基于时滞网络的ANN系统辨识方法研究

人工神经网络（ANN）简称神经网络，属于模仿人类思考过程的一类普通的人工智能。人类大脑皮层包含的上亿个神经元互相连接构成了生物神经网络．而ANN就是通过电子电路或者计算机程序等有限的方法去模拟人脑的生物神经系统。它可以象人脑一样记忆和学习，通过对输入和输出样本数据的学习训练从而具备联想记忆能力．特别适用于解决传统的数字计算机难以处理的模式识别问题。其输入、输出映射关系是神经计算的核心。     

从酒店DIY说到人力资源

笔者前几年去美国时，就发觉许多酒店，尤其是有一定规模的连锁酒店已采用了DIY（Do It Yourself）的自助入住登记模式。它与现在电子机票在机场值机柜前自助提取登机牌是同样的。当客人到达酒店时，不需要去前台办理入住手续，而是到类似机场值机柜的一个信息处理终端机上去输入个人信息（主要是身份证和信用卡），就可直接选择客房及所需要的服务，然后取出房卡，就可乘电梯直接去自己选定的客房下榻。     

一类新的模式识别联想神经网络

本文提出一类可用于模式识别的联想神经网络的综合方法,这类网络结构不受对称联接的限制,网络保证了要求的M类模式的稳定形成,且网络的容量远远超过Hopfield的联想神经网络,网络渐近稳定平衡点的吸引特性使受噪声污染的模式能得以正确恢复,体现了神经网络的非线性滤波性质。文中给出了综合一个这类联想网络计算机模拟以及模式识别的例子。     

关于磁流变阻尼器神经网络模型的设计分析

神经网络在控制领域受到重视主要归功于它的非线性映射能力、自学习适应能力、联想记忆能力、并行信息处理方式及其优良的容错性能。这些特．占、使得神经网络非常适合于复杂系统的建模和控制,特别是当系统存在不确定因素时,更体现了神经网络方法的优越性。考虑到建筑结构的不确定性和非线性,该文提出了基于神经网络的结构系统辨识方法,构造了具有一个隐含层的神经网络,用误差反向的传播算法训练,模拟了一个多层结构在地震作用下的动力响应特性。计算机仿真表明了该神经网络辨识结构的有效性。     

基于BP神经网络的直扩信号扩频码盲识别

针对微弱直扩信号的盲检测与估计问题,在接收方未知发送方扩频序列的前提下 ,提出了一种恢复直接序列扩频（DSSS）信号扩频码的方法。该方法基于反向传播（B P）神经网络,它的输入是接收到的信号,而其期望输出是和输入相同的信号,根据误差反 向传播来有监督地调节神经网络,网络达到收敛时根据第二层权值的符号函数值即可盲估计 出扩频码序列。实验结果表明,即使是在负信噪比情况下,该方法也能得到一个很好的估计 效果。     

上海:金管工程

１９９５年前后 ,建立上海市工商行政管理计算机信息系统的设想开始酝酿。１９９６年６月“金管工程”确立项目 ,１９９６年８月 ,由上海市工商局、上海市万达信息股份有限公司开发建设的“金管工程”开始建设 ,１９９７年１月全面启动 ,当年１１月 ,覆盖全市各工商局的“金管工程”网络建成 ,１９９８年５月 ,该网络延伸到工商所。它是一个由２８台Ｕｎｉｘ小型机、２５台ＮＹ服务器、２５台路由器和１０００多台ＰＣ机组成的大型计算机网络。系统的传输线路通过公共数字数据网（ＤＤＮ）和公共电话网（ＩＳＤＮ和ＰＳＴＮ）构成 ,可与国家…     

优先发展我国SDH管理网的思考

本文简要论述同步数字序列（ＳＤＨ）的发展历史，ＴＭＮ（电信管理网）与ＳＤＨ管理网的关系，重点探讨了在研究开发ＳＤＨ管理网时所需考虑的几个重要问题     

基于BP神经网络的中国制造业生产率预测模型——交叉学科在生产物流领域的应用研究

BP网络能学习和存贮大量的输入-输出模式映射关系,而无需事前揭示描述这种映射关系的数学方程。因此采用三层BP网络实现制造业工业增加值、制造业全社会固定资产投资和工资向全要素生产率的转换,借助MATLAB神经网络工具箱编写了训练程序、测试程序、预测程序,最终神经网络隐层含有13个节点,传递函数采用tansig函数;输出层传递函数选用purelin函数,得到的训练误差为8.44272×10-6,结果满意,可以认为该神经网络可以用来实现这个关系映射,并对2007年全要素生产率进行了预测。     

无处不在的网络社会展望

2004年以来，无处不在的网络模式走出日本，在全球迅速发展起来。最活跃的地方是韩国，它已制定出无处不在的网络韩国（u-Korea）发展战略。最近，中国和其他亚洲国家也开始采取类似的行动。     

基于BP神经网络的中小企业生产运作能力评价研究

为了提高中小企业生产运作能力,建立了中小企业生产运作能力评价指标体系,并利用BP神经网络建立了中小企业生产运作能力的评价模型。为减小希望输出与实际输出之间的误差,从输出层神经元到输入层神经元逐层反向修正各连接权,并在网络训练学习的过程中不断执行误差反向传播修正,以提高网络对输入模式响应的正确率。     

基于改进Transformer模型的文本摘要生成方法

传统的文本摘要方法，如基于循环神经网络和Encoder-Decoder框架构建的摘要生成模型等，在生成文本摘要时存在并行能力不足或长期依赖的性能缺陷，以及文本摘要生成的准确率和流畅度的问题。对此，提出了一种动态词嵌入摘要生成方法。该方法基于改进的Transformer模型，在文本预处理阶段引入先验知识，将ELMo(Embeddings from Language Models)动态词向量作为训练文本的词表征，结合此词对应当句的文本句向量拼接生成输入文本矩阵，将文本矩阵输入到Encoder生成固定长度的文本向量表达，然后通过Decoder将此向量表达解码生成目标文本摘要。实验采用Rouge值作为摘要的评测指标，与其他方法进行的对比实验结果表明，所提方法所生成的文本摘要的准确率和流畅度更高。     

一种优化的卷积神经网络调制识别算法

针对非合作接收条件下信号的调制识别问题,提出了一种基于循环谱特征和深度卷积神经网络的自动调制分类算法。该算法首先利用二值化、形态学操作等技术对循环谱数据集预处理,提高网络泛化能力;然后将数据集输入到卷积神经网络模型中,经过网络的特征提取实现分类识别。在网络中添加残差块网络增大感受野,提高特征提取能力。采用Dropout、优化函数等技术优化网络结构,防止训练过拟合。仿真结果表示,与传统方法和现有的一些深度学习调制识别方法相比,该算法在低信噪比条件下有更高的准确率,具有明显的抗噪声优势,是一个有效的调制识别算法。     

一种基于神经网络的模拟电路故障诊断方法

提出了一种基于模拟电路故障诊断的神经网络方法。这种方法利用小波分解、数据标准化、主成分分析对输入数据进行预处理,采用k个神经元输出的前馈神经网络结构进行有效训练。该方法检测和识别故障准确率高,系统的鲁棒性和稳定性强。     

基于遗传算法优化混沌神经网络的股票指数预测

为提高BP神经网络预测模型对混沌时间序列的预测准确性,提出一种基于遗传算法优化BP神经网络的改进混沌时间序列预测方法。本文采用时间序列输入输出参数数量构造BP神经网络拓扑结构,利用遗传算法优化BP神经网络的权值和阈值,然后训练BP神经网络预测模型求得最优解,将该预测方法应用到上证综合指数的时间序列进行有效性验证,结果表明了该方法对上证综合指数具有更好的非线性拟合能力和更高的预测准确性。     

基于投资者行为参数的股票指数广义回归神经网络预测模型

在运用神经网络模型对股票价格进行短期预测时,一般的神经网络预测模型都是以价格的时间序列滞后作为输入变量,但是由于影响价格的因素错综复杂,很多因素无法准确测量,而且市场信息的噪音太大,因此预测效果往往不太理想,于是如何选择有效的输入变量就成为一个困扰这项研究的难题。     

支持向量机在模式识别中的应用

针对传统神经网络存在网络结构难于确定、过学习以及局部极小等问题，研究了基于支持向量机（SVM）的模式识别问题。通过对棋盘这种典型非线性二值问题的分类研究，分析了支持向量机的分类与泛化能力。支持向量机在分类和泛化能力方面远远优于传统神经网络。最后将支持向量机用于对两类飞机目标的分类识别，通过多组蒙特卡罗试验，获得了较好的识别结果。支持向量机在目标识别中有巨大潜力和广阔前景。     

New Technology in Shopping: Forecasting Electronic Shopping With the Use of a Neuro-Fuzzy System

This article presents the application of neuro-fuzzy techniques in forecasting a new technology in shopping. Neural networks have been used successfully to forecast time series due to their significant properties of treating nonlinear data with self-learning capability. However, neural networks suffer the difficulty of dealing with qualitative information and the “black box” syndrome that more or less limits their applications in practice. To overcome the drawbacks of neural networks, in this study, we proposed a fuzzy neural network that is a class of adaptive networks functionally equivalent to a fuzzy inference system. The results derived from the experiment based on electronic sales indicated that the suggested fuzzy neural network could be an efficient system to forecast a new technology in shopping. Experimental results also show that the neuro-fuzzy approach outperforms the other two conventional models (AR and ARMA).     

一种基于孪生神经网络的深度异构网络嵌入算法

针对现有异构网络嵌入方法导致的捕获关系冗余和模糊的问题,提出了一种基于孪生神经网络的深度异构网络嵌入模型。首先,基于面向关系的深度嵌入(Relation-Oriented Deep Embedding,RODE)框架构建了异构网络嵌入模型,以区分同型节点和异型节点之间的关系;其次,将同型节点与异类节点之间的相似性近似到低维空间,通过构建多任务的孪生神经网络来实现节点之间结构和语义关系的深度嵌入;最后,选取四个数据集执行典型网络挖掘任务,并与其他六种算法进行实验对比分析。实验结果表明,保持相同类型节点之间的相似性有助于提高节点分类效率,且损失函数在提高异构网络嵌入质量方面具有良好的优越性;RODE模型能够有效提高稀疏网络的嵌入质量,且具有良好的稳定性和鲁棒性。