Hermite插值神经网络权值和结构确定理论

为解决过程神经元网络不能直接输入离散样本的问题,提出基于样条插值函数的离散过程神经网络训练算法。首先,将离散过程样本按采样点分段,在采样区间内分别构造样本和权值的分段样条函数;然后,计算样本函数和权函数的乘积在采样区间上的积分,并将此积分值提交给网络的隐层过程神经元;最后,在输出层计算网络输出。分别采用一次、二次、三次样条函数,设计了三种不同的算法。实验结果表明:一次样条计算效率高,逼近能力差;三次样条计算效率低,但逼近能力好;二次样条在计算效率和逼近能力两方面都比较理想。因此,二次样条函数是离散过程神经网络的较好选择。

人工神经网络方法通过大量的样本学习和训练,能够对实际问题进行最佳逼近。在分析煤层界面建模数据的基础上,设计插值煤层界面的人工神经网络结构。利用matlab的神经网络工具箱建立对煤层界面插值的人工神经网络模型。以某矿的钻孔数据为样本对人工神经网络进行训练,实现了对煤层界面网格的插值;通过matlab实现了对煤层界面的插值结果的三维显示。

利用一种新型学习向量神经网络实现了对灰度图像的基于最佳点对匹配的图像插值。采用新型学习向量神经网络的最佳点对匹配图像插值算法插值出的中间图像,较好的解决了插值图像边缘模糊的现象。试验结果表明,该方法插值得到的图像边界清晰较好,模糊度小,图像连续。

[目的]通过耕地土壤全氮的空间变异特性研究,可以更好地调整耕地管理措施、合理施用氮肥、减少资源浪费。[方法]利用rbf(radialbasisfunction,径向基函数)神经网络插值法对区域土壤全氮进行空间插值,同时与普通克里格法进行比较。[结果]rbf神经网络插值法在拟合能力和插值能力方面要明显优于普通克里格法。[结论]rbf神经网络法具有很好的应用前景。

研究了一维欧氏空间中神经网络的插值问题.首先,对于一组插值样本和定义在r上的一般有界sig-moidal激活函数,给出了精确插值的单隐层前向神经网络存在的条件;然后,构造了近似插值网络,给出了估计精确和近似插值网络之间的误差;最后,利用连续模作为度量,分别估计了两类网络对连续函数的逼近误差.

以拓扑指数为结构描述符,用基于levenberg-marquardt优化的bp神经网络建立了醇类化合物的结构与色谱保留值的相关性模型,用于未知醇类化合物在se-30和ov-3两根色谱柱上保留指数的同时预测,其学习速率优于文献中普通bp神经网络法,预测准确度与普通bp神经网络法接近,但优于多元线性回归法,因而是一种较好的预测有机化合物气相色谱保留指数的方法.

缺测降水数据的插补可以有效改善数据系列的完整性,以元江境内的元江、洼垤、因远、街子河、阿支、磨房河等水文和雨量站点逐月及年降水数据为基础,研究缺测降水数据的插补。站点之间月降水数据相关分析表明:各站点之间相关性较差,相关分析难以满足本研究流域内部分月降水数据插补精度,故尝试采用bp神经网络模型对研究流域降水数据进行插补。研究表明:基于本流域降水数据建立的神经网络模型检测样本合格率达到89.6%,具有较好的插补精度,说明神经网络可以用于本研究流域的缺测降水数据插补,为降水数据缺测的插补提供了新的途径。

缺测降水数据的插补可以有效改善数据系列的完整性,以元江境内的元江、洼垤、因远、街子河、阿支、磨房河等水文和雨量站点逐月及年降水数据为基础,研究缺测降水数据的插补。站点之间月降水数据相关分析表明：各站点之间相关性较差,相关分析难以满足本研究流域内部分月降水数据插补精度,故尝试采用bp神经网络模型对研究流域降水数据进行插补。研究表明：基于本流域降水数据建立的神经网络模型检测样本合格率达到89.6%,具有较好的插补精度,说明神经网络可以用于本研究流域的缺测降水数据插补,为降水数据缺测的插补提供了新的途径。

当前一般按照数据的后验分布,为缺失值插入估计值,通常低估了统计量的方差,导致统计量估计置信范围降低,检测显著性降低。为此,提出1种新的基于bp神经网络的农资库存数据插补技术。为了增强不同年份农资库存数据的可比性,对数据进行归一化处理。针对训练的bp神经网络,通过平均绝对误差、均方误差、平均预测误差、平均绝对百分误差完成统计分析,评价模拟值和观测模拟值间的离散程度。分析了bp神经网络结构,对农资库存数据进行插补的过程中,构造双向时间识别序列,改变应用前一时间段农资库存数据预测后期数据的传统方式,采用缺失时间段前后已有农资库存数据共同对缺失数据进行预测。完成农资库存数据的处理后,需对已有样本进行训练,如果检验拟合度指标值高于0.8,则认为训练结果可靠,从而完成对缺失值的预测,实现农资库存数据插补。试验结果表明,所提技术插补精度高。

提出了一种更有效的前向网络-径向基函数(rbf)神经网络,并考虑了工程项目中一些非确定性的因素,建立了工程造价的估算模型,所得到的结果更加精确。

本文简要介绍了人工神经网络的基本原理，叙述了常用的ｂｐ网络和训练算法，综述了神经网络在制冷空调中应用的研究和开发现状。最后展望了近期神经网络在空调制冷领域应用的研究和开发走向

考虑到短期负荷所具有的混沌特性和神经网络的非线性映射能力,提出了一种基于混沌理论的legendre神经网络预测方法。该方法运用混沌理论对短期负荷数据进行向空间重构,并以欧式距离选取最佳训练样本,而后采用以legendre正交多项式为隐含层神经元激励函数的三层神经网络进行训练,并运用训练好的网络进行预测。训练网络时,为了确定网络的最佳拓扑结构,文中引入了衍生算法来确定隐含层神经元的最佳个数。实例分析表明了该方法的可行性,且能得到较高的预测精度和良好的预测效果。

构造了具有插值性质的球面带形平移网络,并且给出了在一致范数下对连续函数逼近的上界估计。

通过理论分析,推导出交流电阻点焊电流有效值实时计算方程,建立了不同功率因数角的电流有效值系数k的神经网络计算模型,研究出电阻点焊电流有效值神经网络实时计算方法。在以dsp为核心的电阻点焊测控系统中实现了交流电阻点焊电流有效值实时计算。理论分析和实际检测表明,该方法的检测误差小于±0.9％,并且能够在二分之一周期内完成电阻点焊电流有效值的检测和计算。该方法的研究为电阻点焊质量的精确控制提供了可靠的保障。

本文针对某一确定数据采集系统中小波去噪时的阀值选择,提出以小波神经网络加标准信号来标定去噪阀值的方法,从而提高对信号的去噪性能。

通过有限元法建立了地基脱空的混凝土路面计算模型.提出采用基于信息融合理论的集成神经网络技术对混凝土路面脱空状况进行识别,通过路面脱空输入特征向量的组合,用各子神经网络对混凝土路面脱空进行初步缺陷识别,然后对识别结果进行决策融合.给出了系统的实现策略和子网络的组建原则.数值模拟结果表明,采用这种识别方法合理地选取了各种输入特征向量,具有更好的识别效果.

探讨了矿井构造定量评价的人工神经网络方法,结合东坡井田讨论了bp模型的输入层、隐含层和输出层的构置和优选等问题,利用东坡井田已知资料使用有序地质量最优分割方法和插值法得到学习样本,经过学习样本的训练,对未知单元进行评价。

本文利用特征价格理论和bp神经网络工具建立住宅项目估价模型,为住宅项目定价提供一种快速、有效的新方法。

针对隧道工程施工网络计划执行率低的现状,将遗传算法和神经网络技术联合用于隧道施工网络计划的动态优化与决策。基于遗传优化和神经网络方案(模式库、专家知识系统)的优化决策方法能使该技术在隧道施工的应用更科学合理、准确可靠和方便快捷。该技术不仅能解决施工网络计划的执行率低的现状,而且为信息化和智能化的隧道施工提供了有力的技术保障,具有广泛的应用前景。

基于解耦子波和优化神经网络的大坝变形预测——针对提高神经网络对大坝变形的预测能力，在对murtagh提出的、小波与神经网络相结合的、用于复杂时间序列预测的“三阶段”策略进行改进的基础上，发展了一个解耦子波和优化神经网络优势联合的预测模型。首先，利...

探讨当因素分析和多元回归方法的使用条件未得到满足时,是否可采用粗糙集方法进行观察变量的精简,以及是否可采用神经网络方法进行预测效度检验。理论分析了粗糙集和神经网络在心理测量中应用的可能性,并运用粗糙集对于人事干部胜任力评估数据进行分析,比较了7种离散化方法和2种约简算法构成的14种组合,发现当采用manual方法进行离散化、遗传算法进行约简时,能够很好地对观测变量进行精简;运用概率神经网络能够比等级回归方法更好地进行预测效度检验。研究结果表明对于处理心理测量中的非等距变量,粗糙集和神经网络是非常有用的方法。

依据神经网络原理及其自身的特点,对其应用在结构优化设计、结构分析及可靠度分析等方面进行了综述和研究,并在此基础上分析了神经网络在结构工程中的研究方向。