简介：研究了一类具变时滞模糊BAM（bi-directionalassociativememory）神经网络。利用Yang不等式和构造Lyapuonv函数等技巧,在弱化条件下给出了BAM神经网络周期解的全局指数稳定性的充分条件。

简介：

简介：摘要随着社会市场经济与智能建筑工程技术的不断发展,模糊神经网络关键技术中的基于智能建筑工程关键技术工程关键技术管理中的工程造价预测与处理、工程质量管理绩效评估与处理、工程招投标预测与处理等综合应用及自组织模糊神经网关键技术络弥补了模糊神经网络在智能建筑工程关键技术工程管理多层数据融合处理分析.在智能建筑建设工程造价也在快速发展.如何加强对建筑建设工程造价进行有效管理与合理确定和控制建筑建设工程造价,已成为当今智能建筑工程系统技术重要课题研究.

简介：在介绍BP神经网络基本原理基础之上,探讨如何利用神经网络进行产业间的关联分析,给出产业间的影响力系数及感应度系数计算方法,同时也提出产业系统中产业影响力系数及感应度系数的计算方法。通过对秦皇岛市产业系统的实例分析,该市建筑业对产业系统的影响力最大,而第三产业对其他产业的依赖性最强。

简介：针对传统交通控制与诱导模型及算法的不足，提出了具有中心协调系统（CCOS）的交通控制与诱导协同模型。利用数据融合技术将历史数据的短时交通预测、交通事件检测结果以及实时交通流数据设计面向交通动态的信息融合，并采用神经网络技术构建基于神经网络的交通控制诱导协同模型，同时对模型的参数进行了确定。。通过典型的路网进行仿真实验和对比分析，实验验证了该模型具有可行性和有效性。

简介：摘要：随着风力发电技术的不断成熟，系统容量越来越大，从而导致风力发电并网时所产生的电流冲击与波动过大，造成安全问题。 对变速恒频双馈发电并网系统，将传统 PID 控制与 BP 神经网络控制，提出了一种 BP 神经网络 PID 的空载并网控制策略。

简介：摘要：为解决单目图像中冗余像素点不利于深度神经网络快速完成深度信息检测的问题，提出一种基于卷积神经网络的深度线段分类算法。对 ＮＹＵ -Ｄｅｐｔｈ 数据集使用线段检测算法进行线段检测得到原始图像的线段特征图。通过数据预处理结合深度数据得到表征深度信息的线段集合及其标签，提出适用于线段特征的卷积神经网络，实现单目图像中深度线段的分类。本论文从不同方面阐述基于卷积神经网络的深度线段分类算法，希望为研究卷积神经网络的专家和学者提供理论参考依据。

简介：以某大坝沉降监测数据为例，利用Matlab软件的BP神经网络工具箱进行建模分析和预测。结果表明，滚动BP神经网络算法能较好地应用于大坝沉降数据的预测，具有良好的应用前景。

简介：同步现象广泛存在于脑神经活动中。本文构造了一个具有小世界连接特性的生物神经网络，数值模拟研究了外加刺激频率引起的放电同步现象。同时考虑网络结构对同步的影响，取网络耦合强度作为参量来研究它对网络同步的影响。研究发现，在某一个特定的共同外加刺激频率下，生物神经网络会出现尖峰同步放电现象。当网络的耦合强度增大时，使网络产生同步现象的频率点将会逐步增多。仿真结果表明不同的生物神经网络结构对输入信号的频率具有不同的选择性。

简介：针对径流量长期变化的因果关系复杂特性,常规的中长期水文预报模型又很难满足精度要求,提出了基于BP神经网络的来水量预测模型。结合实际径流数据,验证了模型的预报精度,可用来进行中长期水文预报。

简介：BP算法是人工神经网络研究的一个常用方法,但从本质上说是属于局部寻优法,容易陷入局部极小点,且存在着学习速度与精度之间的矛盾;遗传算法是一种全局优化算法,具有并行计算能力.本文采用遗传算法来训练前向神经网络,建立一个基于遗传算法和BP算法的神经网络预测模型.试验结果表明它是一个成功较高的预测模型.

简介：人工神经网络是人工智能的重要分支，自其创始伊始便成为了人工智能领域的研究热点。本文从人工神经网络的发展历史开始，介绍了其在医学，信息，控制等方面的应用及其现状，对其中的优缺点进行了简要的分析。并对人工神经网络未来的发展作简要的展望。

简介：以研究船舶下沉量问题为出发点,总结出近年比较流行的计算船舶下沉量的经验公式方法,并给出各种计算方法的局限和适用情况;根据神经网络的特点,选取适当的输入参数和输出参数,建立船舶下沉量预测模型,并进行对比分析提出进一步的研究方向.

简介：在讨论神经网络自适应学习算法的基础上,研究了某自行火炮传动机构中圆锥圆柱轴承故障特征参数的选取及智能故障模式诊断,并在疲劳实验机和设备上进行了实验,取得了满意效果。

简介：目的：与经典测量理论相比，项目反应理论具有更多的优势，但由于项目反应理论模型的复杂性，进行参数估计时往往需要较大的被试样本；人工神经网络的出现为小样本被试估计项目反应理论的能力参数和项目参数提供了可能，文章的目的是通过神经网络的蒙特卡罗模拟研究寻找更精确的参数估计方法。方法：以项目反应理论的两参数模型为例，以MAB和RMSE为比较指标，通过模拟数据比较经典测量理论的通过率、点二列相关系数、平均得分作为神经网络的输入值与以经过转换的数值（IRT参数估计的初值）作为神经网络的输入值训练网络结果的差异，比较不同条件下MAB指标和RMSE指标的差异。结果：以通过率估计项目参数b与以bj=zj/rbj估计项目参数b存在差异；以点二列相关系数估计项目参数a与以aj=rbj/√1-r^2bj估计项目参数a存在差异；以平均得分估计能力参数θ与以ln[x/（m-x）]估计能力参数θ存在差异。结论：对于两参数项目反应模型，以通过率估计项目参数b比以bj=zj/rbj估计项目参数b误差更小，而以点二列相关系数估计项目参数a比以aj=rbj/√1-r^2bj估计项目参数a误差更大，以平均得分估计能力参数θ比以ln[x／（m-x）]估计能力参数θ误差更大。

简介：本文首先提出了一个双语教学评价体系，在此基础上构建了一个BP神经网络评价模型，很好地解决了教学评价体系中各项指标所占的权重问题。使用Matlab进行仿真的实验结果验证了该模型的智能性和有效性。

简介：利用探井资料,采用神经网络方法,研究了新井产能的预测神经网络方法。实际气田的应用表明,该方法具有需要资料少、精度高等特点。

简介：随着计算机处理能力的快速提高，彩色图像处理受到人们越来越多的关注。针对现有纹理识别算法计算速度慢，识别精度低等问题，本文提出了一种将颜色信息融人到纹理识别中的新方法——基于小波概率神经网络的彩色纹理识别。首先将RGB彩色纹理图像转化为HSV彩色模型，用小波变换（wT）进行树形结构小波分解提取彩色纹理的特征，然后使用概率神经网络对测试样本进行分类识别。本文对不同的自然纹理图像进行了实验，并将实验结果与文献”0做了比较。实验结果证明，本文方法的识别效果明显优于文献。

简介：通过采用遗传算法优化神经网络初始权值的方法,将GA算法与BP神经网络有机结合,应用于海底底质分类。基于多波束测深系统获取的反向散射强度数据,应用改进的BP神经网络分类方法,实现对海底基岩、砾石、砂、细砂和泥等底质类型的快速、准确识别。通过实验比较,GA-BP神经网络分类精度明显高于BP神经网络,证明了该方法的有效性和可靠性。

简介：ＢＰ人工神经网络是摸拟人脑机理和功能的一种新型计算机和人工智能技术，它在数据处理中可避免数据分析和建模中的困难，采用拟人化的方法进行处理，特别适用于不确定性和非结构化信息处理，因而对地质学中各种未知信息的预测有着较好的适用性。