利用混合神经网络辨识Hammerstein模型的方法

研究了Hammerstein模型的辨识问题 ,并考虑了多输入多输出 (MIMO)情况 .提出一种混合神经网络辨识模型 ,该模型由一个多层前馈神经网络 (MFNN)与一个线性神经网络 (LNN)串联而成 .给出了一个反向传播 (BP)算法同步训练该混合神经网络的权值和阈值 .仿真结果表明了该方法的有效性 .     

关于非线性动态系统神经网络辨识模型的分析

由线性动态网络和非线性静态网络组成的特殊结构，分析这种辨识模型的特点及在实际操作中的应用，并通过仿真手段证明神经网络的有效性。     

简论非线性系统的神经网络辨识

简要分析了状态-输出模型、输入-输出模型的神经网络实现。讨论了应用神经网络进行复杂系统辨识的可行性及其实现方法，并指出与基于算法的传统辨识方法相比较神经网络用于系统辨识所具有的特点。     

柔性机构非线性运动的神经网络辨识模型

研究目的是建立柔性机构非线性运动辨识模型.柔性机构的运动形态为高度非线性,利用径向基函数(RBF)神经网络,将机构驱动力矩和机构非线性运动参数分别作为RBF神经网络的输入和输出,利用达到训练精度要求的RBF神经网络进行柔性机构的非线性运动参数的辨识.计算速度快,精度高,为复杂系统的辨识提供了一种理想的建模方法.     

关于非线性动态系统神经网络辨识模型的分析

由线性动态网络和非线性静态网络组成的特殊结构,分析这种辨识模型的特点及在实际操作中的应用,并通过仿真手段证明神经网络的有效性.     

基于神经网络的伺服系统辨识与内模控制

根据一组伺服驱动系统的辨识试验数据，进行了基于神经网络的非线性系统的正模型与逆模型辨识，分析了辨识结果，给出基于神经网络模型的内模控制方案，并提出了实现高速高精运动的可能方式。     

神经网络方法对非线性系统的作用

本文对非线性系统研究方法作了简要介绍，重点分析了神经网络方法在非线性系统研究领域应用的可能性和方法，指出神经网络在非线性系统中的广阔前景。     

神经网络方法对非线性系统的作用

本文对非线性系统研究方法作了简要介绍，重点分析了神经网络方法在非线性系统研究领域应用的可能性和方法，指出神经网络在非线性系统中的广阔前景     

对高阶对象的一种模型辨识方法

由于工业生产中的被控对象模型往往都是未知的,这对于系统整体的控制以及控制器参数的整定都带来极大不便,所以得到被控对象的精确等价模型尤为重要。提出了一种针对高阶对象的模型辨识方法,通过获取对象的输入输出数据,采用一定的变换方法得到对象的一阶加纯滞后或二阶加纯滞后模型。从被控对象模型和辨识出的模型Nyquist图以及单位阶跃响应方面,利用Matlab仿真对模型辨识度进行验证。仿真结果表明,该方法辨识出的被控对象模型拟合度高。     

非线性时间序列的神经网络预测的研究

采用各种改进的BP算法及径向基神经网络来逼近非线性映射Xn 1=4Xn(1-xn)，揭示了人工神经网络有非常强的逼近非线性映射的能力。同时也分析对比了各种算法的性能，讨论了几种改善人工神经网络功能的途径。     

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。     

基于神经网络技术建立综合控制技术实验室

通过神经网络技术辩识自控原理物理实验模型，建立虚拟模型库，实现了自控原理实验的虚拟仿真，通过这一过程可以建立多种控制技术实验，从而让学生能够更易掌握自控原理、系统辩识、计算机仿真、神经网络技术等多种课程。     

深度卷积神经网络模型发展综述

随着移动互联网与硬件处理器技术的不断发展,海量数据处理与计算能力不断提高,深度学习备受关注。卷积神经网络是深度学习模型中最重要的一种结构,可用于目标特征提取。介绍了为提高卷积神经网络性能,不断增加卷积网络深度的模型,以及因此带来的新问题和解决方法。     

基于云模型与神经网络的网络态势分析

通过引入云模型对输入信息进行模糊化处理,结合神经网络的非线性学习能力,提出一种基于云模型和神经网络的模糊分析模型CNN。在此基础上,引入遗传算法和粒子群优化算法,对连接权和阈值进行训练,构造出GA-CNN与PSO-CNN两个模型。由于神经网络具有在海量数据中提取隐藏规律的能力,而遗传算法与粒子群优化算法具有全局搜索的优点,因此可使所求问题以较大概率收敛到全局最优解或次优解。实验结果表明,该模型具有较高的检测率和较低的误检率,能够较好地实现对网络安全状态进行分析的目的。     

基于BP神经网络的税务稽查研究

税务稽查实质上是一个分类问题,可以通过BP神经网络进行数据挖掘的分类和问题预测。在分析BP神经网络原理的基础上,利用税务系统中的纳税人申报数据,建立基于BP神经网络的分类模型,对纳税人进行诚实纳税和非诚实纳税的评估、分类。模型分类准确度达到预期效果,表明该方法能够提高税务稽查部门的工作效率和效果。     

基于人工神经网络的宏观经济预测模型

运用人工神经网络方法,提出了将神经网络用于宏观经济预测中的一般步骤和方法,并以我国的国内生产总值为例进行宏观经济预测建模,为经济预测提供了新的思想和途径.     

基于BP神经网络的中医舌诊诊断的研究

将现代计算机技术与舌诊相结合构建了中医舌诊智能诊断的神经网络模型,以此研究了人工神经网络方法应用于中医舌诊诊断,讨论了利用MatlabN神经网络函数对实验提供的舌象样本数据进行训练学习,最终得出相应病例．     

基于模糊神经网络的热电联产故障诊断研究

为了在缺少设计参数的条件下,设计一个非线性模型的热电联产故障诊断系统,提出了一种基于模糊神经网络的设计方法。通过分析热电联产控制系统各工作模块的工作过程,建立废热回收蒸汽锅炉、蒸汽集箱、汽吸收式冷凝器等模块工作模型。并采用粒子群优化算法对提出的模糊神经网络进行优化,假设模型和测量误差正常分布且相互独立,对模型置信区间进行了计算。实验测试表明,本文设计的故障检测具有较高的可信度。