基于RBF神经网络和积分型高阶滑模控制的永磁同步电机位置伺服系统

本文主要研究永磁同步电机伺服系统的位置跟踪问题。根据矢量控制原理,针对d轴电压,设计了一阶滑模控制器,将使d轴电流在有限时间到达0。针对q轴电压,基于滑模控制理论,设计了积分型高阶滑模控制器。由于系统中存在不确定性参数,设计了基于神经网络的q轴电压滑模控制器。理论分析表明,在所设计的控制器作用下,可以保证位置系统的精确跟踪控制。仿真结果表明了该控制方案具有较好的收敛性和抗干扰性能。     

基于卷积神经网络的人脸识别研究

传统的人脸识别多采用浅层结构提取人脸特征,这类方法提取人脸图像能力有限,效果相对较差。针对上述缺陷,提出基于卷积神经网络的高效识别人脸方法。该方法所设计的模型,结合了VGGNet模型的层次结构优势并融合跨层次结构的上采样特征,大大提高了人脸识别的准确性及识别精度。该模型在Caffe下训练出样本集后在MATLAB上得到了验证。     

人工智能研究进展

本文评述了人工智能研究的历史、进展和发展方向。以“自然机制加算法”这样一种新兴计算模式为视角重新审视神经网络、模糊逻辑、进化计算和人工免疫系统的机理、算法和应用。在详细比较了各种方法的异同并做出哲学上的分析的基础上探讨了进一步的研究方向。     

基于BP神经网络的中药性味归经与补虚药药效研究

基于BP神经网络构建76味补虚药分类模型。采用数据挖掘方法挖掘补虚药药效,利用Python语言实现BP神经网络,并构建药效分类模型及其应用。对12味补虚药进行测试,其中有10味预测结果正确,正确率为83.33%。通过药性分布可知,补虚药的主要特征为温、甘,归经为脾、肾、心经。采用中药性味归经为特征对中药分类进行预测,实验结果表明,基于BP神经网络的药效分类模型具有一定的可靠性和准确性,亦为中药分类方法研究提供了借鉴。     

采用线性叠加细节捕捉的网络自干扰盲辨识算法

在大规模多输入多输出(MIMO)网络中,中继发送端和接受端之间的自干扰降低了网络系统信道容量,严重影响了系统的传输性能,为解决这一问题,需要对网络自干扰信号的盲辨识。提出一种基于线性叠加细节捕捉的网络自干扰盲辨识算法,构建网络中继发送端和接受端的自干扰产生与信号模型,设计全双工中继网络通信系统模型,进行MIMO网络数据交换控制,进一步采用线性叠加细节捕捉方法,构建前馈滤波器,对信号进行前置处理,提高滤波增益,设计线性叠加函数,实现干扰信号的细节特征捕捉,根据信息分配原则,实现网络自干扰盲辨识算法改进。仿真结果得出该算法的盲辨识云图能有效识别网络自干扰信号,并实现信道区分和干扰滤波处理,信号云图特征明显,能达到辨识信道和均衡信号的要求。信道容量和检测性能等指标优越于传统方法,展示了其有效性,具有较高应用价值。     

单相有源电力滤波器谐波无功检测方法的研究

有源电力滤波器(APF)的谐波无功电流检测是关键。本文提出了基于瞬时无功功率理论与基于神经网络的单相谐波无功电流检测法,Matlab仿真研究表明这两种检测法均能达到检测要求,且后者具有更高的检测速度,有着广泛的应用前景。     

一类具比例时滞双向联想记忆神经网络的指数稳定性

讨论了一类具比例时滞双向联想记忆神经网络的指数稳定性。应用非线性测度导出了指数稳定性的充分条件。而且,这些准则提供了解的指数收敛速度。     

利用BP神经网络算法优化个性化搜索引擎

本文针对现代人对网络信息检索需求的提高,提出一种利用BP人工神经网络算法优化个性化搜索引擎的方法,使搜索引擎更具智能化、个性化,力图为用户提供最佳的检索结果。     

储粮害虫分类识别研究

对储粮害虫进行分类识别是非常必要的,本文阐述了利用计算机数字图像处理技术提取静态储粮害虫图像的一阶灰度统计量特征、灰值游程矩阵的纹理特征以及几何形状特征,采用BP神经网络技术对特征进行分类和识别的主要技术和方法.该方法为储粮害虫的分类识别开辟了新的途径.     

函数连接型神经网络应用于岩石含矿性研究

函数连接型神经网络是一种无隐含层的新型网络,应用其三阶联合激励增强特性对某矿区矿石与围岩进行判别研究,识别准确率近１００％．在对预测集的每一个输入信号添加２０％的噪音干扰后,发现依然能准确判别．可见网络的容错能力是十分令人满意的．