具有变时滞的离散型随机BAM神经网络的稳定性

研究一类具有变时滞的离散型随机BAM神经网络。通过构造Lyapunov泛函以及线性矩阵不等式（LMI）,得出了离散系统全局渐近稳定的充分条件。     

离散型随机BAM神经网络时滞分布依赖全局指数稳定性

研究一类具有随机时滞与随机干扰的离散型BAM神经网络的全局指数稳定性,所建模型同时考虑离散时滞变化区间与分布概率对稳定性的影响．通过构造新的Lyapunov泛函并结合线性矩阵不等式（LMI）方法,得到了均方意义下依赖于时滞分布的全局指数稳定性条件．     

具有随机扰动的SISV模型的解的渐近性态

研究一类具有两种随机扰动的SISV传染病模型．对于第一种随机SISV模型,证明对任给的非负初值,该随机模型一定存在唯一的全局正解,并讨论该随机模型的解围绕确定性模型的无病平衡点的渐近行为;对于第二种随机SISV模型,通过构造适当的Lyapunov泛函证明该随机模型的解是随机渐近稳定的．     

模糊神经网络集成在液压故障诊断中的应用

阐述了神经网络集成的基本概念及其在液压故障诊断中应用时的个体网络生成方法和结论结合方法.根据液压系统的工作特点,采用Gauss随机函数作为个体网络的训练样本的随机采集函数,使个体神经网络的输出集中于各工作阶段的主要故障,并保持了个体网络之间的差异性,增强了网络集成的泛化能力.     

随机网络的α最短路径问题

为了求解随机网络中满足置信度为α的最短路径问题,提出了一种BP神经网络遗传算法。首先给出了随机网络的定义,建立了α最短路径模型;然后采用BP神经网络拟合非线性函数,遗传算法优化BP神经网络输出的方法求解该问题。实验结果表明,提出的模型和算法能有效求解随机网络的α最短路径问题。     

倾斜转弯导弹非线性系统逆控制研究

利用BP神经网络对倾斜转弯导弹系统逆动力学系统进行动态模型辨识,进而应用逆系统方法设计了一种用于解决倾斜转弯导弹非线性控制问题的经典控制与神经网络在线自学习相结合的控制方案,实现了导弹三通道的线性化控制和输出的渐近无差跟踪.仿真结果表明,该方案可实现对倾斜转弯导弹系统的非线性控制,且具有较强的鲁棒性.     

BP神经网络的收敛问题

研究了BP神经网络的收敛问题。基于随机理论 ,提出了解决网络收敛性问题的随机优选法。该方法不仅在任何条件下都能得到问题的具有一定精度的解答 ,而且收敛速度很快     

用于视频图像帧间运动补偿的深度卷积神经网络

为探索深度学习理论在视频图像帧间运动补偿问题中的应用,提出一种用于视频图像帧间运动补偿的深度卷积神经网络。该网络由卷积模块和反卷积模块构成,可以处理不同分辨率输入图像并具备保持较完整图像细节的能力。利用具有时序一致性的视频图像序列构造训练样本,采用随机梯度下降法对设计的深度卷积神经网络进行训练。视觉效果和数值评估实验表明,训练得到的网络较传统方法能更有效地进行视频图像帧间运动补偿。     

基于贝叶斯正则化的Elman-NARX神经网络飞行轨迹预测

针对BP和Elman神经网络对预测飞行轨迹误差较大和时间较长的问题,提出了一种基于贝叶斯正则化的Elman-NARX神经网络方法。分析了飞行员的操纵量,确定网络的输入。然后改进NARX神经网络结构,提高了网络的非线性和动态性,同时采用贝叶斯正则化算法训练网络,改善网络的收敛时间和泛化能力。最后,基于BP神经网络、Elman神经网络和Elman-NARX神经网络等方法的飞行轨迹预测对比实验结果表明,该方法的预测精度和速度较高,具有实际应用价值。     

Transputers和神经网络:实现的约束条件和性能的分析

本文介绍了神经网络的性能分析,重点是实现可达到的加速和处理机网络(transputer或以可比较方式通信的多计算机网络)的最佳大小。对于完全和随机连接的神经网络,处理机网络的拓扑结构对于迭代时间只能有小的固定的影响。在随机连接的神经网络情况,即使严格限制节点输入的端数,但对减少通信总开销也只有微不足道的影响。研究了各种类型的模块神经网络证明了在个别情况下有较好的实现特性。根据实现的约束条件,证明随机连接的神经网络不可能是现实的智能计算机模型。     

基于Elman网络的火控系统传感器故障诊断方法研究

Elman动态递归神经网络具有很强的记忆能力,特别适用于火控系统传感器的故障诊断.提出了一种收敛速度快、精度高、可靠性好的PRP(Polak-Ribiere-Polyak)网络训练方法,增强网络在线学习能力.将该方法运用于Elman动态递归神经网络,并运用该网络对火控系统传感器量测信号进行预测和故障诊断.仿真实验和实际应用表明,提出的Elman动态递归神经网络火控系统传感器系统故障诊断方法有效性好,故障诊断率高.     

基于复杂网络的作战同步建模与优化

为了量化分析作战同步问题,提出多作战单元协同作战复杂网络模型,在此基础上,应用复杂网络同步理论,重点从作战单元动力学行为和网络拓扑结构两个方面对作战同步的内在机理进行分析。针对不同的作战情形,设计了静态同步和动态同步两种网络,并分别应用离散粒子群算法对网络结构进行优化。对网络抗毁性的仿真实验表明两型网络对随机攻击和恶意攻击均具有较好的鲁棒性。     

神经网络在图象处理中的应用

图象处理是神经网络的一个重要应用领域。本文首先介绍了神经网络的模型、学习规则及其处理能力,在此基础上综述神经网络在图象处理中的应用,重点放在神经网络分类器和Hopfield网络解决图象处理中的最优化问题。     

非线性系统的神经网络广义预测控制

研究了神经网络广义预测控制方法在非线性系统中的应用，基于BP网络构造神经网络预测器，利用非线性系统的开环输入输出数据离线训练神经网络，根据拟牛顿BFGS优化算法使得二次型性能指标函数达到最小，得到了最优的控制序列。同时给出了神经网络广义预测控制算法的步骤，讨论了提高系统鲁棒性的措施。仿真结果表明，这种神经网络预测控制算法具有响应速度快、控制效果好和跟踪精度高等特点。     

一类随机生态-流行病系统的分析

对一类食饵染病的随机食饵-捕食者系统,应用伊藤公式,给出系统均衡解的全局随机渐近稳定的条件,并通过数值模拟对理论结果进行论证.     

基于超网络的装备保障网络重组的动态演化模型

现有演化模型没有针对网络中的不同类型节点提出对应的演化规则,并对装备保障实体所具有的演化行为描述的不够全面,提出一种考虑节点重组的动态演化模型。根据所建装备保障超网络模型,定义节点的演化行为和演化相关约束,并结合节点演化行为制定了考虑节点重组的网络演化规则和演化步骤,最终建立起装备保障超网络动态演化模型。仿真分析表明,该模型在建设阶段具有良好的网络集聚性,能够有效描述装备保障网络的动态特性;在对抗阶段面对随机攻击和蓄意攻击,与其他模型相比都能保持相对较好的网络性能,具有一定的优势。     

RBF神经网络在异步电机故障诊断中的应用

将径向基(RBF)神经网络应用到电机的故障诊断中,建立了异步电机的RBF神经网络诊断模型。为了克服RBF神经网络学习算法的不足,引入了差分进化(DE)算法,并且利用了差分进化(DE)算法的全局搜索能力来优化RBF神经网络基函数的中心、宽度以及网络的连接权值,以获得最优的网络模型。仿真结果表明优化后的RBF神经网络的泛化能力和诊断精度都得到了大幅度提高。     

基于神经网络的装备维修资源保障能力评估

构建了维修资源保障能力评估指标体系。应用人工神经网络及BP网络的理论和方法,建立了维修资源保障能力评估的BP神经网络模型;提出了应用特尔菲法与层次分析法相结合确定各指标权重,并采用变权综合法思想构造神经网络训练样本的方法。最后进行了实例评估,结果表明该模型可较好地克服人为因素和模糊随机性的影响,具有很高的可信度。     

基于蚁群神经网络的发射系统故障诊断

发射系统是地空导弹武器系统的重要组成部分,研究发射系统的故障诊断,可提高地空导弹武器系统的作战效能和部队的快速反应能力。BP神经网络在故障诊断方面收敛速度慢、易于陷入局部极小点。为解决上述问题,以液压系统的柱塞泵为例,提出一种蚁群算法改进BP神经网络的故障诊断的方法,优化神经网络的权值和阈值,使网络具有全局兼局部寻优能力。实验结果表明,蚁群神经网络比BP神经网络收敛速度快,运算效率高,识别能力强,并且提高了诊断的准确性和可靠性,是一种有效可行的故障诊断方法,具有良好的应用效果。     

一种面向军事物联网的网络流量异常检测模型

针对军事物联网中网络流量数据日趋复杂,数据特征维度高等特点,将卷积神经网络算法应用到网络流量分析领域.根据数据特点,构建出一种基于无池化层改进型卷积神经网络(NPCNN,No Pooling CNN)的网络流量异常检测模型.采用Modbus、NSL-KDD和KDDCup99数据集对NPCNN网络流量异常检测模型进行验证,同时将NPCNN网络结构同传统的卷积神经网络对比,通过对实验结果的分析发现,该模型在军事物联网网络流量异常检测中具有可行性和可扩展性.同时NPCNN网络在准确率性能方面优于传统的卷积神经网络,为军事物联网网络流量分析提供一种可靠方法.