简介：古人云“以史为鉴”,说的是吸取历史的经验教训,对未来的情况做出预判或者改变。生活中,亦是存在相似的利用历史数据对未来变化趋势进行预测分析的时间序列问题。本文就时间序列一类的问题进行研究,探讨如何更好地根据历史统计数据,对未来的变化趋势进行预测分析。本文基于神经网络,以气象观测历史数据作为研究的对象,建立了气温变化时序预测模型。本模型利用大数据相关技术对数据进行特征处理,通过深度神经网络,学习特征数据和标签数据之间复杂的非线性关系,从而实现对气温变化的趋势预测。实验结果表明,相较其他模型,本文的模型能够更好地进行时序预测,同时也证明了神经网络用于气象预测的可行性。

简介：摘要基于BP模型的神经网络是一种用于前向多层神经网络的反传学习算法，目前为止应用最为广泛且最重要的一种训练前向神经网络的学习算法。本文详细介绍BP算法原理并剖析其性能不足的几个方面，简要介绍优化算法，对模型未来的发展方向进行展望。

简介：梦想中远程遥控自家的空调．以最舒适的温度迎接刚人家门的你：幻想中轻触手机即可完成花圃的灌溉等等．随着中控系统的到来，梦想已成功进入现实。中控系统．作为现代AV系统的神经控制系统．是AV系统化、大型化、网络化不可或缺的重要组成部分。一个AV系统，不论其规模是大是小．也不论其设备多寡．没有中控系统的存在就是效能很低的系统。有了中控系统的加入，

简介：提出了一种光纤传感报警信号的处理技术,光纤传感具有高灵敏度、抗电磁干扰、耐高压抗腐蚀等优点,但报警信号的误报问题一直是光纤周界系统需要解决的问题,而传统的时域门限分析方法对信号的识别准确率不高,不利于降低安防系统报警信号的误报率。利用小波降噪技术,结合信号的时频域特征,构建基于概率的神经网络分类器,可以在很大程度上减少信号的误报。

简介：为了提高移动设备存在威胁风险分析的准确率和抗干扰能力,进而降低投诉率,提出一种基于PCA融合BP神经网络风险分析模型。通过核主成分分析将设备威胁类型从10个特征量降低到3个主特征量,提取了原始数据的主信息,并以降维后的特征量作为BP神经网络的输入特征量,建立设备威胁风险分析模型。最后通过实验对比了多种模型算法,结果表明采用PCA结合BP神经网络的风险分析模型具有更好的风险识别准确率。

简介：吴超羽教授首次将人工神经网络模型应用于水文预报研究中，并取得卓越成果。自此，研究人员和学者开始将研究方向转换到人工神经网络模型上来，多年的探索和研究，也使得人工神经网络模型在水文预报中的应用取得了全面的发展和进步。本文旨在通过对人工神经网络模型的研究，深入解析其在水文预报中的应用。

简介：摘要：脑机接口（BCI）技术作为一种新兴的人机交互方式，旨在通过直接连接人类大脑与外部设备，实现信息的实时传递与控制。本文将详细探讨脑机接口的基本原理，包括信号采集、信号处理与控制装置的构成，分析非侵入式与侵入式信号采集方法的优缺点。同时，结合近年来的研究成果，探讨脑机接口在恢复瘫痪患者交流能力和运动功能方面的应用。最后，文章将指出当前脑机接口研究中的瓶颈与挑战，并展望未来的发展方向。

简介：随着控制理论和通信技术的发展,网络化控制系统受到越来越多的关注。时滞采用传统的PID控制已不能获得满意的控制效果,并且网路引入控制系统,使得系统存在时延、数据包的丢失等问题。这些问题严重影响系统的性能。为了改善系统的控制性能,提出了基于单神经元的PID网络化控制系统模型。系统控制器结合了神经网络、PID、Smith预估控制器的优点,并且具有较好的动态性能,与常规的PID控制器相比,过渡过程小,超调量小,输出平稳,并且对信号和时延的变化具有较好的学习能力和自适应能力。

简介：针对网络态势感知中的预测精度问题,提出了基于广义径向基函数（RBF）神经网络的网络安全态势预测方法。该方法利用K-means聚类算法确定RBF的数据中心和扩展函数,并采用最小均方算法调整权值,得出态势值前后之间的非线性映射关系,并进行态势预测。仿真试验表明,该方法能较准确获得态势预测结果,提高网络安全的主动安全防护。

简介：永磁同步电动机（PMSM）是一个多变量、非线性、强耦合的复杂系统,其伺服系统的控制策略直接影响PMSM的性能指标。文章给出了PMSM在d-q坐标系下的数学模型,分析了空间矢量脉宽调制（SVPWM）的基本原理,针对传统的复杂SVPWM算法,分析了一种基于Kohonen神经网络的SVPWM算法。该算法计算简单,避免了大量的三角函数和求根运算,从而可节省处理器的计算时间。采用的控制方式,在Matlab/Simulink环境下建立PMSM伺服系统三闭环控制仿真模型,仿真结果验证了算法的有效性。

简介：针对信息质量评估系统中各环节影响因素的评估问题,提出了一种基于自适应模糊神经网络（FNN）的信息汇聚质量评估方法,从汇聚结果满足用户需求的角度判断信息汇聚质量的优劣。依据用户体验满意度调查数据,结合神经网络的自主学习与模糊控制的模糊推理能力,提出了该方法,并将生成的TS型模糊推理系统作为汇聚质量评估参考模型。试验结果表明,该方法预测汇聚质量可反映人工专家经验。

简介：以多变量、非线性、强耦合的感应电机调速系统为研究对象,在基于神经网络逆系统离线训练的基础上提出了在线调整的策略,通过静态神经网络加积分器来构造感应电机调速系统的逆模型,在实际运行中不断地修正神经网络权值,更精确地逼近其逆系统,实现了感应电机转速的高精度控制。仿真和实验结果表明系统具有优良的静态及动态性能,且对电机参数的变化与负载扰动具有较强的鲁棒性。

简介：利用机动飞行目标轨迹可预测飞行目标实时位置,针对灰色模型对快速飞行目标轨迹预测不准确的问题,引入神经元理论判断飞行目标状态,通过机器学习掌握飞行目标转弯模型,从而更准确地对飞行目标转弯进行预测。首先,分析了灰色模型预测方法的工作原理和特点;然后,借助反向传播(BP)神经元模型可判断飞行特征的优势,将灰色模型与神经元网络模型进行了结合;最后,通过仿真试验表明该飞行目标预测法可对飞行目标进行精准监视和控制。

简介：针对传统道路障碍物检测算法准确性和鲁棒性不强等问题,本文提出一种基于卷积神经网络的道路障碍物检测算法。该算法首先对车载图像预处理生成障碍物候选区域,再将障碍物候选区域输入到改进的卷积神经网络中,进行精确识别和剔除,区分道路障碍物和非障碍物。改进的卷积神经网络在原有网络的基础上,调整了卷积核的大小和个数、池化层的空间尺寸和神经网络的深度,并且在卷积层后选择性的加入池化层,提高障碍物的识别率。在不同场景中进行了测试,实验结果表明：本文提出的道路障碍物检测算法有效的提高了障碍物的识别率,识别率达到98.2%,并且拥有较高的鲁棒性。

简介：在铁路货运电子商务系统中,预订车票登录界面验证码图像中字符,提出了一种基于卷积神经网络（CNN）的铁路货运验证码识别方法.先对验证码图像进行预处理得到单个字符,再对单字符图像数据建立CNN模型进行迭代训练.该方法针对铁路货运验证码图像特征,图像字符分割正确率接近100%,单个验证码字符正确识别率达98%以上,单张验证码图像识别率接近93%.试验表明,该方法对铁路货运验证码识别率较高,可应用于验证码的自动识别.

简介：密歇根大学两位计算机科学家及IEEE院士DavidBlaauw和DennisSylvester日前在旧金山IEEE国际固态电路大会（ISSCC）上发表了10篇有关＂智能微尘（M3,MichiganMicroMote）＂毫米级计算机的论文。毫米计算机将搭载深度学习神经网络芯片,而且功耗极低。

简介：公路交通控制是一个非线性时变系统，其抗干扰能力较差，尤其是道路交叉口的交通控制更是具有复杂的非线性时变特征，而实际应用表明，道路交叉口的交通控制是整个交通控制系统的控制重点。本文在研究BP神经网络算法的基础上，探讨该算法在道路交叉口多相位模糊控制中的应用。

简介：针对战术数据链无线网络典型入侵事件，基于演化算法和神经网络提出了一种基于演化神经网络的入侵检测方法。通过仿真实验和性能对比验证了该方法的有效性，对战术数据链系统的安全设计有一定的指导意义。