免疫进化算法和神经网络在建立财政收入预测模型中的应用

通过对历史数据的数学处理,采用人工神经网络的方法建立财政收入预测模型。针对前向网络BP（Baek-propagation Algorithm）算法——梯度下降搜索方法的不足,提出用免疫进化算法来训练BP模型网络参数。利用福建省1990-2004年的财政收入数据建立神经网络预测模型,并用2005、2006年的数据进行预测预报检验。结果表明：采用免疫进化算法建立的神经网络财政收入预测模型,模拟和预测精度高,具有实际应用价值。     

图像情感语义分类及检索研究

提高情感语义映射和检索的准确率是图像检索的研究主题。在情感语义映射模型中,将图像的形状七阶矩和颜色矩作为模糊神经网络的输入,对网络的权值和阈值进行二进制编码,作为遗传算法的染色体串,通过遗传算法寻优得到情感语义映射效率最高的个体编码。在检索模型中,用遗传算法对图像匹配算法进行优化,直接找到最适合匹配的子模板坐标。相比传统的序贯相似检测算法,模型大大提高了图像匹配的效率。通过查全率与查准率的对比结果可知,经遗传算法优化后,图像情感映射和检索的性能均得到了明显提升。     

基于进化神经网络的304不锈钢车削加工表面粗糙度预测

表面粗糙度是衡量加工零件质量的重要指标之一,对表面粗糙度进行提前预测有利于提高加工质量。课题组采用正交试验方法进行了YG8硬质合金刀具干式车削304不锈钢棒料的实验,得到不同切削条件下的表面粗糙度。由于BP神经网络的算法预测精度不高而且容易陷入局部极小值,利用遗传算法的全局搜索能力优化BP神经网络的结构和初值,建立基于进化神经网络的表面粗糙度预测模型。结果表明：进化的BP神经网络模型有效地克服了BP神经网络容易陷入局部极小值的缺陷,实现了表面粗糙度的精确预测。     

基于粒子群RBF神经网络的双关节机械臂系统控制

针对RBF神经网络算法用于控制时难以求解网络隐含层参数中心向量c和标准化常数b的问题,提出基于粒子群参数优化的RBF神经网络(PSO-RBF神经网络)控制方法。建立旅客列车自动上水装置双关节机械臂动力学模型,将粒子群算法与RBF神经网络控制机械臂动力学特性结合,在连续空间快速搜索网络隐含层参数最优解,得到PSO-RBF神经网络控制方法;建立针对双关节机械臂的PSO-RBF神经网络控制系统并进行仿真,与基于遗传算法调节隐含层参数的RBF神经网络控制方法进行对比和分析。研究表明,采用PSO-RBF神经网络控制方法可以有效避免机械臂控制失效,能够使肩关节和肘关节响应时间缩短52%和47%,最大稳态误差减小49%和58%,平均稳态误差减小54%和55%。     

个人信用评估GA神经网络模型的构建与应用

个人信用评估对于商业银行规避消费信贷风险具有重要意义.为了构建更优的个人信用评估模型,提出了利用遗传算法(GA)优化神经网络的信用评估方法,并通过GA适应度函数的设置控制信用评估中给商业银行造成损失较大的第二类误判的发生.模型的应用结果与BP神经网络进行对比表明,GA神经网络能够有效地控制第二类误判的发生,模型的稳健性高,具有更好的适用性.     

基于人工神经网络的回采巷道护巷煤柱稳定性分析模型

影响回采巷道保护煤柱稳定性的因素较多，煤柱稳定性计算经验公式没有全面考虑各因素的影响。所有影响因素和煤柱稳定性存在复杂非线性关系，进化神经网络结合遗传算法和BP神经网络算法的优势对处理复杂非线性关系有较好的优势。本文将回采巷道保护煤柱稳定性参数作为学习训练样本，进行网络学习训练，确定回采巷道保护煤柱稳定性影响因素和煤柱稳定性之间的复杂非线性关系，建立模型进行回采巷道护巷煤柱稳定性分析。     

运用GA-BP神经网络研究时间序列的预测

神经网络能以任意精度逼近非线性函数,以神经网络为基础的时间序列预测模型能很好地反映信息的非线性发展趋势。该文在分析传统BP网络缺点的基础上,用具有良好全局搜索能力的遗传算法来改进神经网络。详细讨论了GA算法的优化神经网络初始权值和阈值的思想和理论。在阐述预测方法同时,用具体例证分析了GA-BP网络预测的性能和特点。结果表明,基于GA-BP神经网络在预测精度和适应性方面高于传统的BP神经网络。     

一种改进遗传算法及其应用

文章把采用二维编码、子矩阵块杂交、变异的遗传算法,应用于网络规划()方案设计。通过对一类可靠性网络规划问题仿真实例求解,说明改进后的遗传算法是有效的。     

遗传神经网络在邮件过滤器中的应用

针对目前反垃圾邮件技术的缺点,提出一种基于遗传优化神经网络的垃圾邮件过滤器模型,利用遗传算法全局搜索能力优化神经网络连接权值,克服神经网络局部极小值点问题,提高神经网络的学习速度和识别能力。通过对遗传算法和人工神经网络算法的实现,证明它们在垃圾邮件过滤器中有很好的应用效果。     

组播服务节点选择问题的求解算法

为了求解覆盖网络中最优组播服务节点MSN组合问题,提出一种基于混合实数编码的遗传算法(HRCGA)。采用实数编码方式对MSN组合进行编码,利用K-medoids聚类距离算子进行节点相似性度量,并根据MSN的实际特点,构造含有惩罚因子的适应度函数,限制不良个体参与进化。同时,针对标准遗传算法SGA局部搜索能力弱的特点,HRGCA引入个体进化控制策略。理论分析和仿真结果表明,该算法有效克服了传统K-medoids算法易陷入局部极小值、对初始中心选值敏感的问题。通过与传统SGA的仿真结果对比,HRCGA进一步提高了MSN组合全局寻优能力     

多级免疫检测器集在分布式入侵检测中的应用

为了提高入侵检测系统的网络环境适应能力,提出了一种基于多级免疫检测器集的分布式入侵检测模型。该模型由检测主机、检测子网和中心服务器组成,将入侵检测系统部署在网络的各检测主机中,检测子网具有与上层入侵检测网络相同的特征,中心服务器负责为检测主机和子网提供支持。通过模拟生物免疫系统的免疫细胞,检测主机的免疫检测器进行了学习和进化,该模型利用二级免疫检测器集机制,协同中心服务器的疫苗接收和种痘操作,减少了检测器的数量和提高了检测器的检测能力。     

物流网络的内涵分析

物流网络是适应物流系统化和社会化的要求发展起来的,是由物流组织网络、物流基础设施网络和物流信息网络三者有机结合而形成的物流服务网络体系的总称.物流网络具有服务性、开放性、外部效应和信息主导性等基本特征.物流组织网络是物流网络运行的组织保障;物流基础设施网络是物流网络高效运作的前提和条件;物流信息网络是物流网络运行的重要技术支撑,这三个子网络各有其丰富的内涵.     

基于系统理论的物流网络分析与资源整合

物流网络是物流系统更为形象的表现形式,只有立足于系统角度研究物流网络才能有效进行物流网络资源的整合与优化配置。文章对物流网络的系统性、网络要素、网络状态和网络主体构成进行分析,提出物流网络是由横向的基础设施网络、物流组织网络、物流信息网络与纵向的物流需求网络、物流功能网络、目标客户网络交叉形成的立体网络系统,并据物流网络的构成构建了物流网络资源整合模式,使物流资源从系统整体实现了层次、流程和空间的立体整合,为物流网络资源的有效利用和物流网络优化提供了重要基础条件。     

AOD精炼铁合金终点预测模型的建立

智能控制技术在冶金终点检测和终点控制中得到广泛应用,特别是神经网络技术,采用径向基函数神经网络(RBF)构成的神经网络控制方案可以有效地提高系统的精度、自适应性和鲁棒性。选用RBF神经网络建立冶炼终点温度和碳含量的预测模型,可以为后续的控制模型提供有价值的控制信息,通过终点控制模型计算所要补吹的氧气量以及补加的冷却剂量,以达到冶炼终点温度和碳含量的精确命中。仿真分析表明,RBF神经网络应用于冶炼终点温度和碳含量预测模型的建立,具有一定的预测精度。     

基于联想记忆神经网络的控制方法

提出了一种新型联想记忆神经网络结构和学习算法,通过反馈通道将网络输出反馈至输入层,并在通道中引入联想记忆因子,提高了X寸非线性系统的辨识能力,能够简单有效的建立起电阻炉的数学模型。采用具有逆辨识结构的神经网络控制方法对电阻炉进行实际控制,逆控制器的参数通过神经网络逆辨识模型得到,神经网络采用3层2—8—1结构形式。与常规PID控制相比较表明,此方法对大滞后非线性系统具有良好的控制效果和较强的抗干扰能力。     

模拟复合正交神经网络在轴向磁轴承中的控制研究

在数字复合正交神经网络(NN)的基础上提出一种模拟复合正交神经网络,并用于轴向磁轴承的控制中.控制器采用模拟复合正交神经网络与PID的并行控制方法,对带有负载干扰的轴向磁轴承控制系统作了PID控制与NN PID控制的仿真实验.仿真结果表明,相对于常规PID控制器,该并行控制法具有非常好的抗干扰与自适应能力,获得了满意的控制效果.     

基于贝叶斯神经网络的非参数回归

提高神经网络模型推广能力的关键是控制模型的复杂度。该文探索了贝叶斯神经网络的非参数回归的建模方法,通过融入模型参数的先验知识,在给定数据样本及模型假设下进行后验概率的贝叶斯推理,使用马尔可夫链蒙特卡罗算法来优化模型控制参数,实现了对神经网络模型中不同部分复杂度的控制,获得了模型参数的后验分布及预测分布。在5个含噪二维函数回归问题上的应用显示了模型的复杂度能根据数据的复杂度而自适应调整,并给出了较好的预测结果。     

基于PSO算法优化RBF神经网络的基金净值预测研究

为了更精确地对基金净值进行预测,针对基金净值变化具有非线性和随机性等特点,提出基于粒子群优化RBF神经网络的基金净值预测模型。利用具有全局寻优的PSO算法对RBF神经网络的参数进行优化,并用经PSO算法优化的RBF神经网络对基金净值进行预测分析。仿真实验结果表明:与使用BP神经网络和RBF神经网络的基金价格预测方法相比较,PSO算法优化的RBF神经网络能够准确地预测基金价格的变化趋势,具有较高的预测精度,对于用户选择基金有着非常重要的意义。     

基于神经网络的PID控制器研究

本文应用人工神经网络的原理,提出一种新的神经网络的智能PID控制器. 仿真结果表明,此NNPID控制器对线性、弱非线性时不变系统比传统的PID有好 的控制效果;对中等非线性系统和含有噪声扰动的线性知非线性系统有单纯PID 不能达到的控制效果.     

天然气发动机空燃比控制策略的研究与仿真

介绍了天然气发动机空燃比的比例-积分-微分控制、模糊自适应整定比例-积分-微分控制以及神经网络等各种控制策略,并对其进行了Matlab/simulink仿真,分别建立了仿真模型,给出了不同控制策略下的仿真结果图形曲线。通过仿真结果分析并对比了各种控制策略的控制特点,指出了在实际应用中需注意的问题。