摘要：文章提出一种新的基于自组织映射网络的医学图像压缩算法。该算法在现有压缩算法的基础上改进了学习速率因子和获胜神经元算法的求法。学习速率因子的设计考虑了获胜神经元的选择频率,而在调整神经元权值时综合了本节点和相邻节点的影响。改进型自组织映射网络算法通过选择赢节点的频率来反映赢节点和输入加权调整的向量值之间的误差,同时它通过当前的权重和前一个的权重的改变比例来调整权重。实验结果表明该方法提高了医学图像的编码效率和重建质量。

摘要：针对CBR系统案例库的冗余问题,提出了一个基于自组织映射网络(Self-Organizing Map,SOM)聚类技术的案例库维护方法,首先利用自组织映射网络的可视化特性显示输入数据的大致分布,预估聚类个数,然后利用模糊自组织映射聚类算法对案例库案例进行聚类,最后在聚类基础上构建准案例库。并将该方法应用于水平定向钻产品的案例库维护,结果表明,准案例库规模比原案例库小,同时可以代表原案例库,达到案例库维护目的。

摘要：提出了一种基于核的双自组织特征映射网络。该网络通过同时使用两个相关的映射网络扩展了原有的自组织神经网络。针对自组织特征映射网络容易受到高噪声的影响,将核学习的方法应用于自组织映射聚类中,以核函数代替了原始数据在特征空间中映射值的内积,传统的SOM算法使用的是欧氏距离,而KSOM通过使用不同的核函数为原始空间诱导出不同的欧式距离,这样就提高了算法的鲁棒性。将改进后的神经网络用于金融时间序列的预测,其实验结果表明,改进后的神经网络具有较强的鲁棒性。

摘要：从故障诊断基本形式出发,结合飞机刹车系统故障的种类特点,研究了基于Kohonen自组织映射网络理论的故障推理模型,并且应用到起落架刹车系统故障诊断中。该方法只需选择足够的、具有代表性的故障样本训练神经网络,他将代表故障的信息输入给训练好的神经网络,根据神经网络的输出结果,就可以判断出发生故障的类型。该模型除能识别已训练过的故障,还能识别未训练过的故障,并且聚类能力强、速度快,因此,很符合复杂系统的故障诊断。

摘要：针对水厂设备维护管理难度大的问题,研究利用数字孪生技术构建数字模型,并在故障预测中引入自组织映射神经网络,对水厂设备进行预测性维护。通过BIM技术构建水厂设备数字孪生底座,利用传感器、通讯网络等实现设备状态和关键参数的集成展示与实时监测,并结合自组织映射神经网络创建故障预测模型,制定相应的维护方案,通过数字孪生驾驶舱进行综合展示,为管理者提供全面的决策支持。结果表明,基于数字孪生的预测性维护管理显著减少了设备故障停机时间和维护成本,提高了设备管理效率。

摘要：传统导弹武器装备健康状态评估方法严重依赖设计人员与产品专家的经验与水平,效率低、准确度差。针对导弹的控制系统,提出基于径向基函数(RBF)网络观测器和自组织(SOM)网络的健康状态评估方法。利用基于RBF网络的自适应故障观测器计算输出信号的残差以及不同工作状态下的自适应判别阈值,通过比较残差和阈值实现故障检测;利用基于SOM网络的健康状态评估模型对残差进行聚类分析,通过距离度量实现健康状态评估;通过某型导弹的控制系统案例验证所提方法。结果表明:该方法能够准确地对10个不同的故障模式和10组不同的健康状态进行检测和评估,为维修保障和后勤管理提供有效的技术支撑。

摘要：提出一种基于自组织映射网络(SOM)聚类和二次分解的双向门限循环网络(BiGRU)超短期光伏功率预测方法。首先利用SOM聚类方法将输入数据进行天气分型聚类,以应对不同天气状态对光伏功率输出特性的影响;然后采用奇异谱分析和变分模态分解相结合的二次分解方法进行原始信号分解,减少信号的波动性,降低光伏数据特征映射的复杂度;最后将分解后的信号作为输入,采用BiGRU网络进行时序信息建模,有效结合不同时刻的信号特征,进一步提升功率预测的准确率。与其他几种经典方法相比,该文方法有效提升光伏功率预测的效果。

摘要：为解决长期以来在产品造型设计中缺乏系统化、自动化的设计方法,以汽车侧面造型为例,利用贝塞尔曲线描述汽车造型,确立汽车造型变量,从而可使用数值来表现造型。利用自组织映射神经网络建立模拟消费者的认知机制,分析各造型类别的数值差异,并计算其共同的特性,提取造型特征。该文的研究结果可建立一套能自动提供消费者对产品认知模式的方法,藉以加速设计的流程,辅助设计师有效地进行产品造型设计。

摘要：为解决推荐系统的个性化应用问题,提出一种融合准确性和多样性的多目标优化推荐模型DenseNCF。利用自组织映射网络(Self-Organizing Map,SOM)模型对推荐项目样本进行聚类分析,并建模用户的多样性倾向度。采用DenseNet深层卷积网络学习用户和项目的外积交互特征,得到精准的推荐结果。根据用户的多样性倾向度,设计综合准确性和多样性的损失函数,实现模型的端到端训练。在公开数据集上进行实验验证,结果表明所提模型的性能比简单的CNN网络结构的模型更优,既能够保证推荐结果的准确性,同时能有效提高推荐结果的多样性。

摘要：为提高模块变型设计的效率和准确性,提出了一种基于实例推理技术的模块化变型设计方法。将实例推理技术(case based reasonin,CBR)应用到模块化产品的变型设计中,CBR技术实现相似产品设计方案与相似结构模块的检索和选择,采用基于特征的实例框架表达方法,使用自组织映射神经网络,实现实例的可视化聚类,在此基础上构造分层多级实例库。采用基于差异和规则的实例修改方法,提高了CBR的检索速度和准确度。最后以卧式加工中心的变型设计为例,说明了该方法的可行性和实用性。