航空发动机故障诊断技术对避免飞行事故和降低飞行器运行成本是十分重要的。提出一种BP网络对某型飞机发动机进行故障诊断，但是由于BP网络收敛速度较慢而且容易陷入局部极小值，特别是BP网络通常只能给出一个解，受训练样本病态影响大。因此通过对BP网络的改进，建立了L-M算法神经网络的飞机发动机故障诊断模型。实验表明，该网络在一定程度上克服了BP网络存在的的问题，在逼近能力、分类能力和学习速度等方面均优于BP网络。为机务人员提供了有效的、科学的发动机故障诊断方法，该种评估手段较好地解决了发动机故障诊断问题，在飞行安全中发挥着越来越大的作用。
上传时间： 2014-12-23
上传用户：小儒尼尼奥
本文应用目前较为流行的神经网络方法对电力系统短期负荷进行预报，主要进行了以下工作： 1．了解电力系统短期负荷预报的现状，总结国内外的研究方法。 2．深入学习神经网络及其相关知识，设计出用共轭梯度算法改进的BP网络，并将它应用于负荷预报中，收到了很好的效果。相比普通的BP网络，不但预报精度大大提高，而且学习时间也缩短许多。 3．学习小波理论，尝试将小波分析与神经网络相结合，设计出一种小波神经网络，并将其用于负荷预报，收到了很好的效果。 4．提出一种新型神经网络，即RAN网。它是一种能根据输入数据的复杂程度而自动添加或删除其隐层神经元的神经网络，尝试将其用于负荷预报，同样收到了很好的效果，并且将三种方案进行了比较。
上传时间： 2013-11-20
上传用户：cccole0605
针对传统PID控制系统参数整定过程存在的在线整定困难和控制品质不理想等问题，结合BP神经网络自学习和自适应能力强等特点，提出采用BP神经网络优化PID控制器参数。其次，为了加快BP神经网络学习收敛速度，防止其陷入局部极小点，提出采用粒子群优化算法来优化BP神经网络的连接权值矩阵。最后，给出了PSO-BP算法整定优化PID控制器参数的详细步骤和流程图，并通过一个PID控制系统的仿真实例来验证本文所提算法的有效性。仿真结果证明了本文所提方法在控制品质方面优于其它三种常规整定方法。
上传时间： 2014-03-21
上传用户：diets
根据桥式起重机的特点，建立了安全性评估指标体系。在模糊综合评判的基础上，引入BP神经网络，建立了起重机安全评估的模糊神经网络模型。采用改进的梯度下降动量BP算法对网络进行计算，克服了常用BP算法收敛速度较慢的缺点。通过神经网络的多次学习训练，评估因素权重得到了优化。研究结果表明：训练好的模糊神经网络很好地获得并储存了专家的知识、经验和判断，可将此网络应用于桥式起重机的安全性评估。
上传时间： 2013-10-12
上传用户：思索的小白
《面向MATLAB工具箱的神经网络理论与应用》利用目前国际上流行通用的MATLAB 7.0环境，结合神经网络工具箱4.0.6版本，分别从网络构造、基本原理、学习规则以及训练过程和应用局限性几个方面，通过多层次、多方面的分析与综合，深入浅出地介绍了人工神经网络中的各种典型网络，以及各种不同神经网络之间在原理和特性等方面的不同点与相同点。
上传时间： 2014-01-07
上传用户：ayfeixiao
落煤残存瓦斯量的确定是采掘工作面瓦斯涌出量预测的重要环节,它直接影响着采掘工作面瓦斯涌出量预测的精度,并与煤的变质程度、落煤粒度、原始瓦斯含量、暴露时间等影响因素呈非线性关系。人工神经网络具有表示任意非线性关系和学习的能力,是解决复杂非线性、不确定性和时变性问题的新思想和新方法。基于此,作者提出自适应神经网络的落煤残存瓦斯量预测模型,并结合不同矿井落煤残存瓦斯量的实际测定结果进行验证研究。结果表明,自适应调整权值的变步长BP神经网络模型预测精度高,收敛速度快 该预测模型的应用可为采掘工作面瓦斯涌出量的动态预测提供可靠的基础数据,为采掘工作面落煤残存瓦斯量的确定提出了一种全新的方法和思路。
上传时间： 2015-03-12
上传用户：熊少锋
自组织系统Kohonen网络模型。对于Kohonen神经网络，竞争是这样进行的：对于“赢”的那个神经元c，在其周围Nc的区域内神经元在不同程度上得到兴奋，而在Nc以外的神经元都被抑制。网络的学习过程就是网络的连接权根据训练样本进行自适应、自组织的过程，经过一定次数的训练以后，网络能够把拓扑意义下相似的输入样本映射到相近的输出节点上。网络能够实现从输入到输出的非线性降维映射结构：它是受视网膜皮层的生物功能的启发而提出的。~..~
上传时间： 2014-01-06
上传用户：ghostparker
一个关于RBF的神经网络算法，对学习RBF网络的同志有很大帮助和引导。
上传时间： 2014-05-25
上传用户：
基于C开发的三个隐层神经网络，输出权值、阈值文件，训练样本文件，提供如下函数：1）初始化权、阈值子程序；2）第m个学习样本输入子程序；3）第m个样本教师信号子程序；4）隐层各单元输入、输出值子程序；5）输出层各单元输入、输出值子程序；6）输出层至隐层的一般化误差子程序；7）隐层至输入层的一般化误差子程序；8）输出层至第三隐层的权值调整、输出层阈值调整计算子程序；9）第三隐层至第二隐层的权值调整、第三隐层阈值调整计算子程序；10）第二隐层至第一隐层的权值调整、第二隐层阈值调整计算子程序；11）第一隐层至输入层的权值调整、第一隐层阈值调整计算子程序；12）N个样本的全局误差计算子程序。
标签： 神经网络
上传时间： 2013-12-08
上传用户：410805624
基于GMM的概率神经网络PNN具有良好的泛化能力，快速的学习能力，易于在线更新,并具有统计学的贝叶斯估计理论基础，已成为一种解决像说话人识别、文字识别、医疗图像识别、卫星云图识别等许多实际困难分类问题的很有效的工具。而且PNN不但具有GMM的大部分优点，还具有许多GMM没有的优点，如强鲁棒性，需要更少的训练语料，可以和其他网络其他理论无缝整合等。
上传时间： 2014-01-02
上传用户：zhaiyanzhong
