脉冲时滞细胞神经网络周期解的存在性和指数稳定性

研究了脉冲时滞神经网络周期解的存在性和全局指数稳定性问题。运用控制压缩原理和Lyapunov函数建立了几个确保系统周期解存在和稳定的充分条件。有助于设计和应用CNN型生物和人工神经网络。数值实例验证了结论的正确性。     

扩散反应脉冲Cohen-Grossberg神经网络的鲁棒稳定性

应用光滑边界引理,分析具有反应扩散项和脉冲扰动的Cohen-Grossberg神经网络平衡点的全局指数鲁棒稳定性.假设激活函数满足Lipschitz条件,利用向量Lyapunov稳定性理论和数学归纳法,得到了系统全局指数鲁棒稳定的充分条件:由神经网络关联矩阵、增益函数、反应扩散项及激活函数界构造的表达式小于0.     

重点营运车辆的异常驾驶行为识别研究

为加强对重点营运车辆异常驾驶行为的监督与检测,本文基于时间序列符号化算法(TSA) 与多尺度卷积神经网络模型(MCNN)提出一种组合模型TSA-MCNN,用于识别重点营运车辆异常驾驶行为。首先,对北斗数据进行预处理,并基于营运车辆存在多种车型、多种速度限制、多种异常驾驶行为的特点划分4种异常驾驶行为,构建异常样本数据集。其次,构建TSA-MCNN模型识别样本数据集,其过程分为两阶段,第1阶段,针对重点营运车辆的特点,引入能够粗粒化处理数据特征的时间序列符号化算法与能够多通道参数输入的多尺度卷积神经网络进行组合,并基于Keras库完成TSA-MCNN模型的搭建;第2阶段,利用样本数据集作为模型的输入变量,完成模型的训练、测试与识别。最后,以广河高速重点营运车辆北斗数据验证TSA-MCNN模型的性能, 同时,与异常识别传统算法的卷积神经网络(CNN)模型与动态时间扭曲-K最近邻(DTW-KNN)模型进行对比分析。验证结果表明：TSA-MCNN模型整体识别准确率为97.25%,相对于CNN模型与DTW-KNN模型提高了20.50%与5.63%。其中,TSA-MCNN模型对于正常驾驶行为、超速驾驶行为、紧急停车行为、临时停车行为、低速驾驶行为的识别精确率相对于CNN模型(DTW-KNN模 型)分别提高了26%(13%)、26%(6%)、23%(5%)、28%(3%)、0(0),说明该模型对于重点营运车辆异常驾驶行为的识别具有良好的性能。     

边坡冲刷量的神经网络计算模型

在分析坡面冲刷过程与神经网络模型特点具有某些相似的基础上,选取降雨强度、径流量、坡度、土的粘性为输入量,以MATLAB为工具,通过试算法确定最佳的隐层节点数,建立网络模型。并通过验证试验,显示此模型具有较好的模拟预测效果。     

驾驶员对夜间红绿障碍物空间距离判识差异

分析距离判识差异变化规律,选用32名驾驶员在不同深度距离和车速条件下,进行实际道路试验。统计检验全部被试判识结果,获得距离判识差异特征值。运用BP神经网络,模拟判识差异变化趋势。结果表明:在夜间地面动态环境中,随着深度距离增加,绝对距离判识差异增大,相对距离判识差异减小;随着速度增加,在较远深度距离下,绝对距离判识差异先减小后增加再减小,在中等深度距离以下时,差异逐渐减小;相对距离判识差异随速度增加而减小。     

基于神经网络实现的交叉口可变相序公交优先模糊逻辑控制

针对城市交通信号控制及公交优先问题,提出了一种交叉口自适应可变相序的多相位控制算法,利用多层BP神经网络实现了公交优先的交通信号多层模糊控制。仿真结果表明,与定时公交优先控制模型相比,模糊神经网络控制器能有效地减少公交车辆延误,具有较强的学习和泛化能力,可用于未来的信号控制系统中。     

RBF神经网络在公路工程GPS高程转换中的应用

结合公路工程实例,通过RBF神经网络模型与二次曲面拟合、三次曲面拟合的对比分析,表明RBF网络进行GPS高程转换是可行的,且具有良好的精度.     

基于主成分分析的道路交通事故预测

将主成分分析和BP神经网络相结合的方法用于道路交通事故预测中,对影响道路交通事故的因素进行主成分分析,并将分析结果作为BP神经网络的输入数据,这样不仅可以减少输入变量个数,而且能保留原始变量的主要信息,消除变量之间的相关性.另外,计算结果表明基于主成分分析(PCA)的BP神经网络法优于BP神经网络法.     

A study of maneuvering control for an air cushion vehicle based on back propagation neural network

A back propagation (BP) neural network mathematical model was established to investigate the maneuvering control of an air cushion vehicle (ACV). The calculation was based on four-freedom-degree model experiments of hydrodynamics and aerodynamics. It is necessary for the ACV to control the velocity and the yaw rate as well as the velocity angle at the same time. The yaw rate and the velocity angle must be controlled correspondingly because of the whipping, which is a special characteristic for the ACV. The calculation results show that it is an efficient way for the ACV's maneuvering control by using a BP neural network to adjust PID parameters online.     

高速公路隧道交通事故严重程度的影响因素分析

根据京珠高速公路韶关段4个隧道的交通事故资料,从时间因素、隧道环境因素和交通动态因素3个方面选取9个输入变量,以交通事故严重程度为输出变量,建立高速公路隧道交通事故严重程度预测模型;然后,通过灵敏度分析方法,研究各个输入变量对输出变量的影响程度,并对各个输入变量的灵敏度分析结果进行比较分析．研究结果表明,日交通量与年平均日交通量之比和大型车混入率对交通事故严重程度的影响最大,天气、线形、坡度和事故发生地点在隧道中的位置对交通事故严重程度的影响基本相等,事故发生时段对交通事故严重程度的影响可以忽略不计．