基于改进算法的多层神经网络的结构优化设计

简要地介绍了工程中应用较多的多层前向神经网络(BP网络)的结构和网络的设计．通过采用一种改进的训练算法(参考隐层的输出),并结合科学的样本选择方法(“超立方体”法)设计网络,进行网络训练．最后通过数字仿真证明了这个网络模型用于结构优化设计的有效性．     

基于改进算法的多层神经网络的结构优化设计

简要地介绍了工程中应用较多的多层前向神经网络(BP网络)的结构和网络的设计.通过采用一种改进的训练算法(参考隐层的输出),并结合科学的样本选择方法("超立方体"法)设计网络,进行网络训练.最后通过数字仿真证明了这个网络模型用于结构优化设计的有效性.     

基于循环多层感知器神经网络的符号逻辑推理系统

介绍一种用循环多层感知器神经网络实现符号逻辑推理系统的方法。该方法通过让神经网络学习训练样本获取领域规则知识，或者直接将领域规则知识编码于神经网络之中；即用神经网络来表达领域规则知识，然后通过神经网络的循环反馈计算过程来实现任意形式的符号逻辑推理。为研究人类抽象思维（逻辑符号推理）与神经网络形象思维（联接数值计算）之间的关系提供了理论基础。     

基于多层前馈神经网络的车牌提取方法

文中提出一种采用三层前馈神经网络提取车牌的方法。该方法是一种基于纹理分析的图像分割算法,适合于彩色及灰度图像。实验表明,该方法能准确地提取图像中的车牌。     

基于神经网络的模糊逻辑设计算法

提出了一种利用神经网络学习功能来设计模糊逻辑的方法。用类神经网络算法产生模糊规则和隶属函数，通过学习得到的模糊规则、隶属函数和以新模型推理、逆模糊化为基础的新模糊设计，显著地改进了系统性能，缩短了设计周期，将规则数目和隶属函数最优化，可有效降低系统成本。     

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。     

基于前馈神经网络的我国股市宏观多因素模型探讨

本文针对传统多因素模型的两个重要步骤：模型形式设定和变量选择问题，结合我国股市的特点，利用前馈多层神经网络和层次贡献分析方法相结合，建立了影响我国股市的宏观多因素模型，并进行了实证研究，证明了该方法的有效性。     

基于改进的动态因子多层前馈网络学习算法

分析了学习率对BP神经网络中存在的典型问题的影响，提出了一种通过调整学习率改进BP神经网络性能的动态适应算法。仿真结果表明，此BP算法在学习速度方面有较大提高。     

神经网络自学习控制研究

提出一个新型仿真器网络结构并推导出学习算法；提出面向输入输出模型结构的自学习控制器训练结构并推导出学习算法，解决约束控制作用 下多目标终态控制问题并实现感应加热温度智能控制。     

提高路面层间结合的有效举措

当前我国沥青路面厚度是根据多层弹性理论、层间接触是紧密而不产生层间滑移的完全连接体系为原则设计的，以在双圆均匀荷载作用下轮隙中心处实测路表弯沉值作为设计依据。层间结合完好程度对路面弯沉值的大小起着极为重要的作用，层间结合牢固可提高道路的整体强度，减小弯沉值，增大轴载次数，延长路面使用寿命。我们以本地某一级公路实例探讨加强路面层间结合的有效举措。     

多层膜的研究进展

多层膜是近２０年发展起来的材料科学研究的新领域。本文介绍了多层膜的国内外研究概况，多层膜的构成、特性及其主要的制备方法，并指出了近年来多层膜研究的进展情况．     

事件检测概率神经网络模型的建立与验证

在对概率神经网络(PNN)的分类机理、输入向量选取和网络设置进行分析的基础上,建立了用于识别两类事件模式(无事件模式和有事件模式)的事件检测PNN模型。采用高速公路路段1-880实地线圈数据集和事件数据集验证模型,通过比较PNN模型与多层前向神经网络(MLF)模型的结果,发现无论对于向北、向南或混合方向的高速公路事件检测,PNN模型的检测率(DR)比MLF模型高;平均检测时间(MTTD)比MLF模型短:但误报率(FAR)也较高。概率神经网络是高速公路事件检测的一种有效算法,其在理论基础、算法和学习速度等方面比多层前向神经网络具有优势。     

神经网络算法在油库储油安全中的应用

分析了影响油库储油安全因素,采用收集到的数据对比了各种常见的改进算法,从中选择较优的算法,用MATLAB建模实现BP神经网络,并应用到油库储油安全中,对油库的安全提前进行预测。     

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     

基于小波和RBF神经网络的多传感器时间对准算法研究

提出利用小波降噪和RBF神经网络进行时间对准算法,该方法先对采集到的数据进行降噪处理,为下一步操作提供准确数据;然后利用RBF神经网络将不同传感器采集不同采样周期的数据对应到同一个时间点上,进行多传感器时间对准,为后面数据特征提取和数据融合提供高精度数据支持。通过仿真结果与其它方法的对比可得该方法运算速度快,具有数据修正能力和精确度高的特点,适用于多传感器的时间对准。     

回收物流设施多层选址模型及其算法

针对废弃物品的收集、预处理和再制造问题，建立了回收物流设施选址混合整数规划（MILP）模型，用分枝定界法求解，为提高分枝定界法的收敛速度、减少运算量，先用遗传算法为MILP找到较好的可行解，以其对应的目标函数值为分枝界定法上界，从而可以在分枝界定法的搜索中剪去大量分枝．用算例证明了算法的有效性和可行性．     

小波神经网络改进结构及其学习算法

论述了小波神经网络用于信号分类识别的模型结构,在此基础上,充分利用小波变换时频分析的局部化特性,提出了一种改进的网络结构,建立了非显式小波的网络的学习算法。计算机模拟表明,该结构提高了信号分类识别的精度和灵敏度。     

基于循环多层神经网络的联想顾存贮器

提出一种基于循环多层神经网络的联想存贮器模型，它同时具备Ｈｏｐｆｉｅｌｄ联想存贮器神经网络以及多层前向神经网络的特性，可以用于构造自相联存贮器和模式识别。作为联想存贮器，其存贮记忆能力强于Ｈｏｐｆｉｅｌｄ网络。还证明Ｈｏｐｆｉｅｌｄ网络仅仅是基于循环多层神经网络的联想存贮器的一种特例。