用微粒群算法求解多元非线性方程组

分析了将多元非线性方程组的求解问题转化为求多元函数极值的优化问题的原理和方法;利用微粒群算法在连续空间中的优化能力求得极值点,得到方程组的近似解;给出了优化算法的具体流程;通过两个算例说明算法的可行性和有效性,实验结果表明此算法具有较高的效率和精度．     

基于人工神经网络的船舶操纵运动仿真

探讨神经网络技术在船舶操纵运动仿真领域的应用,构造一种网络结构和训练方法,验证船舶操纵指令与船舶运动态势参数映射的可行性,并构建了基于典型BP神经网络模型的操纵运动仿真系统.     

基于神经网络的安全航速的计算

对安全航速影响因素进行量化,借助神经网络,预测在当时海上航行条件下,舰船应该采用的安全航速,给出基于神经网络的安全航速计算模型,对船舶海上航行安全有一定的指导作用.     

SIMULATION OF ENERGY EXPRESSION FOR NEURAL NETWORK APPLICATION SYSTEMS

危牛裕祝希遥? ＡＰＰＬＩＣＡＴＩＯＮ ＳＹＳＴＥＭＳTX＠林少培ＩｎｔｒｏｄｕｃｔｉｏｎＴｈｅｂｒｅａｋｔｈｒｏｕｇｈｗｏｒｋｂｙＨｏｐｆｉｅｌｄ［１，２］ｉｎ１９８２ｄｅｓｃｒｉｂｅｓｈｏｗｔｈｅｃｏｍｐｕｔａｔｉｏｎａｌｃａｐａｂｉｌｉｔｉｅｓｃａｎｂ?..     

NEURAL NETWORK FOR THE QUANTUM CORRECTION OF NANOSCALE SOI MOSFETS

The study of silicon on insulator(SOI)MOSfield effect transistors(MOSFETs)has been ofgreat interest in recent years[1-2].As the di mensionsof SOI MOSFETs are aggressively scaled into thenanoscale regi me,the inversion carriers shift appar-ently away fromthe interface of Si O2/Si due to thequantumeffect.So it is quite necessary to take thequantumeffect into consideration in SOI MOSFETmodeling and si mulation.The Schr dinger-Poisson(SP)equations subject to an appropriate boundaryc…     

基于神经网络的港口潮汐预报研究

分析调和分析法潮汐预报的局限性和神经网络技术用于潮汐预报的可行性,设计潮汐预报的神经网络模型,用验潮站20多年的潮汐记录作为样本进行网络学习和预报,验证神经网络用于潮汐预报并提高预报精度的可行性.     

基于多智能体局部寻优的粒子群优化算法

为了提高粒子群算法的收敛速度和全局寻优能力,用多智能体遗传算法对粒子群算法当前搜索到的全局极值进行局部寻优．用搜索到的更好的解在下一次迭代中引导粒子进行搜索从而获得更快的收敛速度和更好的全局收敛性。对函数优化和神经网络训练的仿真实验表明．此算法能更快的收敛到全局最优解。     

具有粒子群特征的并行蚁群算法在输电网络规划中的应用

输电网络规划是一个复杂的多变量非线性整数规划问题,针对蚁群算法计算时间长、易陷入局部最优解等问题,本文提出一种新的具有粒子群特征的并行蚁群算法,并应用于输电网络规划.实验结果证明了该算法在输电网络规划优化中应用的可行性和有效性.     

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.     

ENDPOINT DETECTOR OF NOISY SPEECH SIGNAL USING A RECURRENT NEURAL NETWORK

ＩｎｔｒｏｄｕｃｔｉｏｎＥｎｄｐｏｉｎｔｄｅｔｅｃｔｉｏｎｏｆｓｐｅｅｃｈｓｉｇｎａｌｉｓｉｍｐｏｒｔａｎｔｉｎｍａｎｙａｒｅａｓｏｆｓｐｅｅｃｈｐｒｏｃｅｓｓｉｎｇｔｅｃｈｎｏｌｏｇｙ,ｓｕｃｈａｓｓｐｅｅｃｈｅｎｈａｎｃｅｍｅｎｔ,ｓｐｅｅｃｈｒ...     

基于文化粒子群网络优化算法的医学图像研究

文章提出了基于文化粒子群的网络优化算法的医学图像方法,通过在50例唇裂矫正术中运用BP神经网络进行学习．对唇部进行解剖观察和美学分析,在矫正修复手术中不断学习和调整来接近期望输出,并通过实验仿真及客观的图像提出了评估准则。实验结果表明,在美学研究基础上的基于文化粒子群BP神经网络的医学图像研究,适用于唇裂的矫正修复。     

CLUSTER OF WORKSTATIONS BASED ON DYNAMIC LOAD BALANCING FOR PARALLEL TREE COMPUTATION DEPTH-FIRST-SEARCH

IntroductionWith the advantages of the high- speed net-works,cluster of workstations achieve the samescalable parallelism as the current MPPs( Massive-ly Parallel Processors) .But there are many factorssuch as load imbalance,synchronization and com-munication that inhibit good performance in thesesystems.These issues are central to the develop-ment of many parallel applications. Load balanceproblem is a serious impediment to achieving goodperformance in parallel processing the issue of load…     

混合径向基神经网络对货运量的预测

为了定量预测多个外部因素影响下的货运量,建立了混合径向基神经网络模型.该模型以径向基神经网络为模型主体,并结合二阶振荡粒子群优化算法和灰色预测方法构成混合预测模型.该神经网络模型的参数设置更加简便,收敛速度更快.实例预测得到的结果相比较其他预测方法绝对误差值更小,误差变化范围更加稳定,证实了该神经网络模型的有效性,表明了其在多因素影响下的货运量预测中具有很好的适用性.     

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GA-PSO混合优化的BPNN车速预测方法

BP神经网络(BPNN)已经用于车速预测方面的研究.针对BPNN不同的初始权值和阈值会影响车速预测精度的问题,提出一种基于GA-PSO混合优化的BPNN车速预测方法.以北工大西门到百葛桥为研究路径,构建基于BPNN的车速预测模型;将遗传算法(GA)和粒子群算法(PSO)的寻优过程进行融合,通过逐次迭代取最优的方式确定BPNN的最优初始权值和阈值,以此设计基于GA-PSO混合优化的BPNN车速预测方法.最后,以所选路径为对象,利用基于GA-BPNN的预测法、基于PSO-BPNN的预测法,以及提出的方法对车速进行了实验预测.结果表明,相较于前两种车速预测改进方法,本文方法的平均车速预测误差分别降低了37.1%和24.1%,有效地提高了车速的预测精度.     

基于免疫粒子群神经网络的短时交通流量预测

免疫理论中的基于浓度选择机制能避免粒子群算法在群体收敛性和个体多样性平衡问题上的不足,使改进后的粒子群算法优化BP神经网络参数的配置,提高短时交通流量预测的准确性。仿真实验表明：免疫粒子群优化后的BP神经网络可有效提高短时交通流量的预测精度,减小预测误差。     

基于PSO—SVM的交通流量短时预测

参数选择问题影响了支持向量机预测模型在交通流量中的预测性能。为了解决支持向量机预测模型的参数选择问题,引入了粒子群优化算法机制,通过粒子群优化选择支持向量机预测模型的学习训练参数,得到较优的PSO-SVM预测模型。通过实例仿真实验,将PSO-SVM预测模型与神经网络预测模型进行了比较,显示了其优越性。     

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.     

Improved algorithm for distributed localization in wireless sensor networks

Many sensor network applications require location awareness,but it is often too expensive to equip a global positioning system(GPS) receiver for each network node.Hence,localization schemes for sensor networks typically use a small number of seed nodes that know their locations and protocols whereby other nodes estimate their locations from the messages they receive.For the inherent shortcomings of general particle filter(the sequential Monte Carlo method) this paper introduces particle swarm optimization a...