基于塑性极限分析理论和神经网络响应面的结构系统可靠性分析

根据多层神经网络映射存在定理，提出了基于神经网络响应面和塑性极限分析理论的结构系统可靠性分析的新方法。数值试验表明，该方法可以快速、高质量地求出结构系统可靠性指标，是一个具有发展前景的新方法。     

一种基于BP算法学习的小波神经网络

为发展 Szu的基于信号表示的小波神经网络 ,提出一种多输入多输出的小波网络模型 ,网络隐层采用框架小波函数、输出层采用 Sigmoid激励函数 ,并选用“熵误差函数”以加速网络的学习速度。奇偶判别和混沌时间序列预测例子的实验结果表明了它具有良好的函数逼近能力和推广能力 ,收敛速度和均方误差均优于相同结构的多层感知器模型。     

应用遗传神经网格方法分析赤潮监测数据

简要介绍了遗传神经网络方法的原理 ,探讨了应用遗传神经网络方法研究辽东湾海域丹麦细柱藻 (Leptocylindrusdanicus)赤潮与其环境因子之间的关系 ,计算了各环境因子对丹麦细柱藻赤潮的贡献。结果表明 ,温度、盐度、DIN的变化对研究海域丹麦细柱藻种群密度的增长有比较重要的影响 ,DIN是营养限制因子。遗传神经网络是分析赤潮监测数据的有效方法 ,值得进一步探索     

基于神经网络的平底结构砰击压力预报

对利用神经网络预报平底结构入水砰击压力的方法进行了探讨。首先利用仿真软件计算各种情况下平底结构入水所产生的砰击压力，以此形成训练神经网络的数据集。其次利用数据集对三层反馈式网络进行了训练，讨论了不同隐含层节点数对该非线性系统的拟合能力，并且对梯度下降法、动量修正法和基于优化的LM算法的有效性和精度进行了比较，最后得出了适合平底结构入水砰击系统的网络结构。     

沉降监测多项式回归分析与神经网络预测

使用多项式和切比雪夫(Tchebyshev)多项式分别对沉降监测数据进行回归分析以预测未来沉降值,其中切比雪夫多项式的外推效果较好;应用前向BP神经网络对两种不同的单因子输入模式进行非线性函数逼近,并进行了不同采样步长的比较,实例表明将时间点作为网络的输入对沉降进行预测效果较好。     

基于EMD与神经网络的机械故障诊断技术

经验模式分解 (EMD)是分析非线性、非平稳信号的有力工具 ,它将信号分解为突出了原信号的不同时间尺度的局部特征信息的内在模函数 (IMF)分量。本文通过将各 IMF分量输入到 BP网络中进行训练学习和故障诊断 ,比直接输入原信号可以提高 BP网络对故障诊断的准确率 ,而且减少了训练时间。     

基于BP人工神经网络的水体遥感测深方法研究

利用Landsat7ETM＋遥感图像反射率和实测水深值之间的相关性,建立了动量BP人工神经网络水深反演模型,并对长江口南港河段水深进行了反演.结果表明：具有较强非线性映射能力的动量BP神经网络模型能较好地反演出长江口南港河段的水深分布情况;由于受长江口水体高含沙量的影响,模型对小于5 m的水深值反演精度较高,而对大于10 m的水深值反演精度较低.     

应用遗传神经网格方法分析赤潮监测数据

简要介绍了遗传神经网络方法的原理，探讨了应用遗传神经网络方法研究辽东湾海域丹麦细柱藻（Leptocylindrus danicus)赤潮与某环境因子之间的关系，计算了各环境因子对丹麦细柱藻赤潮的贡献，结果表明，温度，盐度，DIN的变化对研究海域丹麦细柱藻种群密度的增长有比较重要的影响，DIN是营养限制因子，遗传神经网络是分析赤潮监测数据的有效方法，值得进一步探索。     

基于BP神经网络的地图数字化误差纠正

由于在数字化采集过程中不可避免地会引入系统误差和异常误差,因此消除和削弱这些误差的影响是提高空间数据质量的关键。然而由于图纸变形不均匀,扫描误差又极其复杂,用常规的多项式拟合技术只能消除部分有规律的系统误差,很难完全消除它们对地图数字化坐标的影响。BP神经网络是一个高度非线性映射系统,能以任意精度逼近。结合地图数字化坐标改正的特点,本文给出了基于BP神经网络地图数字化坐标误差纠正的方法,并通过实例验证了该方法的有效性。     

简化模糊H-ARTMAP神经网络在高光谱遥感分类中的应用

人工神经网络作为一种不需估计类别分布参数的遥感影像分类方法,能够克服分类中的不确定性,提高分类精度。模糊ARTMAP人工神经网络具有稳定、泛化性能好、支持增量式学习等特点,通过对简化模糊AR-TMAP神经网络和H-ARTMAP神经网络的分析和集成,构造了一种用于高光谱遥感影像分类的简化模糊H-ART-MAP网络。实验证明该方法在分类效率、运算时间和分类精度等方面都优于最大似然分类、BP神经网络、最小距离分类、光谱角制图模型等分类方法。