鉴于边坡系统影响因素之间的高度非线性和不确定性,融合RS-GP模型的优势,提出了依据边坡稳定性影响因素类比计算边坡安全系数的方法.该方法通过学习样本的数据特征分析、计算属性的重要性及约简规则,降低了遗传规划预测模型的结构规模.人工神经网络(ANN)模型与RS-GP模型计算结果比较表明:该方法具有计算速度快、容错能力强及精度高等特点

为了建立工业污水pH值中和系统的正模型,研究了具有大滞后非线性特性的加药中和过程。利用一种动态自适应最近邻聚类(DANNC)学习算法,全面调整网络参数完成了污水pH值加药中和控制系统网络的学习和训练。采用中和过程神经网络内模控制系统的逆模型充当控制器,进行了各种工业条件下污水中和的仿真实验。结果表明,该系统实现了△pH≤0.2的工业污水的控制精度目标,系统实时跟踪和抗干扰性良好

针对在AGC板厚控制系统中存在时滞、时变、大惯性、非线性等问题,提出了采用自适应集中延时神经网络辨识、最优预报和模糊免疫PID控制相结合的控制方案,有效地提高了系统的控制精度和动态性能.经MATLAB仿真实验表明,各项指标均好于传统的控制方式,取得了令人满意的控制效果

•CMAC网络特点 •改进的CMAC干式变压器卷线机跑偏信号谐波分析 •CMAC网络对非线性函数学习过程 •干式变压器卷线机跑偏信号谐波分析 •跑偏信号谐波仿真与分析 •改进的CMAC学习多维函数 •CMAC网络辨识MATLAB仿真举例 •CMAC网络原理及其应用

相同之处 （ 1） 都是非数值型的非线性函数的逼近器、估计器、和动态系统； （2） 不需要数学模型进行描述，但都可用 数学工具进行处理； （3）都适合于VLSI、光电器件等硬件实现

为了解决某钢厂IF钢冶炼RH精炼过程铝耗偏高问题,通过数理统计和BP神经网络相结合的方法建立了铝耗预测模型,并与多元线性回归模型进行比较,该模型具有更高准确度.该模型分析了不同冶炼工艺参数对铝耗的具体影响,并对相应工艺参数进行了优化.结果表明:脱碳结束氧活度或RH进站氧活度降低0.005%左右,每吨钢铝耗可降低0.07~0.08 kg,铝脱氧有效利用系数为70.31%~80.35%;RH进站钢液温度增加35~40℃,铝耗降低1 kg左右,铝热反应升温利用系数在97.4%左右;吹氧量小于100 m3和大于100 m3时,氧气与铝反应的比例分别为37.3%和74.6%左右,吹氧量每增加50 m3,铝耗分别增加0.1 kg和0.2 kg左右.工艺参数优化后平均铝耗由1.359 kg降低到1.113 kg,降幅达18.1%

具有 Fortran和C高级计算机语言知识的读者可能已经注意到,如果用它们去进 行程序设计,尤其当涉及矩阵运算或画图时,编程会很麻烦。比如说,若想求解一个 线性代数方程组AX=B→>X=A-B,用户得首先编写一个主程序,然后编写一个子程序 去读入各个矩阵的元素,之后再编写一个子程序,求解相应的方程,最后输出结果 般说来,求解线性方程组这样一个简单的功能需要100多条源程序。 Matlab的首创者 Cleve Moler博士在数值分析,特别是在是指线性代数的领域中 很有影响

基于最优分类线的概念,提出了一种新的模式识别分类器构建方法——判别域界面几何法.该方法利用BP神经网络的高度非线性,将模式类样本数据从高维输入空间映射至二维判别域空间后,采用多边形中轴提取方法,构造模式类间隙多边形的中轴线,延伸至整个二维判别域空间,生成模式类决策边界.以铁路货车车轮用双列圆锥滚子轴承的故障诊断为例,介绍了判别域界面几何法的应用过程.结果表明,判别域界面几何法能在二维判别域空间上给出各不同故障模式类之间明确的界限,这就给操作者直观判断故障模式类别提供了条件

人工神经网络为学习实数值和向量值函数提供了一种实际的方法，对于连续值和离散值的属性都可以使用，并且对训练数据中的噪声具有很好的健壮性。反向传播算法是最常见的网络学习算法。反向传播算法考虑的假设空间是固定连接的有权网络所能表示的所有函数的空间。包含3层单元的前馈网络能够以任意精度逼近任意函数，只要每一层有足够数量的单元。即使是一个实际大小的网络也能够表示很大范围的高度非线性函数。反向传播算法使用梯度下降方法搜索可能假设的空间，迭代减小网络的误差以拟合训练数据

§1.常微分方程基本概念 6 §2.基本定理 9 §3.稳定性的基本定义 18 4. Liapunov 函数. 28 §5.稳定的基本定理 31 §6.渐近稳定的基本定理 35 §7.不稳定的基本定理 43 §8.全局渐近稳定的基本定理 47 §9.解的渐近性质 54 §10.解的一般有界性 §11.解的最终有界性 12.稳定性的比较原理 59 §13.线性方程组的Liapunov 函数 66 §14.线性近似决定的稳定性 72 15.类比法构造 Liapunov 函数 75 §16.力学系统的稳定性 83 §17.种群系统的稳定性 88 18.传染病系统的稳定性 99 §19.市场价格系统的稳定性 105 §20.控制系统的稳定性 117 §21.人工神经网络的稳定性