西安电子科技大学：《神经网络与模糊系统 Neural Networks and Fuzzy Systems》课程PPT课件讲稿（2003）08. 模糊与神经网络的比较——以倒车系统为例 Comparison of Fuzzy and Neural Truck Backer-Upper Control Systems

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

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）人工神经网络 Artificial Neural Networks

针对目前局部回归神经网络动态BP算法的误差导数计算复杂、收敛速度慢的缺陷,提出了一种新的快速算法.该算法是将信号流图引入动态BP算法,较好地解决了求解误差导数的复杂性,同时采用BFGS算法加快了网络的收敛速度.仿真结果表明了本算法的有效性

探讨了一种将有监督学习机制融合到模糊ART网络构成一个有监督的模糊ART神经网络模型.这种网络能同时处理有监督和无监督学习问题,并具有积累和增加网络学习的能力.对该网络进行了滚动轴承检测数据模式分类实验,并与BP网络进行了比较性实验.结果表明:该网络具有良好模式分类能力和较好的可塑性

简要介绍了传统专家系统知识库所存在的问题,提出了一个基于神经网络的碳钢和低合金钢大气腐蚀知识库系统,并着重阐述了这种新型知识库系统的知识获取、知识表示和系统的实现等问题

将遗传算法与BP神经网络结合,提出了一种利用遗传算法优化BP神经网络权值的智能PID控制算法,改善了系统的动态性能.通过实验采集数据,拟合出无模拉拔感应加热温度控制系统的数学模型.采用本文提出的方法进行了仿真实验,结果表明该算法具有较强的快速性和鲁棒性

尾砂胶结充填体作为一种水泥基多相复合材料,其单轴抗压强度与超声波波速受水泥含量、固体质量分数、试件形态等因素影响.通过制备三种形态(7.07 cm×7.07 cm×7.07 cm立方体,Φ5 cm×10 cm圆柱体和Φ7 cm×14 cm圆柱体)的试件并进行单轴抗压强度试验和声波波速测试,对充填体强度和波速受水泥含量、固体质量分数和试件形态影响的规律进行了灰色-关联度分析.结果表明:水泥含量是影响强度的关键核心因素,关联度为0.837;固体质量分数是影响波速的关键核心因素,关联度为0.712.建立了充填体强度-波速指数函数预测模型和BP神经网络预测模型,通过对两种预测模型进行统计分析的F检验和t检验验证了两种方法在充填体强度预测的可行性,为胶结充填体的强度预测提供了新方法

第一部分 深度学习基础 第1章 什么是深度学习 第2章 神经网络的数学基础 第3章 神经网络入门 第4章 机器学习基础 第二部分 深度学习实践 第5章 深度学习用于计算机视觉 第6章 深度学习用于文本和序列 第7章 高级的深度学习最佳实践 第8章 生成式深度学习 第9章 总结

为了实现炼钢过程钢水温度的精确控制，在分析了实际炼钢厂钢水温度控制现状和钢水温度影响因素的基础上，建立了关键工序节点钢水温度的正向预测模型和逆向预定模型.同时，为了克服现有钢水温度预报方法的不足，提出一种基于钢包热状态和BP神经网络的混合模型方法.该方法以钢包热状态跟踪模型为基础，充分考虑了钢包热状态对钢水温度的影响，并与BP神经网络结合，可有效提高预测精度