基于神经网络的概念联想和概念聚类

本文针对信息检索中自动标引和用户的检索提问问题 ,介绍了一种概念空间技术以及采用Hopfield神经网络进行概念联想与概念聚类的算法 ,并对其中部分算法进行了模拟和实验 ,针对存在的问题提出了改进方法 ,并通过数据说明其可行性     

Internet信息检索分析与研究

综述了目前Internet 网上信息检索的主要方法及存在的问题, 并对其检索技术进行了深入的分析与比较。介绍了机器学习、智能A gent、信息过滤等新技术在信息检索中的应用, 并采用神经网络Hopfield 模型及算法进行词汇扩充来提高用户的检索提问表达, 从而提高了网上信息检索的能力。     

基于自动化控制的机械设备故障诊断系统设计

机械设备的最重要的组成单元就是控制系统,其性能的好坏对机械设备的生产效率起着决定性作用。本文对这一机械设备常出现的故障和造成故障的原因进行分析,并且以遗传算法(GA)与粒子群算法(PSO)为优化工具,然后结合BP神经网络的方法对系统的故障诊断进行研究。分析结果显示,采用这种方法能够很好的使BP神经网络远离局部极小值,也就是提高了机械设备的精度,能够快捷、方便、准确地对机械设备进行故障诊断。     

科技文献老化过程的数学辨识模型

分析研究了几种科技文献老化数学模型 ,讨论了引文年代分布数据统计中引文频次的采样误差。基于过程辨识理论 ,提出了科技文献老化的数学辨识模型 ,即传递函数模型。参考文献12。图 5。     

基于粒子群优化的文档聚类算法

为了解决文献自动分类问题,提出了一种基于粒子群优化算法(PSO)的文档聚类算法并根据各种参数的变化策略进行了分析与比较.由于粒子运动的范围受到粒子最大速度Vmax的影响,本文通过改变Vmax的变化类型进行仿真比较,当Vmax为凹函数,PSO算法具有较好的收敛性.同时,对惯性权重和学习系数进行了研究,提出了相应的变化策略:惯性权重线性递减,自身认知系数线性递增而社会认知系数线性递减.给出了PSO聚类算法的详细步骤,并根据各种变化策略进行了仿真分析,取得了较好的聚类效果.与标准的遗传算法(GA)相比,本文提出的PSO聚类算法具有更好的收敛效果.     

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。     

移动图书馆信息接受场景识别研究

[目的/意义]为克服普适计算环境对移动图书馆信息接受情境自身来源的多样性和异构性的感知和计算能力不足,以实现用户信息接受的畅体验。[方法/过程]以情境感知理论为基础,采用Hopfield神经网络算法取代情境本体构建和推理,构建移动图书馆场景识别机理模型。[结果/结论]该模型简化移动图书馆场景化情境配置的复杂度,场景识别的正确率可达73%。     

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.     

基于最小二乘法的突发事件网络舆情演化规律研究

利用信息提取工具包GooSeeker中的抓取规则编辑器MetaStudio和页面信息抓取工具DataScraper等分工合作,挖掘突发事件的网媒报道数据,获得突发事件网络舆情的散点图。利用基于最小二乘法的多项式拟合法,获取各种舆情数据的拟合函数,并以近年来的突发事件作为相关案例进行实证分析。研究表明,根据各网络舆情的函数特征,其演化模式可分为突发型、连续型和复合型等,该方法能够有效地揭示突发事件网络舆情的演化过程和演化规律,为突发事件网络舆情的实时应对提供理论基础。     

基于RBF和PSO的双喉道气动矢量喷管优化设计

本文探索了一种能多变量综合优化的方法,即对喷管进行参数化设计后,用均匀试验设计(UED)将试验样本均匀散布在设计区间内,求出各性能参数后,利用径向基神经网络(RBF)对试验样本进行拟合,再用粒子群算法(PSO)对训练好的神经网络进行寻优,找出了更好的双喉道气动矢量喷管设计参数组合。数值模拟结果显示,优化后的双喉道气动矢量喷管的矢量角有了明显提高。试验表明这种优化方法具有很好的优化能力,可以用来对喷管几何外形进行参数优化。      

基于蜂群算法的神经网络集成

为选择差异度大的集成个体,构建精确度高的集成网络,。本文提出一种利于ABC算法(蜂群算法)去除冗余个体,新的选择性神经网络集成构造算法。该算法首先用可重复采样技术训练大量集成个体,继而采用蜂群算法,将网络集成预测误差作为优化目标函数,选择集成个体。并通过实验,在UCI数据集上,与传统算法进行了实验对比。实验结果表明,该算法无论从效率、精度、预测误差均优于传统算法。     

基于BP神经网络算法的设备状态分类器设计与实现

以某设备中的减速箱为研究对象,建立了BP神经网络,采用BP算法训练神经网络,设计一个状态分类器,用于检测减速箱的当前状态。结果表明,基于BP神经网络具有良好的训练性能,能快速地收敛于最优解;样本输出结果较理想值误差较小,分类器的识别结果完全符合实际情况。该分类器可以有效准确地识别减速箱的运行状态,为进一步故障检测提供了有效工具。     

基于BP神经网络的文档特征表示研究

本文根据BP神经网络的函数逼近功能 ,针对文档特征项在文档中的权重 ,提出了一种基于BP神经网络的网络计算模型。实验表明 ,在面向相似主题的文档集中 ,这种方法比当今最常用的向量空间模型计算的文档特征项的权重更精确     

Chebyshev神经网络的Levenbers-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。     

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.     

超短脉冲激光研究

通过求解麦克斯韦-布洛赫方程,研究了脉冲激光与介质的相互作用,从理论 上探讨在不同时域范围,慢变幅近似和旋波近似两种近似方法对于研究激光与介质相 互作用过程的适用性。研究表明慢变幅近似和旋波近似两种近似适用于纳秒及皮秒范 围,当脉冲持续时间接近几个光波周期时,旋波近似和慢变幅近似将不再适用。     

模糊神经网络技术在电梯群控系统中的应用研究

本文介绍了一种基于模糊神经网络技术的电梯群控系统的设计方案。阐述了其数学原理,并建立了基于模糊神经网络技术的电梯群控系统的数学模型。考虑电梯运行的综合评价函数,结合神经网络和模糊控制各自的优点,设计了一种电梯群控调度算法。并通过仿真验证了系统的可行性。     

决策支持系统中的非线性组合预测模型

在决策支持系统的预测过程中引入非线性预测模型,并针对BP神经网络的变异特性,通过组合运用回归分析法,BP神经网络和遗传算法原理,建立了BPN络组合预测时间序列输出模型,结合某企业的寿命周期费用数据进行预测系统仿真,得到的结果与实际数据相比误差较小。结论说明,此方法具有更高的预测精度,在决策支持系统中有较好的可用性。     

原创性一次文献医学连续型电子出版物现状及面临的问题与建议

介绍我国医学原创性一次文献连续型电子出版物数量、学科影响力,分析目前连续型电子出版物面临的问题,探讨我国医学原创性一次文献连续型电子出版物的发展方向。一方面,连续型电子出版物需不断提高自身学术质量、编校质量,加强推广与宣传,提升在学科中的影响力和行业中的认可度;另一方面,编辑部需创新人才管理体制,建立稳定、专职的复合型编辑团队;同时,在国家政策的引导下,光盘版连续型电子出版物应加快多媒体融合,推动光盘版向网络版出版的转型。     

井壁状态智能预测技术的研究与思考

井壁状态预测作为海洋钻井工程的重要研究内容,正由基于机理模型的传统方法向机理模型与数据模型融合的智能预测方法转变.国外采用数据模型进行井壁状态预测的研究起步较早,且已取得一定成果,主要包括BP神经网络算法、支持向量机(SVM)、功能网络(FN)、自适应神经模糊推理系统等方法,但其误差较高,通用性不强,实用性有限.国内主...