摘要：给出了前馈神经网络误差反传的一种紧凑显式表达，并据此对前馈神经网络的鲁棒性进行了分析．提出了设计鲁棒的前馈网所应遵循的若干参考原则。

摘要：为提高神经网络的预测精度,对现有的误差反传网络训练算法进行了改进。对三层误差反传网络进行了结构扩展,在训练过的三层网络中,动态增加一个具有线性激活函数的辅助隐层,形成一种新的网络扩展模型。用改进的蚁群算法对新增权值参数进行训练,着重阐述算法的实现过程及算法分析。最后,设计了一组催化剂活性预测实验,对算法改进前后的预测能力及训练误差进行了对比。结果表明,采用该模型及训练算法,可以在不影响网络表达能力的基础上提高网络的训练精度及预测精度,改善了网络的泛化能力。

摘要：工业中的反重力装备在铸造过程中具有时滞性、强非线性和时变性的特点,传统的控制算法难以达到满意的效果,由此提出了一种基于T-S模型的模糊预测控制方法。该方法根据T-S模型的描述来设计神经网络结构,利用误差反传算法离线辨识前件参数和后件参数,使用加权最小二乘递推方法进一步在线修正模型的后件参数,并将T-S模型转化为状态空间模型,使用丢番图方程推导出预测控制律。仿真结果表明此方法具有良好的动态特性。

摘要：本文论述了在恶劣环境下电子秤配料系统可采用的一种控制算法,BP神经网络PID控制器,设计出了控制器构成的神经元、激活函数与神经元权系数的算法。该控制器通过神经网络所具有的自组织、自学习、自适应的能力,将人工计算与传统PID控制相结合,互相补充,共同提高了控制质量,经Matlab仿真,效果良好。