�����������ʵʱ��ͨ�źſ���������о�

实时交通信号控制是城市交通控制系统的重要组成部分,建立在前人研究工作的基础上,本文尝试采用多智能体的分布式控制技术来解决复杂的交通信号控制问题,构造了多智能体的城市交通控制系统控制流程,提出基于同时扰动随机逼近算法/人工神经网络的改进的交通控制模型,模型通过采用同时扰动随机逼近算法来更新神经网络的权重,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。最后作者应用微观交通仿真系统对模型的有效性在较为复杂的交通网络中进行了测试,仿真结果表明了该方法的有效性。     

基于神经网络的GPS高程拟合方法优选及精度分析

针对现有的几种神经网络GPS高程拟合方法,讨论了利用遗传算法(GA)、粒子群算法(PSO)优化BP神经网络权值和阀值的原理;结合分布较均匀、现势性较好的GPS和水准联测数据,试算了基于神经网络的GPS高程拟合。拟合结果表明:基于PSO算法优化的BP神经网络的拟合精度优于GA算法,误差相对更小。     

基于RBF神经网络的控制系统PID调节器的设计

为了改善传统PID控制器的控制效果,采用RBF神经网络对控制系统PID参数进行自整定。分析了RBF神经网络PID整定原理,给出了相应的实例,并对该系统进行了仿真分析。仿真结果表明,采用RBF神经网络整定的PID控制器快速性好,自适应力强,具有良好的控制品质。     

神经网络在车辆半主动控制中的应用

针对车辆半主动悬挂模型的非线性特性，研究了采用神经网络的自适应控制在车辆悬挂半主动控制中的应用，设计了采用前馈神经网络的辩识器和控制器，对控制器网络采用的学习规则进行了分析。仿真计算表明，采用神经网络自适应控制方法能有效改善车辆的平稳性，采用的神经网络辩识器和控制器的改进BP算法是有效的。     

遗传—神经网络在交通流预测中的应用

提出一种基于BP神经网络的遗传算法,分别利用其局部和全局寻优能力强的特点,综合为一种新的优化算法,并将改进的算法应用于交通流预测中。结果表明,改进方法的预测效果优于单一使用BP神经网络进行预测的效果。     

基于模糊神经网络的结合部匝道控制方法研究

针对高速公路与关联城市快速路（简称结合部）路段拥堵日益严重的现状,从匝道控制影响要素分析入手,基于模糊控制和神经网络思想,本文提出了以主线交通状态与期望状态差值和匝道交通状态为输入变量,以匝道调节率为输出变量的模糊控制方法. 同时针对结合部路网互通式立交设计的实际情况,分单匝道控制和双匝道控制两种情况进行了分析,提出了相应的匝道控制方法,并建立了5层模糊神经网络控制模型. 最后以北京京津塘高速公路与北京三环和四环关联城市快速路为案例,对建立的模型进行效果验证,结果证明了所建立方法的有效性.     

PSO-BP混合预测模型及在港口集装箱吞吐量预测中的应用

运用粒子群优化算法代替BP神经网络的初始寻优,再用BP算法对优化的网络权值参数进一步精确优化,从而建立基于粒子群优化的BP神经网络模型.运用该模型对某港口集装箱吞吐量进行预测.应用结果表明,该预测模型不仅能较好地拟合港口集装箱吞吐量的历史数据,同时对港口集装箱吞吐量的远期预测也具有较好的效果.     

Inverse Learning Control of Nonlinear Systems Using Support Vector Machines

An inverse learning control scheme using the support vector machine (SVM) for regression was proposed. The inverse learning approach is originally researched in the neural networks. Compared with neural networks, SVMs overcome the problems of local minimum and curse of dimensionality. Additionally, the good generalization performance of SVMs increases the robustness of control system. The method of designing SVM inverse learning controller was presented. The proposed method is demonstrated on tracking problems and the performance is satisfactory.     

基于BP神经网络的模型参考自适应控制

基于BP神经网络的误差反向传播机制,探讨了建立在BP神经网络基础上的模型参考自适应控制方法。该方法用2个BP神经网络分别作辨识器和控制器,其中辨识器兼作间接传递误差的通道,从而解决了控制器权值的修正问题。仿真结果表明, 经过学习控制结构具有较好的有效性。     

高速开关磁阻电机的电感计算与运行分析

高速开关磁阻电机（SRM）常采用角度控制方式（APC）,因而准确计算电感曲线,确定开通关断角对电机的控制非常重要．本文采用能量增量法计算了SRM的静态电感和动态电感特性,分析比较得出动态电感能更好地反映电机的动态特性及饱和特性．根据高速运行的SRM动态电感,确定了合适的角度控制方案．基于有限元软件JMAG-studio,采用场一路耦舍方法,对高速SRM运行于APC的工况进行分析计算,得到了电机的磁场分布及电流、转矩特性．     

基于萤火虫优化的BP神经网络算法研究

为了改进神经网络结构和参数的设置方法,在萤火虫算法和BP神经网络的基础上,提出了一种萤火虫算法优化BP神经网络的算法.该算法利用萤火虫算法得到更优的网络初始权值和阈值,弥补BP神经网络连接权值和阈值选择上的缺陷.将该算法应用到Duffing系统产生的混沌时间序列进行算法的有效性验证,并与BP神经网络进行比较,仿真结果表明该算法具有更高的预测准确性,从而证明该算法在该预测领城的可行性和有效性.     

基于神经网络的传感器故障诊断仿真

针对现代工业大型复杂系统的不确定性使得对其进行建模比较困难的特点，提出了一种用神经网络进行传感器故障诊断的方法．以凝汽式汽轮机调速系统中的转速传感器为例进行了传感器故障诊断研究，给出了仿真实现结果，并加以分析．仿真结果表明，所提出的利用神经网络进行传感器的故障诊断的方法具有可行性．     

Multi-Lead ECG Classification via an Information-Based Attention Convolutional Neural Network

A novel structure based on channel-wise attention mechanism is presented in this paper.With the proposed structure embedded,an efficient classification model that accepts multi-lead electrocardiogram (ECG)as input is constructed.One-dimensional convolutional neural networks (CNNs) have proven to be effective in pervasive classification tasks,enabling the automatic extraction of features while classifying targets.We implement the residual connection and design a structure which can learn the weights from the information contained in different channels in the input feature map during the training process.An indicator named mean square deviation is introduced to monitor the performance of a particular model segment in the classification task on the two out of five ECG classes.The data in the MIT-BIH arrhythmia database is used and a series of control experiments is conducted.Utilizing both leads of the ECG signals as input to the neural network classifier can achieve better classification results than those from using single channel inputs in different application scenarios.Models embedded with the channel-wise attention structure always achieve better scores on sensitivity and precision than the plain Resnet models.The proposed model exceeds most of the state-of-the-art models in ventricular ectopic beats (VEB) classification performance and achieves competitive scores for supraventricular ectopic beats(SVEB).Adopting more lead ECG signals as input can increase the dimensions of the input feature maps,helping to improve both the performance and generalization of the network model.Due to its end-to-end characteristics,and the extensible intrinsic for multi-lead heart diseases diagnosing,the proposed model can be used for the real-time ECG tracking of ECG waveforms for Holter or wearable devices.     

面向对象的道路交通拥挤识别算法表决融合

为了满足不同服务对象对交通检测率和误判率的不同要求,在分析交通参与者与管理者的算法融合需求的基础上,提出对不同服务对象应选择不同的信任级别。利用前向神经网络和概率神经网络分别对不同的服务对象进行算法表决融合,计算结果表明这样可以实现交通参与者对高检测率、交通管理者对低误判率的不同要求。     

基于数学形态学和神经网络的车牌识别

汽车牌照的自动识别系统是一种应用于公路交通管理和收费的智能监控系统,文中提出了基于形态学处理定位牌照图象的区域的方法,该方法与其它方法相比对图像没有严格的限制和要求,三层反馈神经网络用来识别和分类,实验证明该方法是有效的。     

关于广义同余神经网络结构与算法的研究

讨论了一种新的神经网络－广义同余神经网络（ＧＣＮＮ）网络中的所有神经细胞以同余的形式被激活,并阐述了它的结构,学习规则的一种算法,模拟结果表明,这种网络在取样点上具有满意的通用特性,由于该神经网络易于操作和实行,有必要就相关理论及其应用作进一步的研究。     

基于小波网络的机械产品性能模糊综合评价

运用模糊化的小波神经网络进行综合评价的原理和方法,所有权重指标均通过自学习获得,使得模糊综合评价中指标权重的确定更为客观准确.结合具体机械产品＂电磁缓冲制动器＂阐述了小波神经网络方法在机械产品性能综合评价中的应用,并建立了相应的评价系统.实验表明,该方法做出的综合评价是科学、有效的.     

优化设计求解的遗传-神经网络新算法研究

提出并研究了一种优化设计求解的遗传神经网络新算法,该算法综合了遗传算法的全局性和神经网络的并行快速性等特点,可克服遗传算法最终进化至最优解较慢和神经网络易陷入局部解的缺陷,具有较好的全局性和收敛速度     

A DYNAMICAL SYSTEM ALGORITHM FOR SOLVING A LEAST SQUARES PROBLEM WITH ORTHOGONALITY CONSTRAINTS

Introduction　　 During the past decade,many people havebeen interested in solving problems in optimiza-tion,matrix algebra,signal processing and manyotherfields by dynamical system(neural networks)algorithms[1～ 3 ] .The significance benefit is thatthis kind of algorithms can be realized by someproperly designed hardware (electronic implemen-tation) and thus desired solutions can often be ob-tained in a fast speed,real time algorithms forproblems considered are therefore provided.In thispaper…     

基于遗传算法与小波神经网络的客流预测研究

针对轨道交通短时客流具有动态性、非线性、不确定性的特点,提出一种基于遗传算法与小波神经网络的轨道交通短时客流预测方法.该方法利用具有全局搜索最优的遗传算法优化小波神经网络,有效的避免了神经网络易陷入局部最小值的缺陷.在分析轨道交通短时客流的特征上,利用实测数据对模型进行验证.结果表明,相比遗传算法优化的BP神经网络模型,单一的小波神经网络模型其预测精度更高,误差更小,能在实际中应用.