摘要：资源共享信息具有海量性、动态性等分布特点,在信息查询时容易发生数据丢失及花费时间较长等问题,为了提高信息整合效果,设计神经网络优化下的共享信息整合系统。采用集中化架构设计系统整体框架体系,构建管理员模块、资源收集模块和信息整合模块,提高共享信息收集和整合能力。利用梯度下降法对三层神经网络结构进行优化,提高训练集序列的运算能力,弥补现有资源整合能力的不足。结果表明所设计系统的信息整合丢包率较低,信息整合效率和信息整合准确率较高,具有较强实用性。

摘要：BP神经网络(BP-NN)因其自适应性、容错性和较强的泛化能力而得到广泛的研究及应用,但在实际应用中,却常常出现收敛速度慢、易陷入局部最优等问题.该文的新算法利用基因表达式编程(GEP)具有的良好全局搜索能力,对神经网络结构、权值及阈值进行优化;结合反向传播算法(BP)的局部搜索能力,有效提高了神经网络的性能;针对传统GEP设计神经网络会使网络结构失去层次性的问题,提出基于增加结构域染色体编码方法的GEP层次有序BP神经网络优化算法(GEPO-NN),保证网络结构层次有序符合人脑分层处理模型:最后,通过仿真实验对比GEP和遗传算法(GA)对BP神经网络的优化性能.结果表明,GEPO-NN有明显的性能提高.

摘要：深度神经网络模型的庞大存储和高计算量的需求限制了其在面积和功耗受限的嵌入式设备上的部署.为了解决这一问题,随机计算将数据表示为一个随机序列,继而通过基本逻辑运算单元实现加法和乘法等算术运算,以减小神经网络的存储空间和降低计算复杂度.然而,当随机序列的长度较短时,网络权重在从浮点数转换到随机序列的过程中存在离散化误差,这会降低随机计算网络模型的推理准确率.尽管使用更长的随机序列可以扩大随机序列的表示范围以缓解这一问题,但也会导致更长的计算时延和更大的能源功耗.本文提出了一种基于傅立叶变换的可微量化函数的设计,可以在网络的训练过程中,通过提高模型对随机序列的匹配度,来减小数据转换过程中的离散化误差,从而保证较短随机序列的随机计算神经网络的准确率.此外,还设计了一种加法器,用于提高运算单元的准确性,并通过将输入分块来并行计算以进一步缩短时延.最后,通过实验表明,本文相较于其他方法可以提高20%的模型推理准确率,并能够达到缩短50%的计算时延.

摘要：粒子群算法作为一种具有收敛速度快、易于实现和参数调节少等优点的群体智能算法,被广泛应用于函数与组合优化、机器学习等众多领域。在粒子群及其众多修改算法中惯性权重选择对算法性能起到较大的作用。为此,在经典粒子群算法上针对惯性权重提出了改进策略,设计了一种增强型双种群粒子群算法(EDUPSO)。当粒子在进化中将较小的惯性因子赋予到此次进化到最优位置的种群,将较大的惯性因子赋予到此次没有进化到当前最优位的种群。通过此思路提出了算法的设计和实现方式,并通过多个不同的测试函数分析了该算法与其他经典改进算法在性能上的差异,通过测试的结果可以看出相对于经典的粒子群算法及经典改进算法,此算法在搜索的速度、稳定性及精度上都有明显的优势。

摘要：冷轧板形控制系统是一个强耦合、非线性的多变量复杂系统,难以建立精确的数学模型,一般常规的控制方法难以取得令人满意的控制效果。本文依据现场的轧制数据,提出采用自适应竞争遗传算法优化神经网络对其进行建模,采用模糊控制,可实现实时控制,并利用MATLAB编程,仿真结果显示了算法的有效性和时效性。

摘要：为探索具有特定功能的仿生式可生长型人工神经网络,提出一套仿生式、可自生长自组织神经网络的生成算法。基于自生成网络的思想设计一套神经网络模拟器,采用GPU进行加速仿真,使得每个神经元能进行并行运算,针对果蝇的复眼神经网络的视觉处理过程进行解析,抽象提取出一个五层的网络结构,该仿生昆虫视觉神经网络具有对物体距离、运动方向判断的功能,在模拟器中完成对仿生果蝇视觉的功能验证。下一步,将在该网路基础上,实现自生成算法,完成对网络结构的优化。

摘要：风险评价模型是保证无线移动通信系统安全的一种重要技术,针对当前无线移动通信系统风险评价正确率低,评价耗时长等缺陷,设计基于人工智能算法的无线移动通信系统风险评价模型。首先,对无线移动通信系统风险评价的国内外研究现状进行分析,建立无线移动通信系统风险评价指标体系;然后,根据无线移动通信系统风险评价指标体系收集学习样本,并采用人工智能算法优化神经网络构建无线移动通信系统风险评价模型;最后,进行无线移动通信系统风险评价仿真对比测试。结果表明,人工智能算法的无线移动通信系统风险评价正确率超过95%,评价误差小于其他模型,而且无线移动通信系统风险评价时间明显减少,实时性能更好,具有更高的实际应用价值。

摘要：为指导铸造企业在市场中科学地选择订单进行生产加工,以砂型铸造企业为研究对象。在综合考虑企业各个关键部门对订单的评价指标的基础上,设计了砂型铸造企业订单准入评价指标体系,并构建一种基于GSA-GA神经网络的订单准入评价模型。算法中使用Tent映射初始化种群保证随机特征,并引入遗传算法的交叉、变异算子保持对全局最优粒子的获取且提升算法探索能力。为验证模型的有效性,以某砂型铸造企业订单准入评价问题实例进行实验分析,进行参数实验并与其他算法进行对比。结果表明,所建模型的平均相对误差为1.945%,能帮助砂型铸造企业进行科学的订单准入评价决策,提高砂型铸造企业生产效率。

摘要：研究成果：本项目以群体智能理论为基础，在传统粒子群优化算法基础上进行改进，并采用改进后的粒子群优化算法解决作业车间调度问题。首先，将粒子群优化算法应用于模式识别规则提取及其神经网络优化。然后，设计出能处理约束的粒子群优化算法，并用于布局优化等问题的求解。