模糊反向传播神经网络FBP的函数逼近能力研究

研究了模糊反向传播神经网络FBP（Fuzzy Backpropagation)的函数逼所能力。给出了单调连续函数的FBP按序单调特性、连续映射定量以及非函数一致逼近定理，并且说明了FBP虽然能保持连续性映射，但不如原神经网络具有函灵数逼近能力。     

基于BP神经网络的主成分分析法在效能评估中的应用

针对侦察效能评估中,指标因素的多样性和因素间的复杂关系,依据主成分分析的评估思路,运用BP神经网络对侦察效能进行评估.结合BP神经网络的逼近非线性函数的映射能力和并行处理的特点,解决数据样本的分类问题.通过对侦察效能的评估,验证了BP神经网络对效能评估的可行性,其方法和成果可供其它武器装备效能评估借鉴和参考.     

基于神经网络的态势预测方法研究

为提高安全态势感知精确度和降低其复杂度,加强网络系统的安全防护能力,提出了基于神经网络的态势预测方法,并研究了基于径向基函数和遗传神经网络的态势动态预测方法。神经网络可通过自学习和非线性映射以任意精度逼近函数关系,具有高度灵活可变的拓扑结构及很强的适应能力,对于中、短期预测具有较高的精度。     

基于BP神经网络算法及推导的研究

介绍BP神经网络算法原理,就算法推导过程做出重点分析,给出构造BP网络模型的一般步骤以及该算法在曲线曲面函数逼近中的应用实例.实验表明,BP神经网络在曲线曲面函数中具有很好的逼近能力,训练后的模型具有较高的精度.     

基于径向基函数神经网络的舰艇声呐部位自噪声预报

径向基函数神经网络具有学习速度较快,函数逼近能力强的特点.文章分析了影响声呐部位自噪声的各种声源参数,以舰艇声呐部位自噪声作为目标函数,将径向基函数神经网络用于舰艇声纳部位自噪声预报.利用舰艇声呐实测数据进行网络训练,训练好的神经网络可以对舰艇声呐部位自噪声进行精确预报.     

层次模糊系统的全局逼近性质及其与多子波神经网络关系研究

讨论了B样条基函数的特性,在此基础上证明了基于B样条隶属函数的层次模糊系统(HBFS)是全局逼近器这一重要结论.同时,根据基于B样条隶属函数的层次模糊系统与多子波神经网络在逼近问题上的等价性,对于多子波神经网络是否为全局逼近器这一问题给出了一种全新的证明方法.     

BP神经网络及其在图像压缩中的应用

BP神经网络是一种采用反向传播算法的多层前馈网络,它具有结构简单、可操作性强、能够逼近任意的非线性映射关系等优点,而且具有很好的泛化能力,在图像处理领域中应用非常广泛.本文简介了BP神经网络的理论、模型及其学习过程,探讨了其在图像压缩中的应用,分析了BP神经网络应用于图像压缩的可行性及其优点.     

基于神经网络的监控数据智能处理方法

针对船用系泊缆绳安全报警系统中的表格试验数据，提出了应用神经网络技术的智能数据处理方法。该方法克服了传统数据处理方法一般难以找到合适的逼近函数，处理过程的弱点，避免了传统数据处理方法上的不便性和局限性，实现了表格数据非线性输入输出的映射。     

改进的基于TSK模型的模糊对向传播神经网络研究

将模糊C-均值(FCM)算法和模糊对向传播神经网络相结合,解决了模糊对向传播神经网络中模糊隶属度函数的自动生成问题,在此基础上结合TSK(Sugeno Tanaka Kang)模糊模型,提出了改进的模糊对向传播神经网络Improved FCP,并给出了学习算法.对两种典型的非线性模型进行实验研究,实验结果表明Improved FCP网络具有良好的非线性逼近能力.     

直驱式电液伺服系统的非线性不确定负载补偿控制研究

针对直驱式电液伺服系统的非线性不确定负载因数学模型无法准确描述而难以补偿问题,提出一种多滑模神经网络自适应控制策略。该控制策略结合了RBF神经网络对复杂非线性系统的强大映射能力以及响应速度快和滑模变结构控制的强抗干扰性2种控制算法优点,并利用Backstepping方法设计控制器。通过将传统滑模变结构控制中的非连续切换函数优化成连续可倒的切换函数,有效避免了传统滑模变结构控制的抖振现象。运用Lyapunov稳定性定理,理论证明了控制算法的稳定性,并通过仿真分析,验证了理论分析的正确性和控制策略的有效性。