Chebyshev神经网络的Levenberg-Marquardt算法

基于函数逼近理论,构建了一种神经网络模型,该神经网络采用正交Chebyshev多项式作为隐层激励函数.在此基础上,推导了Chebyshev神经网络的Levenberg-Marquardt学习算法.理论分析及仿真实验表明,该神经网络能够很好地学习样本数据中的不同模式,具有较快训练速度和较高的计算精度.     

基于粗集理论和神经网络结合的数据挖掘新方法

本文提出了一种基于粗集理论和神经网络的数据挖掘新方法。首先利用粗集理论对原始数据进行一致性属性约简 ,然后使用神经网络对数据进行学习和预测 ,并同时完成属性的不一致约简 ,最后再由粗集对神经网络中的知识进行规则抽取。该方法充分融合了粗集理论强大的属性约简、规则生成能力和神经网络优良的分类、容错能力。实验表明 ,该方法快速有效 ,生成规则简单准确 ,具有良好的鲁棒性。     

基于神经网络的Listwise排序学习方法的研究

近年来排序学习方法以其优异的性能成为信息检索领域研究的一个热点.排序学习方法应用机器学习方法训练排序模型用于文档相关性排序,取得了良好的实验结果.在多种排序学习模型中又以Listwise方法的效果最为显著,特别是基于神经网络的排序学习算法以其良好的理论基础,灵活的损失函数构造形式,成为排序学习研究的重要手段.本文对基于神经网络的Listwise排序学习方法及其改进方法进行综述,并介绍该方面研究的最新进展.     

基于模糊神经网络的感应电村控制系统的故障诊断

感应电机在工农业生产和生活中得到广泛应用,其控制系统一旦发生故障后果严重。为了提高运行的可靠性和安全性,维护电机正常运行,本文将自适应模糊神经网络应用在感应电机控制系统的故障诊断中。自适应模糊神经网络具备模糊理论处理不确定和不准确信息的能力和神经网络的自学习能力。在感应电机控制系统基础上建立自适应模糊神经网络故障诊断系统。在Matlab／Simulink中进行仿真,实验结果表明该方案有效。     

基于级联深度卷积神经网络的档案图像真伪鉴别算法

针对档案数字图像内容的真实性鉴别问题,提出了基于级联深度卷积神经网络的图像真伪鉴别算法。该算法首先利用深度学习中的卷积神经网络模型自动提取特征点,然后构建协方差描述子作为特征点描述符并进行匹配,最后通过匹配的特征点判定篡改区域。实验证明,该算法能够准确地鉴别出图像的真伪。     

基于磁流变阻尼器的自适应神经模糊振动控制

自适应神经网络模糊推理系统（ANFIS）结合模糊控制和神经控制的优点,利用模糊控制的逻辑能力和神经网络的自学习能力来提高控制的快速性和自适应性。文章采用该方法对磁流变阻尼结构实施振动控制仿真分析,仿真结果表明,振动控制效果明显,自适应神经网络模糊控制是一种很好的控制方法。     

学习质量评价系统算法模型的研究

文章研究怎样利用项目反应理论、计算机神经网络技术建立一套较为完善的切实可行的综合评价体系来测试、确定学生知识的掌握程度,让学生能够在自己的计算机上检验自己的学习成果,以提高学习的质量。     

基于传感器网络和模糊神经网络的智能小区无线入侵检测系统

本文是对基于无线传感器网络和模l糊神经网络（FNN）的智能社区入侵检测系统的详细研究誊该系统由基于园正tM（高级重usc计算机）数据采集节点,无线网络和中央控制器组成。数据采集强节点利用传感器来采集信息,通过图像检测算法来处理所采集的数据信,钆然后利用无线网络将处理后的数据传送至中央控糊器的。当有入侵时,系统启动相机和模糊神经网络．用来拍摄并传输人脸图像。我们构建了模糊神经网络,并用Lenbe略一马奁特优化算法训练模糊神经网络,从而提高系统的收敛速度和识别的准确性。随着自我学习能力的加强和非线性函数在模糊神经网络的应用,这种识别方法可以来精确识别人脸。该系统解决了传统系统缺陷,提高了系统的智能性,减轻工人的工作压力。     

神经网络在继电器中的应用研究

随着科学技术的进步,神经网络的理论已经在控制技术中得到了空前的应用发展,本课题即研究神经网络理论在继电器保护中的应用,并提出一种继电器保护原理方案。     

基于自适应直觉模糊推理的查新站质量评价方法研究

基于用户为中心原则,构建查新站质量评价的指标体系,将直觉模糊集理论引入查新站质量评价领域,提出基于自适应神经直觉模糊推理系统的查新站评价方法。首先,采用减法聚类确定自适应直觉模糊神经网络的结构;然后利用混合学习算法训练该网络的前件参数和结论参数;最后,通过采集数据对模型进行训练和测试,结果表明采用该方法所建立的评价模型是有效的。     

情感分析研究的知识结构及热点前沿探析

为了解国内外情感分析领域的研究状况,揭示该领域的知识结构、研究热点与发展动态,本文采用共被引分析、聚类分析、共词分析、战略坐标分析等方法,借助CiteSpace、UCINET、BICOMB、SPSS等软件,对Web of Science数据库收录的以情感分析为主题的相关文献进行计量分析与知识图谱绘制。分析结果表明,情感分析的应用、深度学习与神经网络、电子商务下的产品评论、事物情感特征评分、社交网络下用户生成内容、语义定向广告技术以及文本语言属性分析构建了情感分析的知识结构,产品评论与口碑、数据挖掘与人工智能、无监督学习、HadoopMapReduce与支持向量机以及神经网络与深度学习为该领域的研究热点,而顾客评论、推荐系统、极性分类、主题模型、电影评论、推特数据将是未来该领域主要研究方向。     

从语言学顺应论角度对非英语专业大学生英语词汇学习的分析

维索而论（Verschueren）在80年代开始酝酿、90年代后期推出的语用学理论,语言顺应论,该理论引起了国内外的关注。它向我们阐释了语言运用的本质。本文将在此理论的基础上,论述该理论对大学生英语词汇学习的启示及对针对学习词汇过程中存在的问题,提出策略。     

跨越“无限”──评《神经网络与信号处理系统》

神经网络与信号处理系统是当今科学研究中一个十分活跃的领域,有限精度设计理论是使神经网络与信号处理系统投入工程应用的技术关键。如何在有限的时间、有限的空间,利用有限精度设计理论,无限推动神经网络与信号处理系统的良好发展与广泛应用,是广大科技人员业已面临且亟待攻克的公认难题。由博士生导师们明一教授和中国科学院院士保诤教授合著的学术著作 《神经网络与信号处理系统──有限精度设计理论》,不仅为打开有限精度理论设计与实现的大门提供了智慧的钥匙,而且为其在工程实践中进一步发挥作用插上了奋飞的翅膀。 这部学术著…     

几种径向基函数(RBF)神经网络的比较

本文先通过对径向基函数神经网络(RBFNN)的知识进行学习,然后在掌握径向基函数神经网络基础上讨论几种形式的径向基函数神经网络的设计算法,并在Matlab中进行仿真实验,从中总结几种形式的径向基函数神经网络的差异。     

基于小波神经网络的城市燃气用气量预测模型的研究

小波神经网络是基于小波分析理论所构成的一种新的神经网络模型,通过使用小波分析,可以在任意水平上分析燃气负荷,并能有效地提取分解。本文利用小波神经网络构造了城市燃气用气量的数学模型,并对模型参数的确定,影响负荷预测的各种因素进行了深入的分析和探讨。     

基于神经网络的汉语自动分词系统的设计与分析

应用神经网络进行汉语自动分词研究是中文信息处理领域的重要课题。本文从分析神经网络的一个主要模型和算法入手,阐述了基于神经网络的汉语自动分词系统的设计方法,较详细地介绍了该系统的实验结果,并给出了必要的分析。     

情报神经网络的设计与应用

人工神经网络是一门近年来得到迅速发展的理论，它是人工智能的重要分支学科。本文从分析神经网络的基本特征和信息处理能力以及情报业务问题入手，论述了情报神经网络的设计原理与方法，提出了情报神经网络模型，并以存贮检索和文献自动分词为例，阐述了情报神经网络的设计与应用等基本问题、作者希望在情报科学领域引入神经网络技术，以加速情报业务的智能化、自动化进程。     

一种基于粗糙-神经网络的文本自动分类方法

结合粗糙集的属性约简和神经网络的分类机理,提出了一种混合算法。首先应用粗糙集理论的属性约简作为预处理器,把冗余的属性从决策表中删去,然后运用神经网络进行分类。这样可以大大降低向量维数,克服粗糙集对于决策表噪声比较敏感的缺点。试验结果表明,与朴素贝叶斯、SVM、KNN传统分类方法相比,该方法在保持分类精度的基础上,分类速度有明显的提高,体现出较好的稳定性和容错性,尤其适用于特征向量多且难以分类的文本。     

基于BP神经网络的工程项目总工期预测方法仿真研究

工程项目施工总工期的影响因素多,且很多因素对工期影响是非线性的,因此一直是预测的难点,而工期又是施工管理的重点。本文运用BP神经网络理论,对工程项目总工期进行预测,该理论具有较高的泛化能力,且具有强大的非线性映射功能,对于施工总工期的预测的精度高。     

论建构主义学习理论对军队院校任职教育的启示

建构主义学习理论是认知学习理论的一个重要分支,是当前国内外教育改革的热门话题。该理论认为个体的认知发展与整个学习过程密切相关,它强调以学生为中心,突出学生在学习过程中的主体地位,而教师在整个教学过程中仅担任组织者和指导者的角色,通过利用良好的学习环境调动学生的主动性和积极性,最终实现良好的教学效果。针对建构主义学习理论的特点,结合当前军事院校任职教育课堂教学存在的主要问题,探讨了如何运用建构主义学习理论有效地提高军事院校任职教育课堂教学的效果。