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

研究了一种基于特征变量的复杂生产过程预测模型.与传统的建模方法相比,该方法不需要经过机理分析,而从信息科学的角度出发,在对反映生产过程工况原始动态数据进行特征选择的基础上,运用时间序列分析法建立其预测模型.同时讨论了它的神经网络实现方法.仿真结果表明了该方法的可行性

本文以普朗特应力函数解法为基础，通过与电路问题比拟，提出了求解复杂截面闭口薄壁杆件扭转问题的“回路单元法”。本文提出的方法对解决复杂截面闭口薄壁杆件扭转的工程问题有一定的应用价值。在教学上，可以起到开拓学生思路的作用

针对复杂生产过程中的工况识别问题,利用了模块化的设计方法,将其分为离线建模模块和在线决策模块.建模模块采用自适应延时神经网络构造各类工况相应的预测模型,决策模块通过计算未知工况序列相对于各类预测模型的匹配程度判断其所属类别

讨论一种动态神经网络——Elman回归神经网络的结构和算法.基于这一网络结构提出了非线性时变工业对象——直流电弧的神经网络建模方法,并与用其他方法为对象建立的模型进行了比较,结果证明回归网络模型能够很好地适配该工业对象,显示了动态神经网络在工业对象建模中的良好应用前景

一、酶是生物催化剂 二、生命世界的能量源泉是太阳能 三、生物体主要从有机分子的氧化取得能量 四、生物体内有一个复杂的代谢网络

网络传送是个很复杂的过程,为了实现计算机之间可靠地交换数据,许多工作要协调(如发送信号的 数据格式,通信协调与出错处理,信号编码与电平参数,传输速度匹配等) 假定一个与网络相连的设备正向另一个与网络相连的设备发送数据,由于各个厂家有其各自的实现方 法,这些设备可能不完全兼容,它们相互之间不可能识别和通信。解决方法之一是在同一个网络中全部使 用某一厂家的专有技术和设备,在网络互连的今天已不可行

采用贝叶斯统计学原理改进传统神经网络算法,通过在神经网络的目标函数中引入表示网络结构复杂性的约束项,避免网络的过拟合以提高网络的泛化能力.将改进的神经网络应用于济钢1700mm热连轧机带钢厚度预测中,其预报精度、训练时间和网络稳定性均优于传统神经网络预测;然后应用贝叶斯神经网络预测带钢塑性系数;最后将出口带钢厚度和带钢塑性系数的实时预测值综合应用于带钢热连轧厚度控制系统,改进了传统的厚度控制方式,进一步提高带钢质量

一、概述 网络技术和计算机总线技术的发展,再加上 测控任务的复杂化以及远程监测任务等迫切需求 ,促进了测控仪器向网络化的方向快速发展。 网络化仪器包括基于计算机总线技术的分布 式测控仪器、基于 Internet/Intranet的虚拟仪器 、嵌入式 Internet的网络化仪器、基于IEEE1451 标准的智能传感系统以及基于无线通讯网络的网 络化仪器系统等

用计算机来分析求解复杂网络 关键是网络方程和网络结构如何表示、输入 4-5-1 节点分析法 4-5-2 回路分析法