基于BFGS法的BP神经网络算法研究

在把ＢＦＧＳ法运用于ＢＰ神经网络权的训练中,通过基于不同算法的神经网络对实际问题进行了学习,并根据学后获取的非线性机理结合预测的实例进行对比分析,表明基于ＢＦＧＳ法的ＢＰ神经网络算法对加快网络训练速度,提高网络预测的能力方面是有效的。     

神经网络在船舶操纵中的应用研究

该文对人工神经网络用于船舶操纵动态特性的在线学习进行了研究,并提出了基于神经网络预报的操舵控制算法。仿真试验的结果表明了该控制算法的有效性。     

一种水下目标识别方法──基于模糊理论的多种神经网络融合分类

在应用多种方法提取目标噪声中分类特征的研究基础上,本文设计出基于模糊理论的多神经网络融合分类器,其研究重点主要包括有监督分类的模糊聚类神经网络分类、多神经网络与模糊综合分析相结合的融合分类。基于大量海试实测信号样本的多组实验表明,该分类方法具有良好的工程应用前景。     

神经网络理论在独立电力系统励磁控制中的应用

根据发电机励磁控制的任务,本文基于神经网络理论提出了一种新的励磁控制器的设计方法,针对单机一静态负荷载模型进行了数字仿真研究结果证明了所提方法的正确性。     

船用计程仪信号传输系统的神经网络故障诊断算法

计程仪信号传输系统是由步进电机通过齿轮带动多个旋转变压器。为实现对其故障的智能诊断,提出一种基于BP神经网络算法的故障诊断方法,并采用LM(Levenberg-Marquardt)最优化算法对BP网络进行训练。通过Matlab神经网络工具箱仿真计算,结果表明LM算法提高了BP神经网络的学习效率及稳定性,明显加快了网络的收敛速度。使用BP神经网络对步进电机带动多旋变系统故障诊断的方法行之有效,在减少故障诊断人员工作量同时提高了系统故障诊断的效率。     

辅助车道线检测的端到端自动驾驶

基于深度学习的端到端自动驾驶有着简洁高效的优势,尤其在车道保持上有着良好表现,但是面临路况复杂时存在极大的不稳定性,表现为车辆偏离车道现象。针对此问题,文章首先在虚拟环境下利用神经网络可视化方法分析了车道偏离的原因,然后在方法上将方向盘转角序列作为神经网络输入,同时根据车道线检测的方法求出车辆所在车道的面积作为辅助任务。文末分析对比了文章方法和递归神经网络(RNN,LSTM)方法在平稳性上的差异,最后通过虚拟实验和实车实验验证文章中的方法的有效性。结果表明,本文中的方法能有效改善车辆行驶平稳性问题,和LSTM方法相比稳定性效果相近,但本方法操作应用简单,节省计算资源。     

时间多项式进化算法在旅行商问题中的研究

提出了一种模拟生物遗传的进化算法，并将该算法应用于旅行商问题得到了较好的结果，根据达尔文进化论的优化过程，结合自然选择原则提出了启发式算法，该算法的时间复杂性与快速排序策略相当。在文中利用该算法求解中国旅行商问题得到目前的最佳结果。     

应用于航行控制的计算机智能控制与最优化方法——动态编程 …

将Ｂｅｌｌｍａｎ函数式应用于船舶避碰路线的选定。即建立一个关于船舶机械运动的形式限制过程的动态模型，用于船舶航行的总体控制。形式限制包括圆形，椭圆形，抛物线形成或六角形，包括被神经网络公式化了的在有碰撞可能的海域内船只的活动范围。形式限制在计算机程序中为一个独立的ＮＥＵＲＯＣＯＮＳＴＲ程序，是为应用ＭＡＴＬＡＢ软件中神经网络工具箱进行编程的。对这个问题笔者结合计算机仿真实例进行了说明。本文采用一艘     

侧部高压富水溶腔与隧道间岩柱安全厚度的研究

岩溶区隧道周围不可避免地存在一些中小规模的隐伏溶洞,由于隧道的开挖、卸荷改变了隧道与溶洞间岩柱的应力状态,溶洞中的高压岩溶水进一步恶化了其稳定性,造成隧道突水、突泥等岩溶灾害的发生,带来了重大安全危害和经济损失.成为岩溶地区隧道施工中亟待解决的重要问题.除施工扰动、高水压作用外,隧道与溶洞间岩柱厚度不足是引起这一工程问题的主要因素,建立隧道与溶洞间岩柱安全厚度预测模型具有重要的理论意义和重大的工程实用价值.针对常见的中、小尺度的侧部高压富水溶腔,综合考虑安全厚度的影响因素,以隧道周围的塑性区和溶洞周围的高渗透带的贯通与否作为中间岩柱稳定的判断标准,建立了中间岩柱安全厚度力学预测模型,在此基础上分析了各因素对最小安全厚度的影响规律.以忠垫高速公路岩溶隧道为例,利用最小安全厚度预测公式判断中间岩柱的稳定性,其结果同基于现场量测判断的结果一致,从而说明上述方法具有一定的可行性.     

前馈神经网络的特性分析与应用

分析了神经网络的特性，比较研究了前馈神经网络隐层神经元个数对神经网络的学习速度与效果的影响，探讨了隐层神经元个数与输入层变量个数之间的关系。提出了提高神经网络仿真效果的一种方法。