线性振动的神经网络建模

本文利用人工神经网络对两自由度线性振动系统进行了神经网络建模,并通过所建立的神经网络模型对该系统进行了预测。分别利用MATLAB和BP网络作为平台和训练工具。以两自由度悬臂梁的受迫振动为例,将一段时间内的激励力作为网络的输入参数,对应于该段时间内由振动产生的挠度作为网络的输出参数,然后利用BP网络进行训练。将网络模型预测结果与精确解进行对比,误差甚小。该结果表明:所建立的神经网络模型合理、有效,可利用其对该类问题进行预测并应用于工程实践中。     

线性振动的神经网络建模

本文利用人工神经网络对两自由度线性振动系统进行了神经网络建模，并通过所建立的神经网络模型对该系统进行了预测。分别利用MATLAB和BP网络作为平台和训练工具。以两自由度悬臂梁的受迫振动为例，将一段时间内的激励力作为网络的输入参数，对应于该段时间内由振动产生的挠度作为网络的输出参数，然后利用BP网络进行训练。将网络模型预测结果与精确解进行对比，误差甚小。该结果表明：所建立的神经网络模型合理、有效，可利用其对该类问题进行预测并应用于工程实践中。     

GMDH网络在短期负荷预测中的应用

文章提出基于自组织方法的GMDH(Group Method of Data Handling)型神经网络并将它应用于短期负荷预测.与一般的前馈神经网络不同,GMDH网络的结构确定于训练过程之中,因而可大大提高神经网络性能.它能充分、合理地利用数据,自动进行变量组合,筛选及判断从而得到合适的模型,特别适用于数据预测.将这种用自组织方法所构成的GMDH型神经网络应用于广西某地区电力局的短期负荷预测,采用Matlab6.5进行仿真实验,证明其在短期负荷预测方面有很好的应用前景.     

GMDH网络在短期负荷预测中的应用

文章提出基于自组织方法的GMDH（Group Method of Data Halldlin亩型神经网络并将它应用于短期负荷预测。与一般的前馈神经网络不同,GMDH网络的结构确定于训练过程之中,因而可大大提高神经网络性能。它能充分、合理地利用数据,自动进行变量组合,筛选及判断从而得到合适的模型,特别适用于数据预测。将这种用自组织方法所构成的GMDH型神经网络应用于广西某地区电力局的短期负荷预测,采用Matlab6．5进行仿真实验,证明其在短期负荷预测方面有很好的应用前景。     

BP神经网络在房屋批量评估中的应用

文中基于房产税税基的批量评估,结合BP神经网络理论,构建了房地产批量评估流程及模型,运用昆明市近期已成交房屋数据对网络进行训练和测试。结果表明,可将训练成功的模型用于评估同类型大批量房屋的价格,因此,只要将不同地区房屋按地段、类型、用途进行分区,分别构建网络模型,则可对该地区的房产税进行尽快的评估。     

一种算法改进的模糊神经网络及其性能分析

将T-S模糊模型与前馈神经网络相融合构造了一种新型的模糊神经网络,该模型采用基于梯度下降法和算法相结合的混合学习方法,其中梯度下降法用来训练高斯型隶属度函数的非线性参数,而算法用来训练线性参数,即权值。从理论上,证明了该模型对非线性函数的万能逼近能力。仿真实验表明,该模糊神经网络用于非线性动态系统辨识的有效性。     

基于混杂自动机的装备仿真训练机理建模方法研究

在装备操作仿真训练的机理模型建模过程中,由于训练内容较多、装备工作状态复杂,难以建立表达明确的面向操作训练的机理模型。针对这种情况,基于混杂自动机理论提出适合装备操作系统的自动机模型,并对其建模实现方法进行研究,提出了一种利用Simulink/Stateflow建立离散系统模型,并且按照不同的训练内容和装备工作状态建立多个连续系统模型的机理建模解决方案,在实际应用中,提高了建模及工作效率。     

基于卷积神经网络的特征描述子学习

随着深度学习的发展,作为图像任务基础的特征描述子开始倾向于通过卷积神经网络学习。目前的卷积神经网络模型大多采用交叉熵损失项进行约束,通过大量的输入数据训练网络。但由于缺乏细节上的约束,因此训练的网络模型特征提取能力并不优秀。针对以上问题,文章提出一种新的浅层神经网络模型,并在此基础上通过改进采样策略以获得更多的训练样本,使用复合的损失项对网络训练过程进行约束。实验表明,提出的神经网络模型能够获得更紧凑的特征描述子,特征提取的能力更强。     

基于混合神经网络的铁路货运量预测研究

为精确的预测铁路的货运量,采用了混合神经网络的方法进行建模。在分析某铁路以往货运量的基础上,确定了混合神经网络的特征参数,并根据实际情况确定了输入层和隐含层的神经元个数,从而得到了模型的结构,最终建立了一个用于预测铁路货运量的混合神经网络模型。     

基于K-means算法的神经网络文本分类算法研究

本文在分析文本分类算法的一般模型和现有技术后,针对传统神经网络算法存在的问题,提出了一种引入Kmeans算法用于训练RBF神经网络的径向基函数中心,改善误差反向传播（BP）神经网络分类算法收敛速度较慢的缺点。实验结果表明,改进后的RBF网络与BP网络、RBF网络相比,在取得较好分类精度和召回率情况下,具有较高的运算速度和较强的非线性映射能力。     

基于LabVIEW的滚动轴承故障智能诊断系统

利用LabVIEW平台开发了齿轮故障诊断系统。系统主要采用共振解调诊断和BP神经网络诊断两种方法。共振解调诊断由Hilbert解调和小波包解调实现故障频率识别;BP神经网络诊断由对有量纲和无量纲参量提取的特征以及根据小波相对能量提取的特征作为神经网络的输入向量,轴承的故障类型作为输出向量,采用神经网络对轴承进行诊断,实验结果表明:通过解调和神经网络诊断,该系统能有效识别齿轮故障,确定故障类型。     

航空燃气涡轮发动机气路故障诊断现状与展望

燃气漩涡发动机应用领域非常广,伴随着经济的发展,该发动机已经从航天和舰船上的应用向其他领域发展。为了提高燃气漩涡发动机的可靠性、耐久性和经济性,相关行业不断加大对燃气漩涡发动机的研究力度,尤其是航空领域,对燃气漩涡发动机的研究力度不断增加,大量实验和研究对发动机气路故障进行了有效诊断,笔者结合实验结果,对航空燃气涡轮发动机的发展前景做了相关阐述。本文从发动机气路诊断发展着手,对航空燃气漩涡发动机气路故障诊断现状和展望做了简单介绍。     

基于遗传神经网络的机械故障诊断

本文针对BP神经网络存在的不足,将遗传算法和BP神经网络有机结合起来,利用遗传算法的全局搜索能力优化了神经网络的初始权值和阈值,并将其应用于机械故障诊断。结果表明,在MATLAB环境下进行仿真试验,这种方法能够有效进行故障识别、提高故障诊断精度。     

基于BP神经网络及Pearson相关系数的风机发电机轴承温升故障诊断研究

发电机轴承温升高是直驱风力发电机频发的故障,易导致风机长时间停机,维修难度大,造成设备重大损失。通过建立基于BP神经网络和Pearson相关系数的发电机轴承温升故障诊断模型,并以湖北荆门某风电场为例,试验结果表明:该方法能够较准确预测风机发电机轴承温升变化,通过将温度预测值与正常工况下的温度值进行误差对比,判断发电机是否处于正常工状,实现发电机潜在故障的预警,为风力发电机的故障诊断提供了一种切实可行的方法。     

风力发电机组变桨距控制策略研究

在对风力发电机组运行特性分析的基础上,针对发电机组浆距的控制问题,利用模糊理论和PID理论设计了智能变桨距控制器,并建立了相应的仿真模型,仿真结果验证了控制器可以在风力发电机组数学模型未知的情况下＇保证了系统的可靠运行,获取最大能量。     

A Social Interactions Model with Endogenous Friendship Formation and Selectivity

This paper analyzes the endogeneity bias problem caused by associations of members within a network when the spatial autoregressive (SAR) model is used to study social interactions. When there are unobserved factors that affect both friendship decisions and economic outcomes, the spatial weight matrix (sociomatrix; adjacency matrix) in the SAR model, which represents the structure of a friendship network, might correlate with the disturbance term of the model, and consequently result in an endogenous selection problem in the outcomes. We consider this problem of selection bias with a modeling approach. In this approach, a statistical network model is adopted to explain the endogenous network formation process. By specifying unobserved components in both the network model and the SAR model, we capture the correlation between the processes of network and outcome formation, and propose a proper estimation procedure for the system. We demonstrate that the estimation of this system can be effectively done by using the Bayesian method. We provide a Monte Carlo experiment and an empirical application of this modeling approach on the friendship networks of high school students and their interactions on academic performance in the Add Health data. Copyright © 2015 John Wiley & Sons, Ltd.     

气体检测系统中BP神经网络的设计与实现

在简要概述气体检测系统原理的基础上,分析了BP神经网络模式识别的特性和结构,阐述了一种基于人工神经网络的混合气体检测方法。分析并研究了气体检测系统中BP神经网络结构的设计方法,构建了基于Matlab的BP网络模型,并实现了对CO、H2S和CH4三种混合气体的定性定量检测。     

基于BP神经网络实现的B样条插值在系统动力学模型的应用

在系统动力学建模的过程中,系统变量之间的关系难以确定,传统的建模方法存在着很大的主观性,利用BP神经网络的方法则可以避免这个问题。而在建立BP神经网络过程中需要大量的学习样本,然而通常采集到的数据往往是不足的。用3次B样条函数对历史数据进行插值的方法构建系统中状态变量的学习样本,解决BP神经网络模型中学习样本不足的缺点,能更好的反应变量之间的非线性映射关系。     

装备故障诊断方法研究

分析了神经网络故障诊断的特点,构建了神经网络的装备故障诊断模型,克服了传统故障诊断的缺点,并用某型装备故障的数据进行了验证,结果表明了神经网络诊断故障是一种有效的诊断方法。