浅谈人工神经网络

本文介绍了神经网络的基本概念,神经网络的基本功能以及构造神经网络的方法。     

一类非线性系统的自适应模糊滑模控制

针对一类不确定非线性系统提出了一种自适应模糊控制方法。该方法用模糊逻辑系统(FLS)逼近理想控制器；用滑模补偿控制器(SMCC)全局补偿逼近误差和系统的不确定性并消除外部干扰的影响，能够保证闭环系统全局渐近稳定，跟踪误差收敛到原点的邻域内。在闭环系统的稳定性分析中取消了文[1-4]中要求的逼近误差平方可积的条件。     

关于人工神经网络学科的思考

20世纪是科学技术大发展的世纪,是人类文明的新篇章.经过近半个世纪的努力探索,一门崭新的向人类自身大脑学习的新学科——人工神经网络（ArtificialNeuralNetwork,ANN）,已经诞生并正在茁壮成长.通过本文介绍使大家对人工神经网络的概念、特点、主要方向和多学科性有较深入的理解和掌握.     

Decentralized Control Based on FNNSMC for Interconnected Uncertain Nonlinear Systems

针对一类具有高阶关联项的大系统提出了一种新型控制器———模糊神经网络滑模控制器,该控制器将模糊神经网络与滑模控制器有机结合,消除了一般滑模控制器中的高频颤动现象,同时不需要知道系统中的不确定性和扰动的上界．实例仿真说明了控制器不仅能得到好的控制效果,而且具有比一般滑模控制器强的鲁棒性     

工件表面粗糙度预测实验系统的研制

使用模糊自适应BP算法建立影响表面粗糙度参数与工件表面粗糙度之间的关系模型,依据给定的数据样本对模型进行训练,将训练好的网络进行实际的表面粗糙度预测.采用VB和Matlab语言相结合的方法建立一种实验系统,实现了数据采集和神经网络预测功能.实验结果表明,基于模糊自适应BP算法的工件表面粗糙度预测有一定的准确度.     

模糊神经网络研究现状综述

概述了近年来模糊神经网络领域的研究方法和研究的进展,从模糊系统和神经网络结合的可能性到模糊神经网络的结构确定、常见算法、规则的提取等进行了总结和概述,并对将来的研究方向进行了探索。     

智能控制理论在电力电子学中的应用

针对电力电子学强非线性、多变量、极短的瞬态过程等特点,概述了几种智能控制在电力电子学中的应用,并对其今后的发展前景进行了展望.     

一类非线性时滞系统的自适应动态面控制

针对一类严格反馈非线性时滞系统,提出了一种自适应神经网络动态面控制方案。通过引入一阶滤波器,避免了传统反演设计中的＂计算膨胀＂问题。通过构造恰当的Lyapunov-Krasovskii函数,对未知时滞项进行了补偿。此外,基于Lyapunov稳定性理论,证明了闭环系统所有信号半全局一致最终有界。最后,仿真实例表明了所提控制方案的有效性。     

基于高木—关野型模糊系统的直接自适应控制

对高阶非线性系统设计了模糊直接自适应控制器。用高木－关野型模糊系统作为控制器，用鲁棒控制项对未知的逼近误差进行补偿以减小逼近误差对跟踪精度的影响。所给方法不但能保证闭环系统稳定而且可使跟踪误差收敛到原点或其小邻域内，此外还克服了外界干扰对系统误差的影响。     

基于积分型李亚普诺夫函数的直接自适应模糊控制

针对一类具有未知下三角形函数控制增益矩阵的非线性系统，根据滑模控制原理，并利用I型模糊系统的逼近能力，提出了一种直接自适应模糊控制器设计的新方案．通过引入积分型李亚普诺夫函数及逼近误差自适应补偿项，证明了闭环系统是全局稳定的，跟踪误差收敛到零．仿真结果表明了该方法的有效性．     

人工神经网络在工业机器人中的应用

Artificial neural networks (ANNs) have been widely used to solve a number of problems to which analytical solutions are difficult to obtain using traditional mathematical approaches. Such problems exist also in the analysis of industrial robots. This paper presents an overview of ANN applications to robot kinematics, dynamics, control, trajectory and path planning, and sensing. Reasons for using or not using ANNs to industrial robots are explained as well.     

Introducing Artificial Neural Networks through a Spreadsheet Model

Business students taking data mining classes are often introduced to artificial neural networks (ANN) through point and click navigation exercises in application software. Even if correct outcomes are obtained, students frequently do not obtain a thorough understanding of ANN processes. This spreadsheet model was created to illuminate the roles of the following ANN parameters: weights, learning rates, threshold functions, and transformation functions. The spreadsheet ANN model project is given early in the semester, just after ANN is introduced. Students can see effects of ANN parameters as they make changes to spreadsheet model inputs, greatly enhancing discussion of ANN processes. After working with the spreadsheet model, students have expressed an appreciation for decisions based on patterns of historic data, and they like the ability to peek “behind the curtain” at processes of predictive software packages.     

BP网络在岩土工程中的应用

总结BP网络在岩土工程中的应用情况,针对岩土工程的特殊性讨论用BP网络解决岩土工程问题时应注意的一些问题。     

Condition Monitoring and Diagnostics for Rotating Machinery Using Artificial Neural Networks

ＣｏｎｄｉｔｉｏｎＭｏｎｉｔｏｒｉｎｇａｎｄＤｉａｇｎｏｓｔｉｃｓｆｏｒＲｏｔａｔｉｎｇＭａｃｈｉｎｅｒｙＵｓｉｎｇＡｒｔｉｆｉｃｉａｌＮｅｕｒａｌＮｅｔｗｏｒｋｓＹａｎｇＺｈｏｎｇ（杨忠）ＳｈｅｎｇＺｈａｏｈａｎ（盛昭瀚）（Ｉｎｓｔｉｔｕｔｅｏｆ...     

基于人工神经网络的个人信用评估模型

针对个人信用评估，提出了人工神经网络的评估模型。对于训练好的网络模型，用户可在输入客户数据的基础上，调入生成好的规则，正确得到客户的评价结果。     

神经网络在系统优化设计中的应用

本文首先简介了系统优化问题，然后以Hopfield神经网络在对铺设公路至若干油田的路线进行优化设计中的应用为典型事例，初步探讨了在复杂系统的优化方案设计中运用人工神经网络的可行性，并从中得出拥有并行分布计算优势的神经网络在解决系统组合优化问题时具有优越性这一结论。     

Artificial Neural Networks: A New Approach to Predicting Application Behavior

In this article we examine how predictive modeling can be used to study application behavior. We apply a relatively new technique, artificial neural networks, to help us predict which students are likely to apply to a large Research I institution in the Midwest. We compare the results of these new techniques to the traditional analysis tool, logistic regression modeling. The addition of artificial intelligence models is an exciting new area and this article encourages other institutional researchers to use this technique to explore the complex processes found in our educational institutions.     

静态神经网络的临界指数稳定性

利用构造泛函的方法,研究了激活函数为投影映射的一类静态神经网络临界条件下的指数稳定性问题,给出了稳定性判据,推广了相关文献的结果.     

中值滤波的神经网络实现

利用信号的阈值分解,导出适合神经网络实现的信号分解和信号恢复算法。二元信号的中值滤波函数是一对称布尔函数,可以用神经网络实现中值滤波。本文给出一种中值滤波的神经网络实现结构,它具有实时中值滤波特性。     

人工神经网络电路的新发展

简要回顾人工神经网络电路的发展,讨论两种应用最为广泛的模型,介绍目前人工神经网络电路研究的最新进展.