為解決過(guò)程神經(jīng)元網(wǎng)絡(luò)不能直接輸入離散樣本的問(wèn)題,提出基于樣條插值函數(shù)的離散過(guò)程神經(jīng)網(wǎng)絡(luò)訓(xùn)練算法。首先,將離散過(guò)程樣本按采樣點(diǎn)分段,在采樣區(qū)間內(nèi)分別構(gòu)造樣本和權(quán)值的分段樣條函數(shù);然后,計(jì)算樣本函數(shù)和權(quán)函數(shù)的乘積在采樣區(qū)間上的積分,并將此積分值提交給網(wǎng)絡(luò)的隱層過(guò)程神經(jīng)元;最后,在輸出層計(jì)算網(wǎng)絡(luò)輸出。分別采用一次、二次、三次樣條函數(shù),設(shè)計(jì)了三種不同的算法。實(shí)驗(yàn)結(jié)果表明:一次樣條計(jì)算效率高,逼近能力差;三次樣條計(jì)算效率低,但逼近能力好;二次樣條在計(jì)算效率和逼近能力兩方面都比較理想。因此,二次樣條函數(shù)是離散過(guò)程神經(jīng)網(wǎng)絡(luò)的較好選擇。

人工神經(jīng)網(wǎng)絡(luò)方法通過(guò)大量的樣本學(xué)習(xí)和訓(xùn)練,能夠?qū)?shí)際問(wèn)題進(jìn)行最佳逼近。在分析煤層界面建模數(shù)據(jù)的基礎(chǔ)上,設(shè)計(jì)插值煤層界面的人工神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。利用matlab的神經(jīng)網(wǎng)絡(luò)工具箱建立對(duì)煤層界面插值的人工神經(jīng)網(wǎng)絡(luò)模型。以某礦的鉆孔數(shù)據(jù)為樣本對(duì)人工神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練,實(shí)現(xiàn)了對(duì)煤層界面網(wǎng)格的插值;通過(guò)matlab實(shí)現(xiàn)了對(duì)煤層界面的插值結(jié)果的三維顯示。

利用一種新型學(xué)習(xí)向量神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)了對(duì)灰度圖像的基于最佳點(diǎn)對(duì)匹配的圖像插值。采用新型學(xué)習(xí)向量神經(jīng)網(wǎng)絡(luò)的最佳點(diǎn)對(duì)匹配圖像插值算法插值出的中間圖像,較好的解決了插值圖像邊緣模糊的現(xiàn)象。試驗(yàn)結(jié)果表明,該方法插值得到的圖像邊界清晰較好,模糊度小,圖像連續(xù)。

[目的]通過(guò)耕地土壤全氮的空間變異特性研究,可以更好地調(diào)整耕地管理措施、合理施用氮肥、減少資源浪費(fèi)。[方法]利用rbf(radialbasisfunction,徑向基函數(shù))神經(jīng)網(wǎng)絡(luò)插值法對(duì)區(qū)域土壤全氮進(jìn)行空間插值,同時(shí)與普通克里格法進(jìn)行比較。[結(jié)果]rbf神經(jīng)網(wǎng)絡(luò)插值法在擬合能力和插值能力方面要明顯優(yōu)于普通克里格法。[結(jié)論]rbf神經(jīng)網(wǎng)絡(luò)法具有很好的應(yīng)用前景。

研究了一維歐氏空間中神經(jīng)網(wǎng)絡(luò)的插值問(wèn)題.首先,對(duì)于一組插值樣本和定義在r上的一般有界sig-moidal激活函數(shù),給出了精確插值的單隱層前向神經(jīng)網(wǎng)絡(luò)存在的條件;然后,構(gòu)造了近似插值網(wǎng)絡(luò),給出了估計(jì)精確和近似插值網(wǎng)絡(luò)之間的誤差;最后,利用連續(xù)模作為度量,分別估計(jì)了兩類網(wǎng)絡(luò)對(duì)連續(xù)函數(shù)的逼近誤差.

以拓?fù)渲笖?shù)為結(jié)構(gòu)描述符,用基于levenberg-marquardt優(yōu)化的bp神經(jīng)網(wǎng)絡(luò)建立了醇類化合物的結(jié)構(gòu)與色譜保留值的相關(guān)性模型,用于未知醇類化合物在se-30和ov-3兩根色譜柱上保留指數(shù)的同時(shí)預(yù)測(cè),其學(xué)習(xí)速率優(yōu)于文獻(xiàn)中普通bp神經(jīng)網(wǎng)絡(luò)法,預(yù)測(cè)準(zhǔn)確度與普通bp神經(jīng)網(wǎng)絡(luò)法接近,但優(yōu)于多元線性回歸法,因而是一種較好的預(yù)測(cè)有機(jī)化合物氣相色譜保留指數(shù)的方法.

缺測(cè)降水?dāng)?shù)據(jù)的插補(bǔ)可以有效改善數(shù)據(jù)系列的完整性,以元江境內(nèi)的元江、洼垤、因遠(yuǎn)、街子河、阿支、磨房河等水文和雨量站點(diǎn)逐月及年降水?dāng)?shù)據(jù)為基礎(chǔ),研究缺測(cè)降水?dāng)?shù)據(jù)的插補(bǔ)。站點(diǎn)之間月降水?dāng)?shù)據(jù)相關(guān)分析表明:各站點(diǎn)之間相關(guān)性較差,相關(guān)分析難以滿足本研究流域內(nèi)部分月降水?dāng)?shù)據(jù)插補(bǔ)精度,故嘗試采用bp神經(jīng)網(wǎng)絡(luò)模型對(duì)研究流域降水?dāng)?shù)據(jù)進(jìn)行插補(bǔ)。研究表明:基于本流域降水?dāng)?shù)據(jù)建立的神經(jīng)網(wǎng)絡(luò)模型檢測(cè)樣本合格率達(dá)到89.6%,具有較好的插補(bǔ)精度,說(shuō)明神經(jīng)網(wǎng)絡(luò)可以用于本研究流域的缺測(cè)降水?dāng)?shù)據(jù)插補(bǔ),為降水?dāng)?shù)據(jù)缺測(cè)的插補(bǔ)提供了新的途徑。

缺測(cè)降水?dāng)?shù)據(jù)的插補(bǔ)可以有效改善數(shù)據(jù)系列的完整性,以元江境內(nèi)的元江、洼垤、因遠(yuǎn)、街子河、阿支、磨房河等水文和雨量站點(diǎn)逐月及年降水?dāng)?shù)據(jù)為基礎(chǔ),研究缺測(cè)降水?dāng)?shù)據(jù)的插補(bǔ)。站點(diǎn)之間月降水?dāng)?shù)據(jù)相關(guān)分析表明：各站點(diǎn)之間相關(guān)性較差,相關(guān)分析難以滿足本研究流域內(nèi)部分月降水?dāng)?shù)據(jù)插補(bǔ)精度,故嘗試采用bp神經(jīng)網(wǎng)絡(luò)模型對(duì)研究流域降水?dāng)?shù)據(jù)進(jìn)行插補(bǔ)。研究表明：基于本流域降水?dāng)?shù)據(jù)建立的神經(jīng)網(wǎng)絡(luò)模型檢測(cè)樣本合格率達(dá)到89.6%,具有較好的插補(bǔ)精度,說(shuō)明神經(jīng)網(wǎng)絡(luò)可以用于本研究流域的缺測(cè)降水?dāng)?shù)據(jù)插補(bǔ),為降水?dāng)?shù)據(jù)缺測(cè)的插補(bǔ)提供了新的途徑。

當(dāng)前一般按照數(shù)據(jù)的后驗(yàn)分布,為缺失值插入估計(jì)值,通常低估了統(tǒng)計(jì)量的方差,導(dǎo)致統(tǒng)計(jì)量估計(jì)置信范圍降低,檢測(cè)顯著性降低。為此,提出1種新的基于bp神經(jīng)網(wǎng)絡(luò)的農(nóng)資庫(kù)存數(shù)據(jù)插補(bǔ)技術(shù)。為了增強(qiáng)不同年份農(nóng)資庫(kù)存數(shù)據(jù)的可比性,對(duì)數(shù)據(jù)進(jìn)行歸一化處理。針對(duì)訓(xùn)練的bp神經(jīng)網(wǎng)絡(luò),通過(guò)平均絕對(duì)誤差、均方誤差、平均預(yù)測(cè)誤差、平均絕對(duì)百分誤差完成統(tǒng)計(jì)分析,評(píng)價(jià)模擬值和觀測(cè)模擬值間的離散程度。分析了bp神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),對(duì)農(nóng)資庫(kù)存數(shù)據(jù)進(jìn)行插補(bǔ)的過(guò)程中,構(gòu)造雙向時(shí)間識(shí)別序列,改變應(yīng)用前一時(shí)間段農(nóng)資庫(kù)存數(shù)據(jù)預(yù)測(cè)后期數(shù)據(jù)的傳統(tǒng)方式,采用缺失時(shí)間段前后已有農(nóng)資庫(kù)存數(shù)據(jù)共同對(duì)缺失數(shù)據(jù)進(jìn)行預(yù)測(cè)。完成農(nóng)資庫(kù)存數(shù)據(jù)的處理后,需對(duì)已有樣本進(jìn)行訓(xùn)練,如果檢驗(yàn)擬合度指標(biāo)值高于0.8,則認(rèn)為訓(xùn)練結(jié)果可靠,從而完成對(duì)缺失值的預(yù)測(cè),實(shí)現(xiàn)農(nóng)資庫(kù)存數(shù)據(jù)插補(bǔ)。試驗(yàn)結(jié)果表明,所提技術(shù)插補(bǔ)精度高。

提出了一種更有效的前向網(wǎng)絡(luò)-徑向基函數(shù)(rbf)神經(jīng)網(wǎng)絡(luò),并考慮了工程項(xiàng)目中一些非確定性的因素,建立了工程造價(jià)的估算模型,所得到的結(jié)果更加精確。

本文簡(jiǎn)要介紹了人工神經(jīng)網(wǎng)絡(luò)的基本原理，敘述了常用的ｂｐ網(wǎng)絡(luò)和訓(xùn)練算法，綜述了神經(jīng)網(wǎng)絡(luò)在制冷空調(diào)中應(yīng)用的研究和開(kāi)發(fā)現(xiàn)狀。最后展望了近期神經(jīng)網(wǎng)絡(luò)在空調(diào)制冷領(lǐng)域應(yīng)用的研究和開(kāi)發(fā)走向

考慮到短期負(fù)荷所具有的混沌特性和神經(jīng)網(wǎng)絡(luò)的非線性映射能力,提出了一種基于混沌理論的legendre神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)方法。該方法運(yùn)用混沌理論對(duì)短期負(fù)荷數(shù)據(jù)進(jìn)行向空間重構(gòu),并以歐式距離選取最佳訓(xùn)練樣本,而后采用以legendre正交多項(xiàng)式為隱含層神經(jīng)元激勵(lì)函數(shù)的三層神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練,并運(yùn)用訓(xùn)練好的網(wǎng)絡(luò)進(jìn)行預(yù)測(cè)。訓(xùn)練網(wǎng)絡(luò)時(shí),為了確定網(wǎng)絡(luò)的最佳拓?fù)浣Y(jié)構(gòu),文中引入了衍生算法來(lái)確定隱含層神經(jīng)元的最佳個(gè)數(shù)。實(shí)例分析表明了該方法的可行性,且能得到較高的預(yù)測(cè)精度和良好的預(yù)測(cè)效果。

構(gòu)造了具有插值性質(zhì)的球面帶形平移網(wǎng)絡(luò),并且給出了在一致范數(shù)下對(duì)連續(xù)函數(shù)逼近的上界估計(jì)。

通過(guò)理論分析,推導(dǎo)出交流電阻點(diǎn)焊電流有效值實(shí)時(shí)計(jì)算方程,建立了不同功率因數(shù)角的電流有效值系數(shù)k的神經(jīng)網(wǎng)絡(luò)計(jì)算模型,研究出電阻點(diǎn)焊電流有效值神經(jīng)網(wǎng)絡(luò)實(shí)時(shí)計(jì)算方法。在以dsp為核心的電阻點(diǎn)焊測(cè)控系統(tǒng)中實(shí)現(xiàn)了交流電阻點(diǎn)焊電流有效值實(shí)時(shí)計(jì)算。理論分析和實(shí)際檢測(cè)表明,該方法的檢測(cè)誤差小于±0.9％,并且能夠在二分之一周期內(nèi)完成電阻點(diǎn)焊電流有效值的檢測(cè)和計(jì)算。該方法的研究為電阻點(diǎn)焊質(zhì)量的精確控制提供了可靠的保障。

本文針對(duì)某一確定數(shù)據(jù)采集系統(tǒng)中小波去噪時(shí)的閥值選擇,提出以小波神經(jīng)網(wǎng)絡(luò)加標(biāo)準(zhǔn)信號(hào)來(lái)標(biāo)定去噪閥值的方法,從而提高對(duì)信號(hào)的去噪性能。

通過(guò)有限元法建立了地基脫空的混凝土路面計(jì)算模型.提出采用基于信息融合理論的集成神經(jīng)網(wǎng)絡(luò)技術(shù)對(duì)混凝土路面脫空狀況進(jìn)行識(shí)別,通過(guò)路面脫空輸入特征向量的組合,用各子神經(jīng)網(wǎng)絡(luò)對(duì)混凝土路面脫空進(jìn)行初步缺陷識(shí)別,然后對(duì)識(shí)別結(jié)果進(jìn)行決策融合.給出了系統(tǒng)的實(shí)現(xiàn)策略和子網(wǎng)絡(luò)的組建原則.數(shù)值模擬結(jié)果表明,采用這種識(shí)別方法合理地選取了各種輸入特征向量,具有更好的識(shí)別效果.

探討了礦井構(gòu)造定量評(píng)價(jià)的人工神經(jīng)網(wǎng)絡(luò)方法,結(jié)合東坡井田討論了bp模型的輸入層、隱含層和輸出層的構(gòu)置和優(yōu)選等問(wèn)題,利用東坡井田已知資料使用有序地質(zhì)量最優(yōu)分割方法和插值法得到學(xué)習(xí)樣本,經(jīng)過(guò)學(xué)習(xí)樣本的訓(xùn)練,對(duì)未知單元進(jìn)行評(píng)價(jià)。

針對(duì)隧道工程施工網(wǎng)絡(luò)計(jì)劃執(zhí)行率低的現(xiàn)狀,將遺傳算法和神經(jīng)網(wǎng)絡(luò)技術(shù)聯(lián)合用于隧道施工網(wǎng)絡(luò)計(jì)劃的動(dòng)態(tài)優(yōu)化與決策。基于遺傳優(yōu)化和神經(jīng)網(wǎng)絡(luò)方案(模式庫(kù)、專家知識(shí)系統(tǒng))的優(yōu)化決策方法能使該技術(shù)在隧道施工的應(yīng)用更科學(xué)合理、準(zhǔn)確可靠和方便快捷。該技術(shù)不僅能解決施工網(wǎng)絡(luò)計(jì)劃的執(zhí)行率低的現(xiàn)狀,而且為信息化和智能化的隧道施工提供了有力的技術(shù)保障,具有廣泛的應(yīng)用前景。

依據(jù)神經(jīng)網(wǎng)絡(luò)原理及其自身的特點(diǎn),對(duì)其應(yīng)用在結(jié)構(gòu)優(yōu)化設(shè)計(jì)、結(jié)構(gòu)分析及可靠度分析等方面進(jìn)行了綜述和研究,并在此基礎(chǔ)上分析了神經(jīng)網(wǎng)絡(luò)在結(jié)構(gòu)工程中的研究方向。

簡(jiǎn)述傳統(tǒng)的結(jié)構(gòu)近似重分析技術(shù)的缺點(diǎn)與不足,介紹bp網(wǎng)絡(luò)的原理、算法,利用bp網(wǎng)絡(luò)能夠?qū)崿F(xiàn)從n維設(shè)計(jì)空間到m維任意非線形映射的特點(diǎn),通過(guò)不同設(shè)計(jì)變量的訓(xùn)練樣本集對(duì)bp網(wǎng)絡(luò)進(jìn)行訓(xùn)練,然后輸出擬合值。經(jīng)過(guò)分析,證明在結(jié)構(gòu)近似重分析中,采用bp神經(jīng)網(wǎng)絡(luò)能很好地實(shí)現(xiàn)從設(shè)計(jì)變量到結(jié)構(gòu)響應(yīng)之間的映射。

針對(duì)現(xiàn)有關(guān)于企業(yè)績(jī)效管理評(píng)價(jià)的方法存在一定的缺陷,不能滿足企業(yè)發(fā)展過(guò)程對(duì)制度評(píng)價(jià)的準(zhǔn)確度要求的問(wèn)題,通過(guò)利用ahp方法在復(fù)雜的評(píng)價(jià)指標(biāo)體系中篩選出8個(gè)代表性的指標(biāo)作為績(jī)效評(píng)價(jià)的評(píng)價(jià)指標(biāo),隨后對(duì)此采用拓?fù)浣Y(jié)構(gòu)的bp神經(jīng)網(wǎng)絡(luò)方法,構(gòu)建評(píng)價(jià)模型,設(shè)計(jì)算法程序,結(jié)合計(jì)算機(jī)技術(shù)進(jìn)行網(wǎng)絡(luò)訓(xùn)練,得到該算法的仿真結(jié)果:算法的誤差在訓(xùn)練步數(shù)為100時(shí)就已經(jīng)達(dá)到了期望結(jié)果,而且預(yù)測(cè)數(shù)據(jù)的相關(guān)系數(shù)達(dá)到了0.98747,這表明基于拓?fù)浣Y(jié)構(gòu)的bp神經(jīng)網(wǎng)絡(luò)算法在企業(yè)績(jī)效管理評(píng)價(jià)工作中具有一定的可行性與較高的準(zhǔn)確性.

針對(duì)人工神經(jīng)網(wǎng)絡(luò)具有自主學(xué)習(xí)、記憶及模式匹配能力,提出建立一個(gè)三層bp人工神經(jīng)網(wǎng)絡(luò),并將其應(yīng)用于結(jié)構(gòu)的損傷識(shí)別研究.