隧道锚喷支护设计的神经元网络方法

根据BP网络的基本原理，建立了隧道锚喷支护设计的神经网络模型，用“试错法”解决了中间层单元数的不确定性问题，通过对比分析，确定了网络的全局允许误差，解决了网络的训练时间问题，计算结果表明，该设计方法使得锚喷支护的定量化设计成为可能，产生的误差在实际工程中是可以接受的。     

基于个体出行图谱的公共交通通勤行为辨别方法研究

不同公共交通类型乘客的出行特征存在显著差异,实现公共交通通勤乘客准确辨识,有助于获取精细化的公共交通出行特征,更好地满足不同类型乘客的出行需求.基于北京市公共交通刷卡和线站数据,对公共交通多源数据进行关联匹配并提取出行链.利用北京市连续1个月的公共交通刷卡出行数据,采用多层规划理论构建了个体出行知识图谱,提取了出行天数、出行空间均衡度等7类特征指标.通过RP调查获得乘客出行行为类别.以特征指标为输入,乘客分类为输出,构建了面向公共交通乘客分类的BP神经元网络模型.验证表明,模型平均分类精度为94.5%,Kappa系数为0.879.本文研究有助于准确识别不同类别的公共交通乘客,为优化公共交通运营及公共交通精准化服务提供支撑.     

改进的BP网络在隧道锚喷支护参数设计中的应用

建立了隧道锚喷支护设计参数选择的BP网络模型，并对BP算法中的不足之处加以改进。对隧道锚喷支护的影响因素进行了分析研究，结合我国隧道的实际情况，确定了神经元网络的输入参数。同时根据计算时BP网络对于数据取值范围的要求，对输入输出参数进行了必要的变换处理。结果表明，用改进的BP网络方法选择隧道锚喷支护设计参数的效果是良好的，设计误差能够满足工程实际的需要。     

一种神经元振荡器网络的快速同步算法

设计了一种新的神经元振荡器网络快速同步学习算法，该算法能保证同组的振荡器达到完全同步，同时，采用相位延迟方法，使不同图像目标的振荡器组的相位延迟正比于其在空间上的蹑度，实现目标对象的分离与提取。