简介：分析了NCNN（噪声混沌神经网络）模型的几个重要参数对系统性能的影响，并对其进行了优化、、仿真结果表明，优化的算法能成功解决旅行商问题，比传统的依靠经验选择参数的方法更有效，在收敛速度同解的质量之间取得了很好的折中。

简介：城市交通流具有复杂性、随机性、模糊性和非线性的特点,城市交通流的准确预测对于解决城市交通问题具有现实意义。针对RBF网络存在的隐层节点中心难以求得的问题,通过构建的小波神经网络对扬州市文昌西路时代广场路口东西方向的交通流进行仿真预测。结果表明,小波神经网络可以准确地、实时地预测交通流,与RBF网络的预测结果对比,小波神经网络拥有相对较高的预测精度。

简介：针对常规基于S型基函数的模糊神经网络存在随模糊控制规则数目增加导致中间层节点激增的问题,设计了一种改进型的模糊高斯径向基函数神经网络控制器,给出了优化的模糊神经网络结构模型和控制器设计优化改进方法,利用减少中间层节点的数量降低算法的复杂度,并提高跟踪控制的实时性.通过优化算法在移动机器人上的仿真应用,验证了所提改进算法在跟踪控制运行中的实时性、有效性和可行性.

简介：本文针对现有砌体结构可靠度评价方法的不足之处，从实际工程角度出发，提出了用于建筑物可靠度模糊综合评定的神经网络方法，讨论了该网络各层的物理意义及各系数的取值方法，并给出了实际工程算例。

简介：通过研究视频汉字识别问题，提出了关于视频中汉字跟踪及分割算法。首先，提取视频样本特征，采用K均值算法进行聚类作为第1次分类，之后，采用多个BP（backpropagation）神经网络进一步细分一次分类后的结果作为二次分类。最后，对以上算法进行了实验验证，结果证明这些算法是有效的，多层分类器较单一的BP神经网络分类器识别率更高。

简介：通过对仿射离散小波框架的分析，用离散仿射小波变换时频局部化集中与神经网络的有关理论，研究了前传神经网络的组织结构与简化，提出了处理方案，并利用此理论对波函数的逼近给出了一般算法．

简介：BP神经网络是一种按误差逆传播算法训练的多层前馈网络，其与遗传算法的结合可以得到一种拥有良好的全局优化搜索和局部时频特性的学习训练途径。针对BP网络的不足，提出了一种基于改进遗传算法的BP神经网络控制器，此方法可以克服基本遗传算法收敛速度慢，容易陷入“早熟”收敛，计算稳定性不好等一系列问题，进一步提高了BP神经网络控制器的性能。最后通过对轧制力模型的预报仿真，证明了控制器的有效性。

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：在专家评价数据基础上,针对＂教学做一体＂课程评价的非线性特征以及课程评估体系中存在的诸多非定量的因素,建立了BP神经网络评价模型。利用BP神经网络进行＂教学做一体＂课程评价的方法可操作性强,可以克服传统评价方法主观性过强的缺点,具有较广泛的实用性。

简介：文章主要介绍了基于BP神经网络的身份证号码识别算法的实现方法，在进行BP网络设计中，主要需要考虑网络层数、各层中神经元结点数、初始值的选取、期望误差及学习速率等因素对算法的影响，提出了算法具体实现的步骤。

简介：绿色度评价直接影响着机电产品的设计、制造、管理及发展.从机电产品制造的能源、资源、环境、经济和技术等属性进行分析,运用层次分析法（AHP）确定机电产品绿色度评价指标体系及其权重,建立机电产品绿色度BP神经网络评价模型,通过粒子群-人工蜂群（PSO-ABC）算法优化训练BP神经网络结构参数.仿真实验表明,该方法评价速度快、准确率高,对于指导机电产品绿色制造具有较好的参考价值.

简介：提出了一种直流无刷电动机的N-PID转速调节器的设计方法。在直流无刷电动机的高性能速度跟踪中，若仅采用传统的PID调节器，则难以克服系统超调和短时振荡问题，采用复合N-PID的控制方法，利用神经网络的自学习自适应功能在线调整PID控制参数。介绍了基于数字信号处理器的直流无刷电机神经网络调速系统，仿真结果表明，运用这种设计方法很好地抑制了超调和振荡。

简介：利用BP神经网络构造一个评价模型，对高校实验室的管理、建设、实验教学进行综合评价。

简介：通过构造Lyapunov—Krasovskii泛函，获得了时滞周期神经网络模型周期解指数稳定性的一个充分条件。

简介：BP算法是人工神经网络的传统常用训练算法。遗传算法是一种新型的、随机性的、全局性的优化方法。基于MATLAB对比这两种训练方法的异同和优缺点，从而达到神经网络的最优化训练，充分发挥神经网络的作用。

简介：针对无刷同步发电机旋转整流器常见故障特点,提出一种基于小波包分解和BP神经网络的旋转整流器故障识别方法。运用小波包分析（WAP）提取故障特征信号,建立故障识别的神经网络模型,采取粒子群-人工蜂群（PSO-ABC）算法优化神经网络的最优初始连接权值和阈值等结构参数。仿真结果表明,该方法具有识别速度快、准确性高等优点。

简介：研究粉煤灰混凝土与钢筋的粘结性能是非常必要的,而且这将对粉煤灰混凝土的广泛应用也非常有利。应用BP神经网络对粉煤灰混凝土极限粘结应力进行预测,表明该预测方法预测精度高,高效可行,具有一定的优越性,不仅为粉煤灰混凝土极限粘结应力的获得提供了新方法,而且为寻求关于粉煤灰混凝土粘结性能的各影响因素之间内在的和整体的规律提供了新的思路。

简介：对一类具有摄动的严格反馈非线性系统,基于动态面控制技术,提出一种自适应神经网络的控制器的设计方案.该方法消除了严格反馈非线性系统后推设计中,由于反复求导而导致的复杂性问题.通过对下界的讨论,避免间接控制中的奇异性问题.利用李亚普诺夫方法,证明闭环系统是半全局一致终结有界,且通过适当选择参数,跟踪误差收敛可以达到任意小.仿真结果表明所提控制方法的有效性.

简介：研究海歆集团洗衣机订单需求预测，制造业在国内行业竞争激烈，早已进入微利时代。降低库存和加强原材料成本控制是提高市场竞争的有力手段。由于洗衣机订单变化受季节性和随机性影响较大，传统预测模型对订单变化规律难以准确描述，无法满足预期精度要求。根据该企业目前多品种、小批量的订单生产方式，构建灰色神经网络模型来进行订单预测。利用灰色神经网络处理订单产生中的非线性变化规律，并利用遗传算法对神经网络参数进行优化，提高模型的预测精度。仿真试验表明，相对于传统预测方法，改进灰色神经网络提高了订单需求的预测精度，可企业制定生产及采购计划提供决策依据。

简介：针对一类具有饱和非线性输入的混沌系统，基于RBF神经网络的逼近能力提出一种控制方案。该方法利用自适应控制和鲁棒控制，使系统可在模型函数和外扰未知下，设计出结构简单有效的控制器，有效消除了现实中由于饱和非线性输入的存在而引起的控制器抖动的不良控制效果。仿真结果表明了所提控制方法的可行性。