基于神经网络的GPS高程拟合及其MATLAB实现

与常规数学模型法相比,基于BP神经网络的GPS高程异常拟合法能有效避免数学模型带来的误差,本文利用MATLAB提供的神经网络函数编程实现了GPS高程拟合,结果表明BP神经网络在GPS高程转换方面具有一定的优越性。     

基于BP神经网络的人口预测方法研究

对人口数量的准确预测可以为制定社会经济可持续发展计划提供重要依据.文中将BP神经网络应用于人口预测,采用Matlab的神经网络工具箱函数建立神经网络预测模型,运用该模型对2002年至2015年全国乡镇人口中0~17岁年龄段的人口进行了预测.实践证明,该模型编程简单,还能克服常规语言建立预测模型存在的模型复杂、训练时间长等缺点.     

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。     

利用混合遗传算法训练神经网络的权值

给出了采用混合遗传算法优化神经网络权值的步骤；实例结果表明，混合训练的效果优于常规遗传算法。     

用改进的前向神经网络预测铁路货运量

对影响铁路货运量的因素进行了分析。根据影响铁路货运量的诸因素的特点，介绍了一种改进的前向神经网络预测方法，并建立了铁路货运量前向神经网络预测模型。算例表明，其预测精度高于常规预测方法。     

不等时距GM(1,1)模型预测地基沉降研究

分别采用直线插值、三次样条插值、BP神经网络3种方法,用M ATLAB语言编制程序将不等时距序列转化为等时距序列,采用灰色理论预测沉降.由于BP神经网络强大的非线性映射功能,可以避免常规插值法所造成的一系列误差.实际工程应用结果表明,利用直线插值、三次样条插值和BP神经网络与灰色理论联合建模所得的预测值与实测值的最大相对误差分别为17.2%,5.9%和4.6%.由此可见BP神经网络和灰色理论联合建立的GM(1,1)模型用于预测路基沉降最为精确.     

应用神经网络-时间序列预测路面平整度

以神经网络和时间序列分析方法为基础,采用零均值化、标准偏差预处理方法、规则化能量函数法和贝叶斯规则化方法进行BP神经网络建模,利用BP网络对平整度非平稳时序进行趋势项提取,使非平稳监测时序转化为平稳时序以进行常规ARMA时序分析。结合滚动预测方法,建立了适合平整度预测的神经网络时间序列分析联合模型,并以江苏省某高速公路的平整度数据为例进行了预测分析。研究结果表明：新模型的预测精度高、实时可靠,可应用于实际工程。     

道路模拟系统的神经网络自适应控制及其仿真

道路模拟试验是在试验室内再现汽车的主要部件甚至整车在道路上行驶的运行工况,从而研究车辆对道路不平度激励的响应,达到缩短产品的开发周期以及降低开发成本的目的,是加速新车型开发、提高产品质量的有效手段.文中将神经网络与常规的PID控制相结合,设计出一套神经网络自适应系统.并对C级路面不平度进行仿真再现.仿真结果表明,该控制器比常规PID控制器具有更高的控制精度和更好的动态性能,在道路模拟仿真试验中可以达到非常满意的效果.     

基于BP神经网络的GPS高程拟合方法的探讨

为了提高GPS高程测量的精度，提出了基于BP神经网络的GPS高程拟合方法，并以2座特大桥控制网数据为例，与常规多项式曲面拟合方法进行了比较．理论和实例证明，利用BP神经网络进行GPS高程拟合是可行的。尤其是在已知点较少的情况下，该方法具有实际意义．     

基于BP神经网络的郭白铁路专用线安全评价

郭白铁路专用线基础设备落后,自然灾害严重,存在很大的安全隐患,对其进行安全评价意义重大。由于BP神经网络对郭白铁路专用线安全评价的非线性和复杂性具有较强的适应性,故构建了基于BP神经网络的郭白铁路专用线安全评价模型。模型采用改进后的BP神经网络算法,相较于常规算法,具有收敛快、计算精确和预测精度较高等优点。针对郭白铁路专用线自身的特殊性,建立一套便于赋值和贴合实际的安全评价指标体系,增加了模型的可靠性。基于BP神经网络的郭白铁路专用线安全评价模型和通过模型预测出来的结果,为郭白铁路专用线科学的管理提供参考和依据。     

基于BP神经网络的手写字符识别系统

基于BP神经网络对非线性系统辨识的通用性和自适应性等特点,构建了一个BP神经网络模型,增强了网络的自适应能力和学习能力,提高了网络的精度和收敛速度,并在此基础上开发出一个高效准确的手写体字符识别系统.     

Wavelet Neural Network Based Traffic Prediction for Next Generation Network

By using netflow traffic collecting technology, some traffic data for analysis are collected from a next generation network （NGN） operator. To build a wavelet basis neural network （NN）, the Sigmoid function is replaced with the wavelet in NN. Then the wavelet multiresolution analysis method is used to decompose the traffic signal, and the decomposed component sequences are employed to train the NN. By using the methods, an NGN traffic prediction model is built to predict one day＇s traffic. The experimental results show that the traffic prediction method of wavelet NN is more accurate than that without using wavelet in the NGN traffic forecasting.     

颜色在识别中的应用及关键技术研究

研究颜色在识别中的应用以及所涉及到的关键技术.主要技术包括色度图、颜色库、自适应阈值、颜色模版匹配、模糊神经网络、颜色分类器等.重点研究了适于遥感图像分类的正交坐标系的YHS(亮度,色调,饱和度)变换技术.     

基于模糊变步长神经网络的自适应PID控制

本文针对具有非线性和不确定性的控制对象，提出了一种基于前向神经网络的自适应PID控制系统算法。并根据其特点，提出学习步长模糊校正的方案.这种控制系统综合了神经网络、模糊决策和PID控制的优点，易于实现，仿真结果表明该控制系统对非线性被控对象具有比较好的控制效果。     

牵引网馈线自适应保护原理及配置方案研究

首先讨论了影响牵引网馈线保护原理及配置的因素,然后分析了牵引网馈线自适应保护的原理,其中重点探讨对距离保护传统阻抗多边形进行改进的可行性,并利用现场运行数据进行了仿真验证,最后提出了牵引网馈线自适应保护的配置方案．     

神经网络和专家系统相结合的综合决策系统结构

通过神经网络知识获取模型,将神经网络的自适应学习能力和专家系统的解释能力综合在一起,提出一种将神经网络和专家系统结合在一起的综合决策系统.一方面,该综合决策系统应用神经网络的自适应学习功能解决了专家系统在知识获取方面存在的"瓶颈"问题;另一方面,运用专家系统的解释能力解决了神经网络的"黑箱"问题.     

启发式Hopfield神经网络在车间调度中的应用

调度问题是一类非常复杂的组合优化问题，而Hopfield神经网络通常被广泛应用于各种组合优化问题．针对车间调度问题(JSP)的约束条件和换位矩阵，提出了包含所有约束条件的计算能量函数表达式，并针对神经网络依赖初始解，提出了启发式算法与神经网络相结合的方法，并得到解决车间调度的Hopfield神经网络结构和权值解析表达式．实验仿真结果表明了该方法的有效性．     

Wavelet moment invariants extraction of underwater laser vision image

Wavelet moment invariants are constructed for object recognition based on the global feature and local feature of target, which are brought for the simple background of the underwater objects, complex structure, similar form etc. These invariant features realize the multi-dimension feature extraction of local topology and invariant transform. Considering translation and scale invariant characteristics were ignored by conventional wavelet moments, some improvements were done in this paper. The cubic B-spline wavelets which are optimally localized in space-frequency and close to the forms of Li＇s （or Zernike＇s） polynomial moments were applied for calculating the wavelet moments. To testify superiority of the wavelet moments mentioned in this paper, generalized regression neural network （GRNN） was used to calculate the recognition rates based on wavelet invariant moments and conventional invariant moments respectively. Wavelet moments obtained 100% recognition rate for every object and the conventional moments obtained less classification rate. The result shows that wavelet moment has the ability to identify many types of objects and is suitable for laser image recognition.     

基于联合投票网络的交通场景天气分类方法

基于交通视频监控图像的天气识别已经成为智能交通系统中重要的研究课题. 虽然卷积神经网络（convolutional neural network,CNN）在图像识别技术获得了巨大的发展,但是针对复杂交通场景的天气识别问题,现有的模型在特征表达方面仍然面临着巨大的挑战. 为了提取丰富的语义特征,提出了基于联合投票机制的深度神经网络（deep neural network,DNN）模型. 所提出的模型包括两个核心模块:基于通道和空间注意力机制的二阶特征模块和基于复合特征结果联合投票机制的分类模块, 用以提取不同天气图像中的判别性信息,提高在复杂交通场景下的天气识别性能. 最后,在两个基准天气分类数据集上进行了验证试验,结果表明:对于复杂场景条件下的天气识别问题,所提出的基于联合投票机制的深度神经网络模型的识别正确率优于目前最好的天气识别方法的1.97%.