提出了采用人工神经网络方法进行地下金属矿山岩层移动预测,结合模糊数学对选取的地表移动影响因素进行了处理.计算结果表明,所选取的各因素之间及其与岩层的移动角之间存在着较强的非线性关系,移动角的大小与选取因素有着密切的联系,进而从理论上证明可以预测由于开挖引起的岩层和地表移动的范围问题

针对提高Wi-Fi指纹室内定位技术性能，提出了一种基于卷积神经网络（Convolutional neural networks，CNN）的信道状态信息（Channel state information，CSI）指纹室内定位方法。在离线阶段联合定位环境参考点的幅度差和相位差信息，利用CNN进行训练，保存训练后的CNN网络模型作为指纹；在线阶段，针对不同实验场景，对测试数据的幅度差信息和相位差信息进行加权处理，引入改进的基于概率的指纹匹配算法，利用待定位点的CSI信息并通过CNN网络模型预测待定位点的坐标。此外，为增强算法普适性，针对复杂室内场景，提出了双节点定位方案来提高定位精度。在廊厅和实验室室内两种不同定位场景进行了实验，信息联合定位算法分别获得了24.7 cm和48.1 cm的平均定位误差，验证了基于CNN的CSI幅度差和相位差联合定位算法的有效性

以BP反传理论为基础,建立了对Osprey过程的前向多层神经网络,并对其进行测试.利用这一方法研究了Osprey过程中部分参数对孔隙度的影响.结果证明该网络较好地实现了学习和预测

通过对下一代制造系统网络特点的分析,提出了一种基于Internet的分布式网络管理系统,给出了其核心-基于人工神经网络的网络性能管理专家系统的模型.同时对此模型的核心模块——神经网络模块进行设计,实现网络性能问题的发现和相关原因的分析,并提出优化建议

针对一类带有未知虚拟控制增益的随机严格反馈非线性系统,基于后推设计,引入积分型Lyapunov函数,并利用神经网络的逼近能力,提出了一种自适应神经网络控制方案.与现有研究结果相比,放宽了对控制系统的要求,取消了对于未知函数的限制条件.通过Lyapunov方法证明了闭环系统的所有误差信号依概率有界.仿真结果验证了所给控制方案的有效性

基于数值模拟和人工神经网络模型以及对智能控制工艺过程的适当简化,为拉伸样模型的注射过程建立了一套智能化控制仿真系统.研究表明,该系统能够根据样品对性能的要求(如密度分布),自动进行注射工艺参数的优化.采用优化后的注射工艺参数重新进行注射过程模拟计算后,发现注射坯密度分布的均匀性较调整前有显著提高,基本符合预期的密度要求,证明智能化控制仿真系统可行

针对连续域函数优化问题,提出了一种新的全局极大值搜索方法——多感官群集智能算法(multi-sense swarmintelli-gence algorithm,MSA).受鱼群算法(artificial fish-swarmalgorithm,AFA)和FS算法(free search algorithm,FSA)的启发,MSA的搜索机制将大范围勘察和小范围精确搜索相结合,个体在使用视觉信息快速逼近局部较优解的同时,利用嗅觉信息避免群体过于集中并引导个体向全局较优解方向移动.仿真结果证明:MSA鲁棒性较强,全局收敛性好,收敛速度较快,收敛精度较高.最后,将该方法应用于前向神经网络训练,结果表明满足应用要求

利用神经网络结构计算方法对岩石基复合材料支护大尺度采空区动力损伤演化趋势进行统计和预测,并与工程现场多种方法的综合监测数据进行了比较,其结果完全吻合

针对已提出的灵敏度计算和自构形2种神经网络结构学习算法，提出2种改进的算法.实验证明改进的算法比原算法有更好的泛化能力

西安电子科技大学：《神经网络与模糊系统 Neural Networks and Fuzzy Systems》课程教学资源（学科综述）模糊神经网络 Neuro-fuzzy Systems