光学神经网络研究及其在模式识别中的应用

本文简要介绍国家自然科学基金委员会“七五”重大项目“光学神经网络的研究及其在模式识别中的应用”的研究意义、研究内容和研究进展,着重介绍了在适于模式识别和光学实现的神经网络模型研究、光学神经网络中的基础技术研究与关键器件研制等方面所得到的主要进展。     

基于离散Hopfield神经网络的农口国家工程技术研究中心综合实力评价研究

农口国家工程技术研究中心是所有涉农国家工程技术研究中心的总称。本文在明确农口国家工程技术研究中心职能定位,梳理其发展现状的基础上,基于离散Hopfield神经网络方法,实现对农口国家工程技术研究中心综合实力的分级评价,并根据结果对评价指标提出了修正建议。     

改进遗传算法的神经网络模型研究

神经网络模型及遗传算法在信息识别、分析与处理方面有着广泛的应用前景。通过对实数编码的遗传算法进行分析,给出了一种改进的优化神经网络模型权值的遗传算法,试验表明,改进的遗传算法可以使神经网络模型的收敛性和稳定性得到明显改善,并且可以减少优化时间。     

Hopfield神经网络的全局指数稳定性

本文通过利用Gronwall不等式和巴拿赫不动点原理,并结合一些分析技巧,获得了保证一类Hopfield神经网络平衡点的存在性和全局指数稳定性的一些充分条件,所得结果改进和推广了一些已有的结果。我们的结果有助于设计全局指数稳定的Hopfield神经网络。     

Hopfield神经网络在噪声字符识别中的应用

本文介绍了Hopfield神经网络相关知识,采用离散Hopfield神经网络对噪声字符进行识别．仿真使用离散Hopfield神经网络识别不同污染率的噪声字符,结果表明离散Hopfield神经网络对噪声字符的识别率高.     

预测方法中的神经网络模型

本文概况地介绍了目前人工神经元网络模型在预测领域内的应用及理论,并对一些有代表性的理论方法进行了简单的介绍,指出了其优点和存在的问题,并对人工神经元网络在预测领域内今后的发展做了进一步的讨论     

基于BP神经网络的风险投资评估模型

风险投资作为一种新型的投资工具，具有不同于传统的金融投资评估的方法，评估方法更复杂、更专业，带有很强的主观性，而当前的各种评估方法却很难体现风险投资的这种特点，这在一定程度上降低了评估结果的科学性和客观性，限制了风险投资业的发展。近年来兴起的神经网络评估模型，由于具有信息分布性、容错性大的特点，适于信息残缺或推理规则不确定的环境，加上模型中的权重是通过样本学习而形成的，不需要对各项指标确定权重，所以比较接近人的思维模式，它对人们解决风险投资评估问题是有帮助的。鉴于神经网络的这些优点．本文构建了基于BP神经网络的风险投资评估模型．并对模型进行了检验。     

利用神经网络确定ARMA模型的结构

本文以时间序列的ＳＡＣＦ和ＳＰＡＣＦ作为输入,ＡＲＭＡ（ｐ,ｑ）模型的类别作为输出来建立神经网络,并利用计算机生成的时间序列的ＳＡＣＦ和ＳＰＡＣＦ对网络进行训练。最后用该网络为多个实际的时间序列都找到了最佳的模型结构     

汇率的神经网络预报模型及其实例分析

汇率的神经网络预报模型及其实例分析魏巍贤，蒋正华（西安交通大学７１００４９）１引言自１９７３年布雷顿森林体系崩溃以来，西方各主要工业国家先后都实行了浮动汇率制，在浮动汇率制下，汇率随外汇市场供求状况的变化而波动，一般情况下，货币当局不对外汇市场进行干...     

作者合作复杂网络模型

基于科研论文作者合作方式,建立了一个作者科研合作网络模型。通过理论分析和仿真验证,网络模型节点的度分布（作者合作人数）符合幂率分布,该网络是一种无尺度网络模型。为了说明作者合作网络模型的有效性,对2001年1月-2006年12月期间发表在《情报科学》期刊上的科研论文进行统计,建立了作者合作网络。对作者合作网络进行数据分析,结果与网络模型结论一致,因此该模型可以很好描述作者合作网络的演化过程。     

基于ART神经网络的中文文档分类识别方法研究

为了提高信息查询的效率,本文将自适应谐振神经网络引入中文文档搜索分类之中。在讨论自适应谐振神经网络基本原理的基础上,提出一种新的中文文档的层次聚类算法,从而提高中文文档的分类识别效率。     

基于神经网络语言模型的作者身份验证

[目的/意义]为了进一步降低作者身份验证中训练语料的字符数和测试样本的颗粒度,满足更多情报分析工作实际应用的需要。[方法/过程]文章提出了一种基于神经网络语言模型的作者身份验证方法。该方法在用某一作者的语料训练出的语言模型,将给予该作者书写的其他语料更高概率的指导思想下提出。[结果/结论]实验结果表明,相较于传统的作者身份验证方法,文章提出的方法可以使用更少的训练语料,并且在小于传统方法一个数量级的测试样本颗粒度上,仍能获得略高于传统方法的AUC值,最终使得可有效验证的测试样本的颗粒度降到50。[局限]在跨体裁方面效果仍有待提高。     

基于复杂网络的信息分析模型研究

[目的/意义]在大数据环境下,传统的信息分析面临着挑战,必须寻找新的方法才能够适应大数据环境对信息分析工作的要求。[方法/过程]通过文献调研法,对复杂网络方法在信息分析中应用的优势进行了梳理,构建了基于复杂网络的信息分析模型,并对模型实现的关键技术与方法进行了探讨。[结果/结论]复杂网络分析方法因在处理复杂性和不确定性数据上有明显的优势,更适合大数据背景下的信息分析工作。     

基于BP神经网络的品牌延伸决策模型

通过分析品牌延伸决策方面现有研究的不足,探讨了消费者品牌延伸评价因素,建立了品牌延伸决策指标体系;结合品牌延伸决策问题具有的非线性和机理不明确等特征,基于品牌延伸决策指标体系,利用BP神经网络建立了品牌延伸决策模型;最后进行了模型应用。     

基于复杂网络的高技术虚拟产业集群网络演化模型与仿真研究

从复杂网络视角,分析了高技术虚拟产业集群网络及网络演化的内涵,建立了揭示网络演化机理的HTVIC网络演化框架模型。在此基础上,分析了包含增长、择优连接、自增长、反择优衰退的HTVIC网络演化规则,同时以BA无标度网络演化模型为基础,构建了HTVIC双向择优网络演化模型,并运用平均场理论对该网络演化模型度分布与幂指数进行了详细求解。最后运用Matlab对HTVIC网络演化过程进行了模拟仿真,得出HTVIC双向择优网络演化模型是一种无标度网络演化模型、具有无标度特征的结论。     

基于模糊神经网络的质量成本控制模型

采用PAF模型,即质量成本由预防成本、鉴定成本、损失成本(内部损失成本和外部损失成本)组成。首先根据以往各种研究文献以及企业实际情况设置质量成本三级科目。根据历史数据对各科目做Pareto分析,找出影响质量成本的主要影响科目,然后利用统计分析中的相关分析以及偏相关分析对其进行降维,找出真正影响质量成本的科目。而后对其分析得出可控影响因素及不可控影响因素,从而从可控因素上分析得出控制方法,再根据因素分析找出其潜在影响因素。最后,利用模糊控制方法以及神经网络建立质量成本控制模型。     

基于遗传神经网络的三级倒立摆控制模型

将人工智能系统操作的方式融入到控制操作程序中,把控制操作领域的理论方法及思维模式应用到更广泛的控制系统,对工业生产会有很大的促进作用和积极意义。提出一种利用遗传神经网络实现对三级倒立摆控制的方法并建立模型,充分利用神经网络和遗传算法相结合,发挥各自整体和局部在空间搜索能力强的优势。实验结果表明,基于遗传神经网络的三级倒立摆控制建模方法具有建模精度高、控制性好等优点。能够解决那些利用传统方法难以解决的复杂系统的控制问题。     

基于约束神经网络的三维织物模拟算法

针对在进行复杂织物建模过程中,会遇到织物组织无序移动,造成建模效果不好等问题,提出了基于约束神经网络的三维织物运动建模方法。通过分析织物运作中特征点运动的对应关系,构造了一个可用于对织物形变进行准确估计的约束神经网络,添加可以对三维织物运动参数进行控制的约束关系,完成复杂无序运动下的三维织物计算机模拟。实验结果表明,本文的方法能够较好地模拟三维织物,取得了较好的效果。