简介：针对无人动力伞在执行任务时常常在低空、城市上空等复杂气流环境飞行，无人动力伞的响应特性受到飞行速度、航向角和各种风的综合影响，具有的非线性和不确定性．导致事先设计的控制规则不再适合，对此基于PID的控制算法难以达到满意的控制效果．本文提出了一种模糊神经网络控制无人动力伞航向控制策略，利用RBF神经网络所特有的局部逼近能力，对模糊控制规则进行在线推理并获得连续输出，采用GA算法对神经网络参数进行调整来实现对模糊控制器规则库的优化和模糊规则的自动生成．使控制器能够进一步适应无人动力伞实时控制中的时变性和不确定性，保持良好的控制性能；仿真表明算法是可行的．

简介：针对传统模型参考自适应控制存在的鲁棒性问题和神经网络结构庞大因而计算量膨胀的问题。提出了一种变结构神经网络L1自适应控制方法，其中变结构神经网络用于在线辨识系统存在的未知非线性函数，该网络通过对节点进行唤醒与催眠以动态调节结构，以最少的节点数进行有效的逼近，降低计算复杂度；L1自适应控制用于网络权值学习与系统非线性补偿，反馈回路中设有一个低通滤波器，只要满足L1增益条件，就能确保系统的输入输出信号的瞬态响应和稳态跟踪性能与一个期望的线性时不变系统的响应保持一致。通过对四旋翼飞行器进行仿真，验证了该方法的有效性。

简介：利用BP神经网络局部搜索快速性、自适应及自学习的优点，设计了基于BP神经网络的危机预警模型，突破传统的危机预警模式，有效克服了当前危机预警机制中缺乏智能化自我学习等缺陷，为研究智能化公共危机预警提供了一条可行的有效途径。

简介：随着计算机处理能力的快速提高，彩色图像处理受到人们越来越多的关注。针对现有纹理识别算法计算速度慢，识别精度低等问题，本文提出了一种将颜色信息融人到纹理识别中的新方法——基于小波概率神经网络的彩色纹理识别。首先将RGB彩色纹理图像转化为HSV彩色模型，用小波变换（wT）进行树形结构小波分解提取彩色纹理的特征，然后使用概率神经网络对测试样本进行分类识别。本文对不同的自然纹理图像进行了实验，并将实验结果与文献”0做了比较。实验结果证明，本文方法的识别效果明显优于文献。

简介：抄纸过程中纸机系统具有大滞后、非线性、时变等特点,纸张定量与水分之间存在强耦合效应,针对这些问题,设计了一种基于RBF神经网络的PID解耦控制方法。利用RBF神经网络辨识定量与水分的数学模型,实时调整PID控制器的参数,实现系统的解耦功能。仿真结果表明,该方法具有良好的静态、动态性能和很强的自适应性,能有效解决纸张定量和水分之间的耦合作用。

简介：

简介：随着医学和电子信息技术的迅速发展，人工神经网络（ANN）越来越多地被应用在重症监护室（ICU）中。ANN可以把大量的临床资料转化为信息，辅助医护人员进行诊断和治疗。在ICU中，ANN的作用有很多，主要是用来进行结果预测。应用ANN对于合理利用我国有限的医疗卫生资源以及改善患者预后具有重要的意义。

简介：分析了影响城镇日用水量的非线性因素，利用人工神经网络，选择影响城市日用水量的主要因素。建立城镇日用水量预测模型，并将该模型的预测效果与传统的日用水量模型预测效果进行比较，结果显示该模型的预测精度更高、所需时间更短、更适用于影响因素较多的城市日用水量的预测。

简介：通货膨胀的诱因、预测与控制是各国政府、学者乃至普通民众关心的热点问题。运用交叉相关分析法对GDP增长率、M2增长率、工业生产者购进价格指数等因素与通货膨胀间的关系进行了定量分析，确定了各因素与通货膨胀之间的领先、一致和滞后关系；然后结合人工神经网络原理，以先前确定的领先指标作为输入信息建立了基于BP神经网络的通胀预测模型，最后根据模型预测结果，提出了控制通货膨胀的相关政策建议。

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。

简介：

简介：港口吞吐量预测是港口决策和规划的基础。为了合理预测港口吞吐量,本文利用外贸进出口总量、第一产业总产值和第三产业总产值作为BP神经网络的输入变量,港口吞吐量为输出变量,建立了港口吞吐量预测的BP神经网络预测模型。然后根据2000年-2010年广西北部湾港口吞吐量、外贸进出口总量、第一产业总产值和第三产业总产值,利用Matlab6.5软件的神经网络工具箱,通过对BP神经网络模型的反复训练,发现当隐含层节点数为6,学习率为0.05,训练次数为500次,训练精度为0.001,动力因子为0.9时得到的效果最好。并对BP神经网络模型与多元回归模型的预测结果进行比较分析,认为BP神经网络模型预测的总体效果更优。最后利用所确定的BP神经网络模型,对2011年和2012年两年的港口吞吐量进行了预测。

简介：论文主要介绍采用BP神经网络对变压器油中溶解气体进行分析来进行变压器故障诊断。论文所用BP算法是在传统的最速下降BP算法中加入可变学爿率以及采用动量因子的改进BP网络算法，即将自适应学习率法和动量BP法相结合的学习率可变的动量BP算法，建立了一种具有较强学习能力、泛化能力和适应能力的神经网络模刚，并通过实验证明了其对变压器故障诊断的准确性。

简介：讨论BP神经网络的原理及其缺陷和改进方法．在MATLAB环境下，对含噪声文字符进行识别训练．仿真结果表明，网络收敛速度快，识别分类效果好．

简介：目的建立口岸鼠密度变化的动态模拟径向基函数神经网络模型,分析预测效果。方法监测鼠密度,分析鼠密度与气象因子相关性,运用多元回归方程分析气象因子对鼠密度的影响,建立鼠密度变化的动态模拟径向基函数神经网络模型,分析模型的准确性。结果建立的模型的训练准确率为91.34%,检验准确率为91.17%,测试准确率为89.03%,平均准确率为90.51%。模型认为自变量的重要性排序依次为月均最低气温、月均相对湿度、日照、降水量。结论径向基函数神经网络技术能够较好地应用到鼠密度动态预测工作中,为口岸鼠类防控提供了科学依据。

简介：针对目前BP神经网络在实际应用中，网络结构难以确定以及网络极易陷入局部解问题，用遗传算法优化神经网络的连接权和网络结构，在遗传进化过程中采取保留最佳个体的方法，建立基于遗传算法的BP网络模型，同时通过实例说明该模型在降水预测中的应用，计算结果表明该方法的预测精度较高。

简介：将神经网络技术和房地产市场分析预测相结合,建立了基于BP与Elman神经网络的实时动态的房地产市场泡沫预警模型,并以房地产市场数据为对象进行了预警模型的研究,并与BP网络的评价结果作了比较。结果表明：该模型具有很好的预测潜能和广泛的应用前景,用Elman神经网络进行评价的结果比BP网络的评价结果更加精确。对解决房地产市场预警系统的非线性问题,为寻找更科学的房地产市场分析预测方法提供新的途径。

简介：文章研究了利用非破坏性参量预测发电机主绝缘的剩余击穿电压，大型发电机主绝缘的非破环性参量主要有直流特征参量、交流特征参量、介质特征参量、局部放电特征参量和非电特征参量这五类。通过分析得到了介质特征量与局部放电特征量这两类参量适合预测剩余击穿电压的结论。紧接着用皮尔森积矩法作了这两类参量与剩余击穿电压的相关性分析，最终获得了四个与剩余击穿电压有较大相关性的非破坏性参量。本文筛选的网络模型经训练后取得了良好的预测效果：预测值与实际值的最大相对误差为0．93％，最小相对误差仅为0．01％。由此证明通过BP神经网络预测大型发电机主绝缘剩余击穿电压是可行的。

简介：介绍了灰色BP神经网络实现的基本原理，并把该模型应用于高职学生综合素质评价中。实验结果表明，该评价模型具有良好的泛化能力和非线性处理能力，所得结果对促进学生综合素质评价的科学化、规范化提供了保障，具有一定的应用前景。

简介：摘要准确的预测风力发电机组的输出功率对电力系统稳定、电力系统调度和风电场运行都具有重要意义。从数学模型及风机实际获得的数据出发，分析出风速、风向、空气密度、大气压强对风力发电机组输出功率的影响。设计了基于数值天气预报（NWP）的径向基函数（RBF）神经网络风电功率短期预测模型。应用该模型进行了24h后的风电输出功率预测，预测误差在11%附近，表明该方法预测精度较高。