性问题的优势,提高了 自组织神经网络预测中学习样本数据的可靠性.通过对某城区的实际数据进行对比测算, 改进的预测模型比单纯使用自组织神经网络预测模型决定系数更高.结果表明,本文提出 的模型在交通流预测中提高了准确率,降低了预测泛化误差.     

基于BP算法的模糊Petri网鱼雷故障诊断方法

模糊Petri网是故障诊断系统建模与分析的一种重要工具,但存在自学习困难的特点.该文将具有强大自学习能力和容错能力的神经网络与模糊Petri网相结合,并根据实际工程应用情况,提出最大路径法对模糊Petri网分层,避免了虚变迁和虚库所加入带来的模糊Petri网故障诊断模型复杂化问题,然后运用神经网络中的BP算法对模型参数进行学习,使模型具有了自学习和泛化能力.将其应用到某型鱼雷电子系统的故障诊断系统中,结果表明,该方法能够有效地提高模型故障诊断能力.     

基于神经网络的多变量模糊自整定PID控制器

针对脉冲ＴＩＧ焊动态过程控制提出了一种基于ＢＰ神经网络的多变量模糊自整定ＰＩＤ控制器。该控制器利用神经网络在线学习具有多变量耦合，非线性及不确定性的复杂的焊接动态过程的控制规则，实现ＰＩＤ参数的自动整定。仿真实验结果表明该控制器不仅具有模糊控制的简单，有效的非线性控制作用。还具备了神经网络的学习与适应能力，以及ＰＩＤ控制的普遍适用性。     

Kohonen神经网络的VC实现及测试

Kohonen神经网络能够模仿人脑特征进行自组织学习,并能根据其学习规则,对输入模式自动进行分类。文章通过对Kohonen神经网络模型的研究,运用VC语言实现其算法,并完成对该神经网络分类功能的测试。     

小波神经网络在交通标志识别中的运用研究

小波神经网络 小波自80年代提出以来,理论和应用都得到了巨大的发展．小波分析的出现被认为是傅立叶分析的突破性进展。目前,神经网络的理论研究日趋深入,其重要发展方向之一,就是注重与小波、混沌、模糊集等非线性科学理论相结合。小波变换具有时频局部特性和变焦特性,而神经网络具有自学习、自适应、鲁棒性、容错性和推广能力．如何把两者的优势结合起来．一直是人们关注的问题。     

学习方法在ATM通信网控制中的应用研究

一种新的基于神经网络学习的算法应用ATM通信网络的控制系统，该学习方法利用了误差反向传播的概念对于ATM的通信质量和业务性能大大提高。而且利用神经网络可以建立输入输出的关系，具有容易实现的特点，并给出了计算机模拟的结果。     

超声医学图象自动分割的自产生与自组织神经网络

用自产生与自组织神经网络方法进行超声心脏图象的自动分割。这种无监督的聚类方法能够自动搜索网络节点数而获取图象中的目标数，从而完成对图象的自动分割。实验结果表明，与自组织特征射方法相比，此方法具有许多优点。     

基于自组织特征映射神经网络的路面使用性能评价方法

针对目前沥青路面使用性能评价方法的不足,提出了基于自组织特征映射神经网络的评价方法。该方法选择了行驶质量、路面破损状况、结构承载力和路面抗滑性能等4个主要因素,应用自组织特征映射神经网络,对沥青路面使用性能进行综合评价。最后通过实例计算,并将计算结果与传统方法的评价结果进行比较。结果表明:该方法合理有效,且相对于目前常用的方法,具有一定的优越性。     

基于神经网络的高温下（后）预应力损失分析

提出了基于神经网络的高温下(后)预应力损失的评价方法.针对影响高温下(后)预应力损失的复杂多变性和相当强的不确定性,建立了基于神经网络的高温下(后)预应力损失模型.运用神经网络强大的自适应、自组织、自学习的能力以及高度的非线性映射性、泛化性和容错性的特点,通过对训练样本的神经网络学习,建立了预应力损失与温度、初始有效预应力以及高温条件的网络关系,最终实现了对测试样本的预应力损失预报.     

基于SOM的上市航运企业盈利能力分析

SOM神经网络结构简单,具有良好的自组织、自学习能力等特性,学习能力强,处理速度快,兼有可视化,结果客观可靠,是一种优良的聚类工具,在模式识别和样本分类中得到广泛应用。运用SOM聚类方法对我国部分上市航运企业盈利能力进行了分析,将18家航运企业盈利能力分为强、中、一般、弱四类,对促进我国航运行业提高运营质量和经济效益具有积极的意义。     

基于Takagi_Sugeno型神经模糊控制系统仿真研究

提出了一种用神经网络实现基于Takagi-Sugeno型模糊系统结构，将神经网络的学习功能引入到模糊控制系统中，MATLAB下的仿真研究表明，通过自学习过程，模糊控制器的隶属函数得到自动修正，系统的动态性能得到了改善。     

神经网络在路面使用性能评估中的应用

应用神经网络BP算法原理，建立评估路面状况指数PCI的模型。通过平整度和路面破损率数据的学习，预测了路面破埙指标PCI，并把神经网络模型和回归模型进行了比较，证明了神经网络模型在路面使用性能评估中有更好的应用前景。     

物流企业分类模型

针对当前物流市场管理比较混乱和急需对物流企业进行分类管理的实际,基于收集的大量物流企业样本,提出了物流企业分类的特征指标体系,应用二维Kohonen自组织神经网络建立了物流企业的分类模型。根据模型的训练结果将物流企业分为运输型、仓储型、配送型、货代型、快递型和综合型6个类别,并对各类型的特点进行了总结描述,最后以5家物流企业为例,对Kohonen自组织神经网络模型进行了测试。结果表明此神经网络模型具有较强的分类能力,能按特征指标对5家物流企业进行归类,分类结果与实际情况相符,该模型可行。     

基于MATLAB的BP神经网络组合预测模型在公路货运量预测中的应用

采用BP神经网络建立公路货运量组合预测的理论模型,灵活利用神经网络通过自适应自学习能够拟合任意非线性函数的功能,有效克服传统的组合预测方法在实际应用中把数据间的关系强加给某一类函数的不足,并借助于先进的数学计算软件MATLAB进行简单的编程,大大降低模型的计算难度,实例证明该方法具有更高的预测精度。