简介：目前在高职院校部分学生中所产生的学习动力不足现象,已引起了教师们的普遍忧虑.通过随机抽样调查,对学习动力不足的原因进行了分析,并就如何激发高职生学习动力的方法与措施提出了若干意见,力求探索一种优质的学习环境,形成良好的校园学习氛围.

简介：BP神经网络是故障诊断领域运用最为广泛的一种方法。针对BP神经网络隐含层单元数难以确定的问题，对现有以经验公式确定隐层单元数的方法进行对比分析，提出一种在经验公式基础上改进的方法，并通过风力发电机齿轮箱故障诊断实例验证。结果表明，该方法能有效地加快寻找最优隐层单元数的速度。

简介：异步电动机控制系统是一个较难的工程问题。由于交流电动机机械系统具有非线性动态特性，以及交流电动机的某些状态变量无法测量，这些问题都使系统控制问题变得复杂。另外温度发生变化时，转子电阻发生很大变化，这又是一个控制系统难以克服的问题。使用神经网络的自适应控制技术来实现感应电动机的控制问题，第一种是单输入-单输出（SISO）系统，控制器使用静态多层感知器神经网络（MLP神经网络）；第二种是多输入-多输出（MIMO）系统，控制器使用递归神经网络为动态控制系统方案。本文重点讨论MIMO系统。

简介：针对进出口总额数据的非线性,并为了更充分挖掘时间序列所隐含的数据规律,建立了基于灰色预测模型、神经网络算法以及最小方差准则的最优组合预测模型。仿真分析结果显示,最优组合方法能更有效提高非线性时间序列的预测精度。

简介：BP神经网络分类器在信号识别领域得到了比较广泛的应用，针对其低信噪比环境下识别率相对较低的问题，引入人工蜂群算法（ABC），将求解BP神经网络各层权值、阂值的过程向蜜蜂寻找最优蜜源的过程转变，最后阐述了一种以人工蜂群算法为基础的神经网络分类器设计方法（ABCBP算法），并以2ASK，2FSK，2DPSK信号为例，对信号进行小波包分解后，将信号各频段的能量值数据作为实验样本，对其进行了信号分类。仿真结果表明：基于人工蜂群算法的优化BP神经网络分类器，即使在5dB的信噪比环境下，仍可达到94％以上的识别率，并具有较好的稳定性，这为信号识别领域中分类器的设计提供了一个很好的理论依据。

简介：采用MATLAB的人工神经网络工具箱,以高锰铝青铜的化学成分作为输入参数,其抗拉强度bσ、屈服强度0σ.2和延伸率δ作为输出,建立了材料的力学性能预测模型。计算结果表明,三项输出的预测值与实测数据接近,其相对误差小于±6%的范围,该模型对其他材料的设计生产具有一定的指导意义。

简介：神经网络作为非线性模拟的一种具有生命力的方法,近年来在自动控制、信息处理等方面得到了广泛的应用,本文简要介绍了BP神经网络和RBF神经网络,讨论了神经网络在非线性系统建模中的应用.

简介：本文叙述了基于神经网络方法的感应电机转子故障诊断的进展情况。神经网络在适当选择输入输出时可以用比较有效的方法取代用以构成诊断系统知识库的故障电机模型。通过对正常电机的实验性试验和在电机故障情况下的模拟取得的数据来训练网络，诊断系统就可以鉴别“正常”电机和“故障”电机。该程序可取代基于电机模型的诊断程序所要求触发门限的语句。

简介：采用神经网络来辨识汽车发动机的有关歧气管压力环节的非线性动态模型,为实现系统的非线性动态映射,引入了外部回归项,然后用动态Levenberg-marquardt算法来对动态模型进行参数估计.仿真结果表明,基于神经网络的模型具有较高的精度和较强的通用性.在此基础上,用动态增益矩阵法的故障诊断方法和神经网络实现汽车发动机的在线故障诊断.

简介：将分支前馈神经网络（BFNN）运用于数字字符的模式识别问题中,其某些性能优于标准反向传播（BP）网络。BFNN的隐层神经元与输出神经元之间为分组对应关系,采用的学习算法与标准BP算法类似。BFNN可以根据样本的可分性构建最适宜的网络结构。在对大规模、分类复杂的样本进行识别时,性能优于标准BP网络。

简介：分析差动变间隙式电容传感器的非线性因素，提出基于径向基函数神经网络的传感器非线性辨识的算法、方案与实现技术。对电容传感器进行实验，通过计算机仿真与应用，实现了实验过程和实验数据处理的智能化和简单化，能有效地辨识传感器的非线性，从而提高了测量的精度和速度。

简介：单神经元(PSD)控制器利用神经元的自学习、自组织能力,根据被控对象的变化情况对控制器的权值进行在线调整,达到了在线调整PID参数的目的;且设计时无需精确对象模型,克服了常规PID因负载、模型参数的变化及非线性因素等影响PID精确调节的缺点.采用遗传算法对单神经元PID参数进行寻优,在搜索空间内获得全局最优点.仿真结果表明:采用遗传算法改进的单神经元PID控制器能获得较好的控制效果.

简介：对K-means算法加以改进,使用减法聚类确定聚类中心数量;以相距最远的两个样本作为聚类中心的边界,改进的K-means算法将K个初始中心分散到含有输入样本点的各个区域中,使其能够反映样本之间的关系和分布特征;初始中心确定后,使用点对称距离方法调整聚类中心。利用改进的K-means算法将历史日聚类分成4种天气类型,取相似日作为训练样本,对4种天气类型分别建立基于改进K-means算法的RBF神经网络功率预测模型。采用上海某光伏电站实测数据验证,结果表明提出的的预测方法精度提高,实用性较强。

简介：为解决多关节油压机械臂及手系统动态参数的时变性，应用递归神经网络（RNN）建立了油压机械臂及手的速度模型及逆模型，并用逆模型作为臂及手各关节的控制器实现了位置控制。实验结果表明，所建模型性能接近系统性能，位置控制精度也能达到控制目标的要求。