人工神经网络特征优化方法在模式识别中的应用

在模式识别中,特征量的选择及组合优化是设计模式识别系统的关键问题,它强烈地影响到分类器的设计及其性能。人工神经网络除了在模式识别中作为分类器应用之外,而且能够实现特征参数的提取。通过采用人工神经网络模型,对柴油机故障的特征量优化方法进行了研究,实现了对柴油机故障的特征提取及优化。     

混凝土结构构件研究中的几个问题探讨

对混凝土结构构件理论研究中的试验数据的完整性、计算假设的真实性及计算模性的合理性等问题进行了讨论，指出小尺度试件的试验数据不能完全反映混凝土构件的工作特性，混凝土构件破坏标准不一致性、试验数据的完整性、既有理论不能统一考虑构件正截面和斜截面的承载力等问题有待进一步解决，说明了人工神经网络理论是可能的分析方法之一。     

深度神经网络指导下的无线覆盖预测算法

为保证新一代移动无线网络能够根据实时覆盖情况动态地调节小区天线参数,需要实现高效且准确的无线覆盖预测。传统的求解方法通过精确的场强预测判断天线参数的优劣,虽然精度很高但需要大量的计算资源,无法满足5G和后5G移动网络通过实时覆盖预测进行射频参数动态调整的实际需求。现采用基于深度神经网络的算法对给定天线参数的覆盖效果进行预测,以取代对目标区域的精确场强预测。数值结果表明:该方法能够在保持计算准确性的同时显著减少计算量,为5G动态网络规划提供基础性参考数据。     

智能控制在空战仿真中的应用

智能控制是以复杂系统(对象、任务、环境中至少有一个是复杂的)控制为目标的一个研究领域。智能控制以其特有的控制复杂对象的能力，产生伊始就引起了空战仿真界的高度重视。20世纪70年代中期，美国决策科学公司(DicisionScienceIncl就提出了自适应机动逻辑的方案(AML)。     

一种模糊学习Petri网模型及其收敛性分析

Petri网是对具有产生式规则的故障诊断系统建模的有力工具,但其学习能力不强。以Petri网的基本定义为基础,结合模糊逻辑和Petri网模型,并在此基础上引入人工神经网络技术,定义了模糊学习Petri网模型。模型中的隐含库所和变迁将人工神经网络中隐含神经元内部信息处理过程明确化,然后对该模型提出一种逐层调整变迁阈值的训练算法,该算法通过逐层调整的方式来获取变迁的阈值,改善了网络的学习效率,并对算法的收敛性进行了证明。最后,以故障推理实例验证了算法的有效性与实用性。     

基于神经网络的泵机组运行模糊控制

泵机组的运行过程具有不确定性、非线性、强耦合性等特点，为满足其控制需要，文中提出了一种以模糊神经网络控制器为基础的控制系统，该系统充分利用神经网络的自学习及非线性逼近能力，又具有模糊逻辑推理能力，能对泵站泵机组运行的主要过程进行辨识并施以智能控制。     

基于RBF神经网络的功率测量非线性补偿

提出了基于径向基函数神经网络对功率测量值进行频率补偿和温度补偿的方法。通过实例说明了这一方法的应用。结果表明在对所测得的功率值进行校正时，神经网络补偿办法比传统的查表或多重查表法所占用的存储空间少、补偿的精度更高、所花费的时间较少，并且这种方法对由于其他因素所引起的测量结果非线性也同样有补偿作用。     

基于BP神经网络的装备故障诊断专家系统研究

分析了神经网络和专家系统的特点,提出了基于BP神经网络与专家系统结合的某装备的故障诊断方法,构造了BP神经网络的装备故障诊断专家系统的诊断模型,克服了传统专家系统在知识获取和表达的薄弱环节,并用了某型装备的故障实际数据进行了验证,结果表明了神经网络与专家系统结合是一种有效的诊断方法。