一个基于神经网络的测试生成系统

介绍了一个基于组合电路的Ｈｏｐｆｉｅｌｄ神经网络模型的测试生成系统，系统中运用概率松驰搜索算法求解给定故障的测试矢量。实验结果表明了该系统的可行性     

测试图形生成的遗传算法研究

提出了一种用于组合电路测试图形生成的遗传算法。该算法把被测电路的测试生成问题转化为计算一种约束函数的最优解，可充分利用电路的结构信息。为故障节点生成测试时易于操作，且无需经过故障模拟，就可保证对所有可测的单固定型故障及多故障有较高的故障覆盖率。     

基于遗传算法的柴油机电控参数实时优化

为使发动机满足日益严格的排放法规要求同时使其具有较好的燃油经济性，采用柴油机性能与运转参数间神经网络模型，将遗传算法嵌入DSP中实现了电控参数的实时优化。在实验台上验证了神经网络建模和遗传算法相结合在线寻优的最优控制MAP生成技术的可行性。     

一种非同步时序电路的测试生成方案

分析了非同步时序电路测试生成所面临的问题。根据测试状态下非同步时序电路的时序特点,结合同步时序电路测试生成算法,提出和论证了一种解决非同步时序电路测试生成问题的方案,通过为时序元件建立完全模型,将时序电路中的时钟信号引入,为非同步时序电路构建出用于测试的单时钟同步电路模型,从而直接用同步时序电路测试生成算法解决非同步电路的测试生成问题。     

组件技术在微机测试系统中的应用研究

介绍了组件技术在一种具体的测试软件系统中的应用和组件技术在微机测试系统中提高软件的重用性和可靠性的作用，讨论了利用组件技术封装的硬件系统，并给出了封装实例。     

电磁暂态仿真模型敏捷生成方法研究

大型工业企业电网开展仿真建模时,根据描述电网结构的图形文件搭建仿真模型。针对这种情况,为提升仿真建模的效率,避免繁琐的手动建模过程,提出了一种电磁暂态仿真模型敏捷生成的新方法。首先,构建一种基于卷积神经网络(convolutional neural networks, CNN)的识别模型,用于识别图形文件中的电力元件;其次,基于矢量缓冲区提出一种判断电力元件连接关系的方法,用于识别元件之间的电气连接关系;最后,利用计算机程序生成相应的电磁暂态仿真数据文件。算例测试结果验证了所提方法的有效性。     

神经网络在高速超精轴系故障诊断中的应用

讨论了ＢＰ神经网络神经元开关函数饱和参数的选择问题，建立了ＢＰ神经网络的容错能力、全局性能与收敛速率之间的关系，并提出了一个如何应用这些关系来合理选择神经元开关函数饱和参数的方法模拟试验研究和分析结果表明，本文提出的合理选择神经元开关函数的方法可以有效地帮助ＢＰ神经网络技术解决诊断中复杂的模式分类问题。     

模拟电路故障诊断的神经网络方法

提出了一种采用改进的ＢＰ快速算法实现模拟电路软故障诊断的方法。文中对构造神经网络交流故障字典的过程给出了详细说明，特别是隐层节点数确定，测试信号频率的优选及ＭＡＴＬＡＢ神经网络工具箱的使用。实例表明，人工神经网络技术可应用于有容差模拟电路的故障诊断。     

Neural Network Expert System Approach for Analog Circuits Fault Diagnosis

提出了一种用于模拟电路故障诊断的神经网络专家系统（ＮＮＥＳ）方法。利用神经网络、专家系统两种技术的互补性，采用紧密耦合的ＮＮＥＳ方法实现模拟电路的故障诊断。同时给出并讨论了该方法的一般结构。实验结果说明了这一方法是可行、有效的。     

数值网格生成方程中源项对网格正交性影响的研究

基于对数值网格生成的椭圆型偏微分控制方程中混合偏导数项非线性系数特性的 研究，从理论上推导了用于控制网格正交性的一种新源项给定形式，并讨论了其具体的数值实 现方法，数值计算结果表明，该新源项形式对生成网格的正交性具有很强的调节和控制能力。     

基于"透明"神经网络的模拟电路故障诊断

本文通过分析BP神经网络用于模拟电路故障诊断时的缺点,提出了一种新的神经网络．称为“透明”神经网络(TANN)．然后将TANN用于模拟电路子网络级故障诊断．并通过实例验证了该诊断方法的有效性．     

基于模糊优选和神经网络的保险企业经营风险预警系统构建

论述基于模糊优选和神经网络的保险企业经营风险预警方法的理论依据,阐述组成我国保险企业经营风险预警系统的三个重要环节:基于BP神经网络的风险预警指标预测子系统、基于模糊优选理论的风险测评子系统和基于模糊优选BP神经网络的风险报警子系统三个子系统的构建原理,并通过实例分析证明该方法有效、可行。     

基于BP神经网络的模拟电路故障诊断研究

本文介绍BP神经网络在模拟电路故障诊断中的应用,对电路中的软故障进行诊断。对选定的待测电路在元件存在容差的条件下,仿真验证了BP神经网络应用于模拟电路故障诊断的可行性。     

基于神经网络的研发项目选择方法

针对研发型项目建立了相应的多指标综合评价体系,并引入改进后的B-P神经网络模型算法对研发项目进行综合评价。为多项目选择提供依据,避免了项目选择过程中的主观影响和不确定性。     

电路测试生成的一种并行处理方法

基于消息传递的多指令流多数据流（ＭＩＭＤ）多机并行系统，提出一种组合电路测试图形生成的新的并行处理方法。该方法首先定义基本门电路的特征函数，通过特征函数的迭加，得到与被测电路对应的一约束网络的特征函数ＣＡＴＰＧ，用遗传算法计算ＣＡＴＰＧ的零点获得故障的测试。结果表明在电路的描述及操作、数据传送、算法实现等方面较其他方法有明显优势     

获取平面光学元件面形偏差的方法研究

提出一种利用BP神经网络获取平面光学元件面形偏差的方法。该方法先确定一幅干涉条纹图像测试区域中条纹弯曲量和条纹间距,然后对BP神经网络进行训练,最后获取被测平面光学元件的光圈数。通过与Zygo激光干涉仪的测量结果进行比较,发现两者的测量结果相吻合。实验结果表明,该方法不仅可以增强处理干涉条纹图像的适应性,而且可以提高测量精度。     

基于改进的BP网络数字字符识别

提出了一种基于改进的BP网络方法来实现数字字符识别.通过对BP网络的神经元的研究与学习,设计了一种结构合理,收敛速率快的BP网络.试验测试结果表明,改进的BP网络方法对印刷体数字的识别率达到了100%,对手写数字的识别率达到了98%以上.     

基于优化BP神经网络的营销风险衡量与控制

营销风险是由营销环境等因素的不确定变化带来的,营销风险衡量是营销风险管理的核心。文章提出了基于改进BP神经网络的营销风险评价方法。这种方法的步骤包括建立营销风险评价指标体系,并进行FA指标处理;构建BP神经网络模型,以实例训练模型,并验证此方法的可行性。在此基础上,用概率法划分五个营销风险等级,并根据企业承受营销风险的能力及风险管理水平,采取相应的预警控制措施。     

基于神经网络的六维力传感器静态标定方法研究

利用BP神经网络研究了六维力传感器的静态标定方法.良好的泛化能力是基于神经网络标定方法的关键,而现有基于神经网络的传感器标定方法对网络的泛化能力鲜有考虑.针对上述问题,以提高神经网络泛化能力为目的,对神经网络的训练样本、训练期望误差值和网络隐层单元数等的选取进行了研究.实验及计算机仿真表明,当选取样本数据具有遍历性时,利用神经网络标定后进行补偿计算可提高六维力传感器的测量精度.     

基于概率神经网络的交通方式划分模型

神经网络具有良好的模式识别能力,而交通方式划分从本质上来看,是一个分类的问题。鉴于此,本文尝试运用概率神经网络进行交通方式划分的建模,并给出了算例,分析表明,该模型对方式划分问题不仅具有很强的解释性,同时具有很好的可操作性。