简介：为了提高潜器导航定位精度，针对等值线算法在惯导系统初始误差较大时易发散的问题，提出基于概率神经网络调优的等值线改进方法。首先，在搜索区域内，利用概率神经网络算法对惯导系统航迹进行调优，并经过卡尔曼滤波器与惯导系统航迹进行信息融合形成待匹配航迹；在此基础上利用实时等值线算法得到最佳匹配位置。分别在不同初始条件下进行仿真分析，得出概率神经网络算法在大的初始误差下不易发散但定位精度不高的结论，然后在潜器行驶6h后，初始误差为5.438？的条件下进行仿真验证，结果表明，改进方法定位精度均值优于0.537？，从而证明改进方法是有效的，即使在大的初始误差下仍然能够达到较高的定位精度。

简介：光纤陀螺（FOG）温度漂移误差是影响其输出精度的主要误差源之一。针对基于传统BP神经网络FOG温度误差补偿方案适用性较差的问题,提出了优化预测数据的BP神经网络补偿算法,利用最优线性平滑技术以及滑动平均技术对神经网络待补偿数据进行预处理,可以有效减小FOG输出白噪声对温度漂移网络模型补偿精度的干扰,优化神经网络模型的补偿效果。使用FOG温度漂移实测数据对所提出的优化算法进行验证,结果表明利用本文提出的两种建模及补偿方案进行补偿后的FOG温度漂移数据标准差相比传统BP神经网络补偿方法减少50%以上。

简介：基于解的充分必要条件,提出一类广义变分不等式问题的神经网络模型.通过构造Lyapunov函数,在适当的条件下证明了新模型是Lyapunov稳定的,并且全局收敛和指数收敛于原问题的解.数值试验表明,该神经网络模型是有效的和可行的.

简介：本文采用Lyapunov-Krasovskii泛函方法对一类变时滞细胞神经网络的全局指数稳定性进行了研究，得出了一些关于DCNN全局指数稳定性的充分条件。

简介：在滑动式验证码完成滑动验证的过程中,正确区分出操作者是“机器”还是“个人”对于网络安全至关重要.本文利用人和机器完成验证所留下的滑动轨迹提取特征,运用机器学习中的神经网络算法和MATLAB软件对其进行实证研究和分析,建立神经网络分类模型预测验证操作者的类别.结果表明,BP神经网络模型预测准确度很高,在一定程度上为网络安全提供了保障.

简介：提出了一种基于模糊RBF神经网络的永磁同步电机DTC控制方案。该方案是在直接转矩控制系统的基础上,在模糊控制器前端加入了RBF神经网络模块,在对转矩误差、定子磁链误差和磁链角度进行映射前,对其进行数据处理获得合理的模糊分级,并作为模糊控制器的输入以便选择合理的电压空间矢量。RBF神经网络模块的加入使得系统具有更好的鲁棒性,仿真结果表明,基于模糊RBF神经网络的永磁同步电机DTC控制系统具有较好的动、静态性能,能够实现快速响应。

简介：开展了机器学习在翼型气动力计算和反设计方法中的应用研究,实现了在更大翼型空间范围内,人工神经网络的训练和优化,建立了翼型气动力计算模型,和给定目标压力分布的翼型反设计优化模型.作为机器学习领域兴起的研究热点,人工神经网络的研究工作不断深入,有研究者尝试将其应用于流体力学的学科范畴内.文章实现人工神经网络在翼型计算领域中应用的方法如下:首先通过Parsec参数化方法,围绕基准翼型构造了一定翼型空间范围的翼型库,利用XFOIL进行数值模拟,搭建了和翼型库具有一一映射关系的流场信息库.通过训练和优化神经网络,实现了基于此模型的快速、高可信度的翼型气动力预测,以及新型的翼型优化设计方法.通过自动化编程实现样本库的批量生成,实现了不同翼型空间的样本量下,神经网络的训练和优化过程.实验结果表明,在机器学习领域中,基于神经网络的翼型反设计模型的精确性高度依赖于训练样本量的大小和覆盖范围.

简介：针对系统误差的不确定性可能会引起滤波精度降低或发散的问题，提出一种新的基于模型预测滤波的前向神经网络算法。首先，采用模型预测滤波估计网络在正向传递过程中的模型误差，并对其进行修正，以弥补模型误差对隐含层权值更新的影响；然后，利用模型预测滤波为神经网络提供精确的训练样本，学习待估计系统的非线性关系。将提出的算法应用于SINS/CNS/BDS组合导航系统，并与扩展卡尔曼滤波进行比较，仿真结果表明，提出的算法得到的姿态误差、速度误差和位置误差分别在[-0.25′,+0.25′]、[-0.05m/s,+0.05m/s]和[-5m,+5m]以内，滤波性能明显优于扩展卡尔曼滤波算法，表明该算法能提高组合导航定位的解算精度。

简介：针对GPS精密单点定位对高精度的需求,提出了一种采用小波神经网络的GPS精密单点定位解算方法。该方法利用小波变换和神经网络学习功能,无需准确系统先验信息,误差函数能够快速收敛,逼近真实误差模型,从而提高GPS精密单点定位精度。仿真结果表明,静态条件下与传统最小二乘法和卡尔曼滤波算法相比,该算法定位收敛时间缩短50%,定位精度分别提升90%和50%。动态情况下,较最小二乘法和卡尔曼滤波算法定位精度提高20%~80%。

简介：研究了具有变时滞Hopfield型神经网络的正不变集与吸引集.获得了正不变集与吸引集存在性的充分判据.

简介：模糊系统具有容易被人理解的表达能力,神经网络则具有极强的自适应学习能力。本文将模糊逻辑控制技术和神经网络技术相结合,给出了一种比单独模糊系统或单独的神经网络系统性能更好的基于模糊RBF神经网络自整定的拥塞控制方法。该方法根据路由器中队列长度的变化来调整数据包的丢弃概率,从而使路由器的队列长度稳定在一期望值附近。仿真结果表明,该算法具有较强的鲁棒性,更短的调节时间。

简介：为了提高使用精度，研究了某型号MEMS陀螺仪的随机漂移模型。采用游程检验法分析了该陀螺仪随机漂移数据的平稳性，并根据该漂移为均值非平稳、方差平稳的随机过程的结论，采用梯度径向基（RBF）神经网络对漂移数据进行了建模。实验结果表明：相比经典RBF网络模型而言，这种方法建立的模型能更好地描则EMs陀螺仪的漂移特；相对于季节时间序列模型而言，其补偿效果提高了大约15％。

简介：研究了具时变时滞的分层抑制细胞神经网络．利用不动点定理获得了若干判定该网络存在概周期解的新充分条件，改进和推广了已有文献中的相应结论．

简介：线性矩阵不等式的优良性质可用于解决细胞神经网络中的保性能控制问题.本文介绍了线性矩阵不等式的相关概念和性质;通过对Schur补引理的改进提出了一个引理,从而更容易将二次矩阵不等式转化为线性矩阵不等式,更好地应用于控制参数求解;提出了LMI的基本问题和MATLAB工具箱,并对LMI在细胞神经网络的保性能控制问题作出了简要描述.

简介：本文用ＢＰ神经网络对挠性陀螺仪伺服回路的故障诊断进行了模拟，取得了满意的结果。同时还介绍了作者设计的这一通用型ＢＰ神经网络软件包及其特色

简介：在详细分析光纤陀螺零漂的基础上，提出了先用滤波算法对光纤陀螺信号进行预处理，然后采用RBF神经网络对滤波后的信号进行建模的方法．针对光纤陀螺信号特点分别采用FLP算法、小波滤波算法、解相关变步长LMS自适应滤波算法对其进行了预处理，比较三种滤波方法，小波滤波算法效果优于其它两种预处理方法，但针对基于预处理后的陀螺信号采用RBF神经网络进行建模时，小波滤波预处理后的信号在建模精度上却是最差的，而对FLP算法滤波后的信号进行RBF建模，建模精度提高了两个数量级。结果表明：基于FLP算法的RBF神经网络在光纤陀螺中的建模是有效的，可大大提高建模的精度。

简介：给出了一种利用BP神经网络从中子活化测量数据中直接求解1MeV等效中子注量的新方法。该方法选用了含两层隐藏层的BP神经网络,并围绕先验谱建立输入输出集合,对网络进行训练、检验和测试,最终形成含20个BP神经网络的网络群。该BP神经网络群可实现在输入测量活化率数据后,直接输出相应的1MeV等效中子注量。利用该方法求解了西安脉冲堆大空间中子辐照实验平台内的1MeV等效中子注量。与实测中子能谱计算的1MeV等效中子注量结果对比,二者偏差小于6.6%。

简介：摘要随着微电网的不断发展，其结构也愈发复杂，当发生故障时，需要监测系统及时、准确的定位故障位置，解决故障，快速恢复供电。本文针对微电网中常见故障，基于改进模糊推理实数的脉冲神经膜系统，进行建模分析，最后，以电力变压器为例，验证模型的可靠性和可行性。

简介：在时间尺度上，通过使用线性动力方程的指数二分法、不动点理论和微积分理论，研究带有泄漏项的中立型时滞细胞神经网络模型，获得了一些使其概周期解存在和全局指数稳定的充分条件，并将以前的结论在时间尺度上做了扩展．

简介：通过使用叠合度理论、M-矩阵、李雅谱诺夫函数和不等式技巧等，在时间尺度上研究带有狄利克雷边值和反应扩散项的非自治模糊细胞神经网络的全局指数稳定性，并获得一些使其存在全局指数稳定的平衡点的充分条件．最后，给出一个例子去验证结论的有效性．