Visual C＋＋调用Matlab神经网络工具箱的一种实现方法

在Matlab中对神经网络进行训练和仿真,并将训练好的神经网络在Matlab中以.mat文件格式保存,以Visual C 为主要编程软件,给出如何调用Matlab中的神经网络工具箱的方法.Visual C 通过调用Matlab神经网络工具 箱的方法,调用训练好的神经网络,实现Visual C 与Matlab之间的调用.     

BP神经网络模型与学习算法

分析了神经网络算法的基本原理,给出了BP神经网络算法的具体实现方法,总结了它的特点,并给出了基本流程。采用Matlab软件编程实现BP神经网络算法。将神经网络算法应用于函数逼近问题中,并分析相关参数对算法运行结果的影响,最后对BP神经网络算法进行了展望。     

基于模糊逻辑控制的倒立摆系统

本文针对垂直型单支点旋转式倒立摆系统进行研究.设计了倒立摆系统的机械结构,利用模糊控制与神经网络相结合的方法实现控制,仿真结果表明用模糊控制与神经网络相结合的方法实现对复杂的、无法建立精确数学模型的系统控制优于传统方法.     

基于神经网络自适应谐波电流检测方法

本文介绍了一种应用于有源电力滤波器(Active Power Filter,APF)的神经网络自适应谐波电流检测方法.该方法应用自适应噪声抵消技术,并采用RBF神经网络实现噪声抵消.介绍了该RBF神经网络的构造和参数调整算法,应用HATLAB进行仿真研究.仿真结果,该检测方法具有较快的跟踪能力和动态响应速度.     

基于主元分析和径向基神经网络的人脸图像识别

文章提出了一种基于神经网络的人脸图像识别方法.这种方法利用主元分析法提取人脸图像的人脸特征(矢量),在径向基神经网络(RBFNN)上实现对人脸图像的分类识别.     

企业知识管理水平评估优化方法及应用

针对现有企业知识管理水平评价方法所存在的缺陷,将BP神经网络与遗传算法相结合,提出了一种应用于企业知识管理水平评估的基于遗传算法的神经网络优化模型方法.相对BP神经网络而言,基于遗传算法的神经网络优化模型的评估结果和期望结果更为接近,相对误差更小.     

基于智能算法的模式聚类及信息联想

针对知识发现中的模糊信息查询问题,提出了一种基于反馈网络的模糊概念聚类及模式联想设计方法.按照分类要求对所要查询的概念集合进行量化编码,并对编码后的数据进行规整处理.对于概念聚类采用多层反馈神经网络的FP聚类算法,而概念联想采用自反馈神经网络的椭球学习算法实现.将基于上述算法开发出的信息模糊查询系统应用于图书信息查询,实验结果证明了该方法的有效性.     

一种改进的基于SVM的网络入侵检测算法

研究了支持向量机与自组织神经网络的原理,利用支持向量机的小样本学习与推广能力强的特点,结合自组织神经网络良好的学习能力与收敛速度,实现了对支持向量机算法的改进.利用Lincoln实验室入侵检测系统评估数据集合对改进算法进行测试,并将实验结果与BP神经网络进行了比较,结果表明,改进的算法在检测精度与训练时间方面均优于BP神经网络.     

基于模糊神经网络的冷冻水泵变频调速研究

本文通过系统地分析模糊控制和神经网络控制系统的结构、算法等问题,探讨了把模糊控制和神经网络控制技术结合起来的理论与实现,用神经网络的层和节点分别对应模糊系统的各个部分,将模糊控制规则和隶属函数隐含地分布在整个网络中,用神经网络实现模糊推理,以神经网络的在线自学习能力实现模糊控制规则的改变。设计了模糊神经网络,并应用到冷冻水泵变频调控制系统中,实现了水泵电机的转速智能控制。     

一种基于SOFM网络的模拟电路模糊故障定位方法

针对传统的模拟电路故障诊断方法的局限性,本文研究了一种基于自组织特征映射(SOFM)神经网络的模糊故障诊断方法。该方法能够将SOFM神经网络竞争的特点与模糊推理系统的自组织和自学习优点相结合。将模拟电路分成易于诊断的子网络,将模拟电路的模糊故障诊断系统与SOFM神经网络和模糊推理系统相结合,利用故障诊断系统快速定位故障节点。研究表明,该方法能实现快速定位模拟电路故障,拥有较高的实用价值。     

多分辨正交多小波神经网络在变形预测中的应用

将多小波与神经网络结合建立了一种新的变形预测方法:多分辨正交多小波神经网络变形预测模型,通过理论分析和变形预测实验表明该方法较单小波神经网络具有更高的精度,更快的速度.     

神经网络智能控制的并行实现

1、神经网络的实现方法神经网络的实现方法有多种多样,对这些方法可以从不同角度进行分类。 1.1 从实现神经网络所使用的器件分类 1.1.1 直接基于硬件的神经网络实现。包括VLSI实现和光学实现等方法。其中VLSI实现又可分为VLSI模拟实现、数字VLSI实现及模数混合实现。 1.1.1 基于现代数字计算机的神经网络实现。这种实现方法是在现代数字计算机硬件和软件技术(尤其是并行处理技术)基础上发展起来的。每个神经元不再对应一个物理处理单元,而是对应于一个虚拟     

基于协同进化遗传算法的 SOFM 神经网络及其应用

针对遗传算法优化SOFM神经网络的不足,提出利用合作型协同进化遗传算法实现SOFM 神经网络优化的方法。其基本思想是：针对SOFM神经网络中存在的“死神经元”现象,在SOFM 神经网络中引入全局搜索能力很强的合作型协同进化遗传算法,这样既解决了分类结果对样本输入顺序的过分依赖,又实现了SOFM 神经网络在竞争过程中的全局最优性。将新算法用于矿井突水水源判定问题,结果表明,该算法具有较好的全局收敛性,且可在很大程度上避免“死神经元”现象。     

基于RBF神经网络的图书馆读者满意度评价体系构建研究

在提出采用学习速度较快、易于收敛的RBF神经网络技术对图书馆读者满意度进行评价的基础上,阐述了RBF神经网络评价模型的设计思想和实现过程,并通过实例分析验证了所提方法的合理性和有效性.     

基于最小化最大绝对预测误差的组合神经网络软测量建模方法

针对聚丙烯熔融指数软测量建模问题,提出了一种基于最小化最大绝对预测误差的组合神经网络软测量建模方法,并将该方法应用于聚丙烯熔融指数软测量研究中.通过建立多个不同结构的BP神经网络模型,并合理组合各个模型,可显著改善单一神经网络模型的泛化能力.鉴于合适的组合权重对取得良好预测性能是至关重要的,因此提出将最小化最大绝对预测...     

信息检索课多媒体教学神经网络评价模型

将BP神经网络的原理用于信息检索课程多媒体教学质量评价,通过分析,给出了神经网络的信息检索课程多媒体教学质量评价模型结构,以及步长的学习算法,并在MATLAB系统内得以实现.结果表明,人工神经网络用于信息检索课程多媒体教学质量评价中,既克服了专家在评价过程中的主观因素,又得到了满意的评价结果,具有广泛的适用性.     

基于神经网络的人体动态行为智能识别方法

针对传统方法的人体动态行为智能识别方法存在识别率较低等问题,提出基于神经网络的人体动态行为智能识别方法。对人体动态行为数据预处理,并构建人工神经网络模型,实现人工神经网络训练以及特征提取;将视频的光流图像放置于卷积神经网络模型中,获取图像的时域特征;融合人工神经网络特征与时域特征,并将其放入SVM中进行类别划分,实现基于神经网络的人体动态行为智能识别。仿真实验研究结果表明,所提方法能够有效提升人体动态行为识别准确率,并且整个方法的综合性能较好。     

信息的联想存储与检索

分析了信息检索的基本模型,提出了联想检索是信息检索的发展方向,探讨了用神经网络实现信息联想存储与检索的方法.     

K—FOLD交叉验证和BP神经网络在图书智能分布中的应用

为了更好地解决图书利用率这一问题,文章提出了一种改进的BP神经网络模型,并将交叉验证算法运用到该模型中。实验结果表明,采用这种改进的神经网络模型和交叉验证方法可以较好的实现图书分布的优化,从而达到提高图书利用率的目的。     

基于RBF神经网络的Hammerstein模型辨识

利用神经网络的非线性映射特性,将RBF神经网络应用于Hammerstein模型辨识.首先采用将学习和辨识同时进行的在线辨识技术,然后在调整输出权值的基础上,增加调整基函数的形状参数和中心向量.此方法算法简单,学习速度快,辨识精度高,最后的仿真也验证了上述结论.