摘要：针对脉冲神经网络(SNNs)在视觉颜色特征分类领域精度不高的问题,提出了一种基于新型RGB-HSV预处理模型的高精度脉冲神经网络。该脉冲神经网络融合了RGB颜色通道简单和HSV色彩空间直观的特点来提取聚类色彩特征,增强了网络的识别能力。此外,在Tempotron有监督学习基础上提出了一种结合权值动量的训练方式,该方式在计算当前权值更新量的同时保留一定程度的上次权值更新量,加快了网络权值的收敛速度,节省了仿真时间。仿真实验结果表明,所设计的脉冲神经网络的分类精度高达96.21%,且在6次训练迭代后精度仍可达84%左右。

摘要：为实现多变量模糊控制系统的动态解耦,基于前馈解耦思想和神经网络理论,提出了一种多变量模糊控制系统解耦的新方法———模糊前馈解耦法.模糊控制器和解耦部分独立设计,解耦由两层神经网络实现,节点少,其活化函数采用分段线性函数.利用简化的学习算法,根据系统输出误差,在线调整网络权值,从而实现动态解耦而无需辨识被控对象的模型.该方法结构简单且计算量小,适于实时多变量过程控制.仿真证明了该方法的有效性.

摘要：针对分组传送网(PTN)网状网拓扑的特点,为提高PTN网状网拓扑设计中的计算效率,提出了一种改进的PTN网状网拓扑设计动态删枝算法(SR-DE)。该算法先分析PTN网络资源和业务信息,在对优化网络成本循环中动态改变每次循环中删除冗余链路数量,并对业务进行稳定路由,因此可以减少了网络权值的改变次数,避免对业务重复路由,提高了计算效率。模拟仿真结果表明,该算法有效地提高了设计满足业务需求PTN网状网拓扑的计算效率。

摘要：在对传统人工神经网络优化方法的认识基础上 ,针对复杂非线性系统的优化问题 ,提出了一种基于结构的神经网络优化方法 .它将一个复杂系统转化为若干个较简单的子系统 ,分别建立各子系统的函数链神经元模型 ,然后根据原系统的结构特点将它们连接起来构成一个基于结构的神经网络 .网络权值与系统的结构参数相对应 ,具有明确的物理意义 ,通过调整权值即可实现系统结构参数的优化 .对 Y2 - Hc1 0型先导式溢流阀的优化研究表明 ,该方法为大型。

摘要：本文基于FPGA(现场可编程门阵列)技术实现了改进的BP网络自整定PID控制器的设计。首先,采用MATLAB设计控制器,针对特定被控对象模型,在闭环控制系统中通过改进的BP网络算法训练神经网络,获得比较理想的系统输出;依据训练好的网络权值,在FPGA集成开发环境下,基于VHDL(甚高速集成电路硬件描述语言)设计BP网络自整定PID控制器,完成时序仿真测试,并在一种具体的FPGA器件上实现。实验表明,其设计过程合理,实现结果正确,适合于采用复杂智能控制策略并要求实时性、快速性的单片或小型控制系统。

摘要：本文在设计中采用用函数拟合测量方法对信号到达角与信号强度的计算,进而建立双天线蓝牙基站,最后基于此构建起整个定位系统。本文围绕基于双天线技术和蓝牙技术两种室内定位方案及两者融合的定位方法,做了详细的研究和实验,旨在实现用户依靠智能手机进行室内定位,并获得较高定位精度。

摘要：主要研究了BP神经网络反馈控制器的结构,分析了BP神经网络的学习算法。通过自适应学习速率在线调整网络权值以逼近对象的逆动态模型,并利用Lyapunov方法给出了该算法的收敛的条件。

摘要：复杂岩性的储层参数与地球物理测井测量参数间的响应关系十分复杂,而且这种复杂关系往往是很难用数学关系式来直接进行表达。此时,引入遗传算法与人工神经网络相结合,设计一种使用遗传算法优化神经网络权值的方法,对BP网络进行了改进,在此基础上,分层段挑选不同物性段学习样本,通过对网络进行学习训练,最终建立起适应研究区块的分层段测井解释模型,通过实例验证,解释结果及精度均令人满意。

摘要：基于典型多输入、单输出模糊控制系统,建立了基于模糊控制系统的神经网络(FNN)模型,并根据Agent网络控制系统的特点设计了基于模糊神经网(FNN)的Agent控制器,对Agent网络管理系统的网络权值进行了动态调整研究.研究结果表明,采用基于FNN的Agent控制器可对Agent网管系统的网络权值进行动态调整,进而可实现大型复杂网络系统中A-gent的最优动态路由序列的计算.