基于神经网络的特征优化方法及应用

特征空间的构建及组合优化是模式识别中的关键问题,它强烈地影响模式识别中分类器的性能。采用BP神经网络模型,对油气信号特征量优化方法进行了研究,并实现了油气信号的特征提取及优化。实验数据表明,该方法对油气信号特征空间降维效果明显。     

基于卷积神经网络的眼球血丝诊断

卷积神经网络在图像识别方面性能出众,其特有的多层感知器可以提取多类图片的隐式特征。提出一种基于卷积神经网络的眼球血丝诊断方法：将3类共1 500幅分辨率为32×32的眼球血丝图都转换成1 500组数值矩阵,1 200组作为训练集输入网络训练,300组作为验证集进行测试。实验表明,该应用算法可达到93.19%的训练准确率和87.57%的测试准确率。     

基于神经网络算法的计算机网络优化模型研究

计算机网络的极速发展迫切需要全面提高和优化网络的整体性能 .神经网络算法具有大规模并行处理和分布式信息贮存等特点 ,Hopfield神经网络在联想记忆与优化方面表现出得天独厚的优势 .基于神经网络算法的计算机网络优化模型研究 ,正是将Hopfield神经网络的理论与现实计算机网络、现代优化方法相结合     

基于PSO优化的灰色神经网络预测算法的研究

由于灰色神经网络随机初始化网络的参数在使用灰色神经网络预测模型时,经常会出现在进化过程中陷入局部最优值和预测精度较低等问题.因此,提出采用粒子群优化(PSO)算法优化灰色神经网络的初始参数,建立了基于粒子群优化灰色神经网络的预测模型.使得在预测性能的稳定性上,明显优于单纯使用灰色神经网络模型.通过实验,对比分析了BP神经网络、灰色神经网络和PSO优化的灰色神经网络三种预测模型,结果验证了所提模型的有效性,从而进一步提高了灰色神经网络预测模型的精确度.     

基于模糊神经网络的核桃病虫害诊断专家系统的设计

设计了基于模糊神经网络的核桃病虫害诊断专家系统的框架,描述了知识库、推理机、学习机的表示和结构,同时探讨了其实现方案.     

基于广义回归神经网络的高校仪器设备使用绩效评价

高校仪器设备使用绩效评价问题是资产管理人员研究的重要课题之一,对于充分发挥仪器设备使用绩效具有重要的理论和现实指导意义。采用广义回归神经网络方法对高校仪器设备使用绩效进行定量分析,建立指标体系与网络模型,并通过算例对数据样本进行训练与测试。对网络输出的结果数据进行分析,最终得出评价结论。     

基于神经网络的半导体压力传感器数据融合技术

针对半导体压力传感器数据融合问题，提出一种新的数据融合方法－神经网络法，实验结果表明，该方法具有实用、高效等特点。     

一种基于模糊神经网络的变压器故障诊断方法的研究

文章介绍了一种基于模糊逻辑理论的人工神经网络，提出了利用模糊数学对神经网络的输入进行预处理的方法，并将其应用于变压器故障的诊断，提高了IEC比值法诊断变压器故障的复杂性和准确性。     

基于神经网络的订购和转运优化模型

针对2021年全国大学生数学建模竞赛的C题,利用熵权TOPSIS多指标决策法确定最重要的50家原材料供应商。运用NAR神经网络算法,建立原材料订购优化模型,给出了提升产能的最大供货方案,为企业实现了原材料的稳定和可持续供应。本文构建的原材料最优转运方案,尽可能地降低了原材料转运的损耗。     

基于粒子群优化的神经网络实时交通信号配时

由于人工神经网络具有表征复杂输入输出系统的强大功能,将其用于城市道路交叉口的实时信号配时,是极有应用前景的尝试。文章采用三层人工神经网络建立城市道路交叉口信号配时模型,并把粒子群优化算法作为神经网络的学习算法。该算法具有极高的全局优化形态与计算效率。这种方法建立的模型将有助于降低交叉口的总延误,提高通行能力,使神经网络发挥更好的控制效果。     

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。     

基于虚拟化技术网络优化解决方案

虚拟化技术改变了传统的资源分配方式,根据业务量的大小实现按需分配.采用虚拟化技术解决方案实现对现有网络服务环境进行优化,达到资源共享、提高资源利用率与网络系统的运行效率.     

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．     

基于改进神经网络算法的电子设备控制方法仿真

文章主要基于改进神经网络算法的电子设备控制方法仿真进行研究分析,结合当前电子设备控制方法应用现状为根据。在社会发展以及科学技术进步基础上,神经网络算法得到非常广泛的应用,尤其是其中的遗传算法更是对神经网络算法的应用起到重要的推动作用,利用电子设备对其进行严格控制,并且将这种方法应用到球杆系统进行观察,这种形式具有结构简单、泛化能力强以及控制效果好的优势。     

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。     

基于锐捷网络设备的QoS技术在校园网中的应用

针对校园网中关键网络服务质量下降,提出利用QoS技术对校园网络进行优化的方法,并以某学院校园网QoS技术应用为例,对锐捷网络设备的QoS技术应用进行研究分析,以期为同类问题进行提供解决问题的思路与参考。     

基于PSO-BP神经网络的民航发动机VSV故障诊断

现代民航发动机大多使用VSV系统来提高发动机工作稳定性和避免发动机失速或喘振。为了诊断VSV系统故障,提出了一种基于PSO-BP神经网络对VSV位置进行监控的方法,当PSO-BP神经网络模型的预测值与实际值的偏差超过一定值时,则判断VSV系统故障。利用发动机健康状态的QAR数据,基于PSO算法优化的BP神经网络建立了发动机VSV在飞机下降段的调节规律模型,同时建立BP神经网络模型。经过对比分析,通过PSO-BP神经网络建立的VSV调节规律模型的诊断精度,高于传统的BP神经网络模型,可为民航发动机状态监控和故障诊断提供依据,具有一定的工程实用价值。     

基于概率神经网络的SF6电气设备故障诊断

SF6电气设备存在放电故障时,内部的sF6气体会分解成诸多衍生物,对设备的安全运行造成隐患．因此,通过SF6衍生物的状态可以推断设备的放电故障．在已有实验数据的基础上,将SF6衍生物的状态作为神经网络的输入,放电故障作为神经网络的输出,构建了基于概率神经网络的SF6电气设备故障诊断模型．实验表明,构建的模型对放电故障的预测达到88．23％,并与BP神经网络模型的预测结果进行了比较,证实了在SF6电气设备故障诊断的研究中,概率神经网络要优于BP神经网络．     

基于遗传神经网络的水电机组故障诊断模型

将遗传神经网络引入水电机组的故障诊断中,建立基于遗传神经网络的水电机组故障诊断模型,通过Matlab的相关工具箱进行仿真.结果表明遗传神经网络诊断的正确性高于BP网络.