基于复合神经网络的致密储层测井评价方法研究

本文利用集成的思想开展了复合神经网络模型研究。首先,利用MATLAB软件平台构建了反向传播神经网络(BP)、支持向量神经网络(SVM)和径向基函数神经网络(RBF)三个单一神经网络。其次,将单一的神经网络以加权平均的规则进行组装,形成一种复合的神经网络系统。最后,利用复合神经网络系统开展了测井储层孔隙度、渗透率和含水饱和度的预测及效果分析。研究结果显示,相比于单一的神经网络方法,构建的复合神经网络模型预测的储层孔隙度、渗透率和含水饱和度精度更高,表明基于复合神经网络模型进行储层评价是可行和有效的。     

BP神经网络模型与学习算法

分析了神经网络算法的基本原理,给出了BP神经网络算法的具体实现方法,总结了它的特点,并给出了基本流程。采用Matlab软件编程实现BP神经网络算法。将神经网络算法应用于函数逼近问题中,并分析相关参数对算法运行结果的影响,最后对BP神经网络算法进行了展望。     

基于改进的神经网络异常声音自动识别系统研究

针对标准的BP神经网络对于声音信号识别率不高的问题,提出了一种用粒子群算法（PSO）优化BP神经网络的算法,建立了声音信号识别模型。PSO优化BP神经网络主要是用PSO来优化BP神经网络的初始权值和闽值,然后通过训练BP神经网络得到识别模型的最优解,优化后的神经网络具有误判率小、反应速度快等特点。在实验中把标准的BP神经网络和PSO优化后的BP神经网络用于八种异常声音的MFCC特征量和差分MFCC特征量识别,结果表明：在声音信号的识别系统中采用PSO优化BP神经网络的算法提高了系统的识别性能,达到了系统设计的目的。     

基于Elman神经网络的电信业务预测研究

介绍了Elman神经网络的结构,并将Elman神经网络应用于我国电信业务量预测。仿真结果和BP神经网络对比表明,Elman神经网络的预测结果更精确。     

基于小波神经网络的电力负荷预测

小波神经网络是建立在小波理论基础上的一种新型前馈神经网络,具有许多优良特性。本文分析了小波神经网络的特点,建立了电力负荷的小波神经网络预测模型,设计了小波神经网络结构,给出了小波网络参数调节算法。对实际电力负荷预测算例,以及与BP网络的对比研究实验表明,小波神经网络对非平稳信号能进行有效地预测,比BP神经网络具有更高的预测精度。     

混沌神经网络模型及其应用研究

介绍了两种混沌神经网络模型,分析了其构成和特点,综述了混沌神经网络的主要应用领域,并试探性地指出了混沌神经网络的发展趋势.     

交通流量VNNTF神经网络模型及其预测研究

研究了VNNTF神经网络交通流量混沌时间序列预测的问题。首先,通过混沌理论提取了交通流量时间序列的混沌特征,并在此基础上建立了VNNTF神经网络交通流量时间序列模型;接着,阐述了VNNTF神经网络学习算法原理．设计了交通流量Voltem神经网络的学习算法快速学习算法：最后利用交通流量混沌时间序列对VNNTF网络模型、Voherra预测滤波器和BP神经网络进行了单步预测,并对预测结果的仿真图和真实值与预测值的方均根进行了比较,结果表明基于混沌学习算法的VNNTF神经网络的预测性能明显优于Volterra预测滤波器和BP神经网络。     

三种常用的人工神经网络

人工神经网络是一种由大量简单的处理单元组成的非线性、自适应、自组织系统。本文介绍了神经网络的基本要素、网络拓扑结构特性及不同网络拓扑结构下的工作特性,并综述了BP神经网络、RBF神经网络、Hopfield神经网络这三种应用比较广泛的神经网络的网络拓扑结构及算法。     

基于人工神经网络的盲源分离研究

本文介绍了盲源分离的神经网络模型,讨论了基于前馈神经网络和递归神经网络的最常用盲源分离算法的方法和思路。     

Hopfield神经网络在噪声字符识别中的应用

本文介绍了Hopfield神经网络相关知识,采用离散Hopfield神经网络对噪声字符进行识别．仿真使用离散Hopfield神经网络识别不同污染率的噪声字符,结果表明离散Hopfield神经网络对噪声字符的识别率高.     

混沌时间序列混合预测方法探索

根据Kolmogorov连续性定理,本文建立了混沌—神经网络(C-ANN)预测模型;提出了基于遗传算法和神经网络的混沌预测模型与方法(C-ANN-GA混合预测方法);解决了混沌时间序列的非解析式预测问题;使混沌时间序列预测方法得到了新的改进和发展。     

管理干部综合素质模糊评价体系的神经网络模型

本文根据人工神经网络的理论，利用高泛化性能的BP神经网络建立了企业管理人员综合素质的模糊评价模型，通过仿真和实例表明了模型的有效性，给管理干部综合素质的测评提供了一种简便、有效的方法。     

混合编程在人工神经网络方面的处理应用

在分析VisualC 和Matlab各自特点的基础上,提出混合编程的几种方法,并分析对比各种方案的优缺点。然后提出了利用VisualC 与Matlab混合编程的方法实现人工神经网络的处理应用。该方法非常适合人工神经网络的处理应用,它能够充分利用Matlab工具箱的函数。最后运用了一个实例来说明该方法的优势,结果表明该方法是可行和有效的。     

用改进的BP网络预测油气

人工神经网络在地球物理领域中，尤其在模式识别和油气预测方面得到了较好的应用．前向网络的重要特性是能够总结、归纳已知样本隐含的函数关系．然而其推广性能有待进一步研究．本文强调了该问题的重要性并提出了改善网络推广性能的技术，即在网络学习过程中，不仅让总误差下降，还尽可能使建立的“隐函数”平滑．计算实例表明，本文的算法可以明显地改善网络的推广性能．最后给出了用该技术在辽河油田进行油气预测的实例     

将神经网络应用于消防监督工作的探讨

人工神经网络是人工智能的一个前沿区域，利用神经网络善于解决非线形问题的特性，能够解决目前消防监督工作中重大火灾隐患认定、消防工程竣工验收判定等难题，为消防监督工作提供一种新的技术支持手段。     

Parkinson’s disease diagnosis using neural networks: Survey and comprehensive evaluation

Parkinson’s disease (PD) is a chronic neurodegenerative disease of that predominantly affects the elderly in today’s world. For the diagnosis of the early stages of PD, effective and powerful automated techniques are needed by recent enabling technologies as a tool. In this study, we present a comprehensive review of papers from 2013 to 2021 on the diagnosis of PD and its subtypes using artificial neural networks (ANNs) and deep neural networks (DNNs). We present detailed information and analysis regarding the usage of various modalities, datasets, architectures and experimental configurations in a succinct manner. We also present an in-depth comparative analysis of various proposed architectures. Finally, we present a number of relevant future directions for researchers in this area.     

基于粒子群优化神经网络的煤层顶板导水裂隙带高度预测研究

阐述了运用粒子群优化人工神经网络建立煤层顶板导水裂隙带高度预测模型的思路与方法。利用粒子群优化神经网络模型的权值和阈值,克服了神经网络容易收敛到局部最小值,以及收敛速度慢的缺点。煤层导水裂隙带高度预测实例表明,该方法不仅能更快地收敛于最优解,且预测精度有明显的提高。     

An interdisciplinary overview and intelligent control of human prosthetic eye movements system for the emotional support by a huggable pet-type robot from a biomechatronical viewpoint

Despite active research and significant progress in the last three decades on control of human eye movements, it remains challenging issue due to its applications in prosthetic eyes and robotics. Till now, no considerable investigation of this subject is presented in the interdisciplinary sciences. The goal of this paper is to present a distinguished survey of existing literature on the intelligent control of the human eye movements system applied in a huggable pet-type robot as a biomechatronic system.In this study, the basic knowledge of human eye movements control is explained to show how the neural networks in the brainstem control the human eye movements. The geometry and model of human eye movements system are investigated and this system is considered as a nonlinear control system. The specified model may only be an academic exercise. It can have scientific importance in understanding of the human movement system in general. Also, it can be useful for robotics.Intelligent methods such as artificial neural networks and fuzzy neural networks are proposed to control the human eye movements and numerical simulations are presented. It is discussed that the intelligent controls applied to control of human eye movements system are emulated from the neural controls in biological system.     

MTF estimation via BP neural networks and Markov model for space optical camera

The modulation transfer function (MTF) is one of the essential criteria of space optical camera. However, the traditional measurement methods of MTF are limited by precise equipment and test site. In this paper, a novel method is proposed to estimate the MTF of space optical camera via BP neural networks and Markov model. Utilizing this method, the MTF of space optical camera can be estimated only from the images taken by the camera without additional measurement equipment. The principle is to use the information extracted from known MTF images to train a BP artificial neural networks (ANN), and then use the BP ANN to estimate the MTF of space optical camera from remote images. In the meanwhile, the Markov model is used to correct the results estimated by ANN. The experiment results show that the MTF estimation average relative error at Nyquist frequency can further narrow to 5% via BP neural networks and Markov model, compared with 9% using only BP ANN.     

类脑计算芯片与类脑智能机器人发展现状与思考

类脑智能是以计算建模为手段,受脑神经和人类认知行为机制启发,并通过软硬件协同实现的机器智能。类脑器件以及类脑机器人分别作为类脑智能研究的重要内容,其在类脑研究领域受到国内外学者的广泛关注。文章首先分析了类脑器件与计算系统中的类脑芯片和类脑机器人的发展现状和应用前景,重点探讨了类脑芯片在模拟人脑神经元模型和认知计算方面,以及类脑机器人在感知控制和智能生长方面的研究内容。然后,文章介绍了在中科院先导专项支持下,我国在这一方面的初步研究进展以及未来发展方向。最后,针对现有研究中遇到的问题,文章对类脑计算芯片与类脑智能机器人的进一步研究提出了建议,并指出未来研究在仿人运动模型、类人神经运动控制、人机协同的智能机器人控制等方面有望取得重大突破。