多目标跟踪中的神经网络方法

本文分析了多目标跟踪的经典方法，讨论了该经典方法的组合爆炸问题，陈述了多目标跟踪中的神经网络方法，此法不仅可以解决传统方法带来的组合爆炸问题，从而实现时多目标跟踪，而且还可以解决跟踪精度问题，提高跟踪的准确性。     

模糊逻辑和神经网络在油轮静电监测中的应用

油轮静电问题直接关系到整个油轮的安全。目前，为了防止油轮静电事故的发生，采取了一些防护措施，但基本上没有采用主动的监测系统。这就使油轮在防止静电过程中处于被动盲目的状态。油轮静电产生的机理是十分复杂的，它受多种因素的影响，因此，要准确地对其进行是测量是十分困难的。然而，正是这些内部及外部的不确定因素，使得模糊逻辑有可能应用于油轮静电监测之中。本文提出了一种“模糊逻辑监测系统”。该系统是具有学习功能     

基于神经网络的主动声纳目标分类器

人工神经网络是当前模式识别领域非常活跃的工具之一，本文在传统ＢＰ算法的基础上，引进了误差范围ＢＰ－ＥＲ算法，利用各种统计方法所建立的主动声纳目标信号的模式表示，提出二上网络结构对信号进行训练分类，比传统的分类器，性能有明显的提高。在６ｄＢ的信噪比情形下，对实际海上回声信号进行分类，取得了令人满意的正确分类率。     

反馈BP神经网模型及其稳定性分析

实践证明具有反馈的ＢＰ神经网比传统的ＢＰ神经网具有更加优越的特性和新颖的性质。本文建立了反馈ＢＰ网的数学模型。并从动力学角度，利用Ｌｙａｐｕｎｏｖ函数对其稳定性进行了分析，最后给出了反馈ＢＰ网的应用实例。     

基于混合神经网络模型求解优化问题

本文利用混合神经网络模型求解优化问题，首先构造能量函数，能量函数包含优化问题的约束函数和代价函数。该模型包含两个子网络：一个约束网，一个目标网。约束网包含优化问题的约束条件，并计算每个神经元的梯度值、使得能量函数单调收敛并满足优化问题的所有约束条件。     

一种训练神经网络的新型遗传算法

针对神经网络中具有大量的相似解，提出了一种规范化方法，大大地减少了神经网络中解的数目。然后，给出了多种不同的算子，通过对简单网络问题的实验，比较了它们的优劣，得出了一个新型的遗传算法ＮＧＡ。实验表明，ＮＧＡ比用传统的ＧＡ训练神经网络效果要优。     

基于CMAC的摆式列车倾摆控制研究

摆式列车是具有诸多不确定因素的动态系统,其倾摆系统的控制是摆式列车成功的关键,利用传统控制方式很难得到倾摆系统较好的控制品质。本文针对摆式列车的特点提出一种基于CMAC神经网络与PID相结合的倾摆系统并行控制方法。该方法利用传统PID实现反馈控制,保证系统的稳定性,且抑制扰动;利用CMAC神经网络控制器实现前馈控制,确保系统的控制精度和动态响应速度。此外,该并行控制算法相对简单,实时性好,易于在倾摆控制系统中实现。通过对阶跃信号、正弦波信号和方波信号的跟踪仿真,表明该算法克服了传统控制的不足,增强了倾摆系统的控制精度,提高了系统的动态响应速度,并且使系统具有较强的抗干扰性和鲁棒性。     

基于观测数据潜在特征与双向长短期记忆网络的车辆轨迹预测

针对传统算法无法满足复杂交通场景下无人驾驶车辆对周围运动车辆轨迹预测需求的问题,提出一种基于观测数据潜在特征与双向长短期记忆(BiLSTM)网络的车辆轨迹预测方法.首先利用一维卷积神经网络(1DCNN)提取由传感器所获取的车辆运行状态观测数据的潜在特征,然后将以序列方式构造的具有时空关系的特征向量作为BiLSTM网络的...     

基于改进神经网络的路基沉降预测

为克服路基沉降预测方法的缺陷和传统BP神经网络存在的不足,采用Levenberg-Marquardt算法改进了BP神经网络的收敛性,建立了路基沉降预测模型。结合津秦客运专线路基沉降实测数据,将该优化模型与传统的BP神经网络预测模型进行了对比,计算结果表明改进后的BP神经网络在路基沉降预测中精度最高,取得了好的效果。