应用神经网络建立了获取采矿方法选择时所需的主要技术经济指标的采矿经验知识库,并以普通全面法为例,描述建造BP网络模型的过程.研究结果表明:利用这个采矿经验知识库,就可以根据采矿方法的工程背景,求得它的主要技术经济指标

研究了混合时变时滞(离散时滞和分布时滞)神经网络的状态估计问题.离散时滞在一个区间上变化,区间下界不一定为零.通过构造一个新的Lyapunov泛函,结合Jensen积分不等式,可以得到一个时滞相关状态估计器设计方法,使得误差系统是全局渐近稳定的,所得结果由线性矩阵不等式形式给出.数值算例证明了本文方法的有效性和优越性

为实现酒精发酵变温控制，提出一种新的、具有专家调整策略的神经网络自组织模糊控制器.用神经网络代替传统模糊控制器的逻辑规则推理合成运算或查表，减少了工作量.采用一种对量化，比例因子进行专家调整的策略，使系统响应的上升时间减少，超调量降低，控制器的鲁棒性，稳定性均良好

自适应线性元件( Adaptive Linear Element,简称 Adaline)也是早期神经网络 模型之一,它是由威德罗( Widrow)和霍夫(Hof)首先提出的。它与感知器 的主要不同之处在于其神经元有一个线性激活函数,这允许输出可以是任意 值,而不仅仅只是像感知器中那样只能取0或1。另外,它采用的是W一H学 习法则,也称最小均方差(LMS)规则对权值进行训练,从而能够得到比感知器 更快的收敛速度和更高的精度 自适应线性元件的主要用途是线性逼近一个函数式而进行模式联想

了解人工神经网络的有关研究思想,从中 学习开拓者们的部分问题求解方法。 通过实验进一步体会有关模型的用法和性 能,获取一些初步的经验。 查阅适当的参考文献,将所学的知识与自 己未来研究课题(包括研究生论文阶段的 研究课题)相结合起来,达到既丰富学习 内容,又有一定的研究和应用的目的

感知器是由美国计算机科学家罗森布拉特(f. Roseblatt)于1957年提出 的。感知器可谓是最早的人工神经网络单层感知器是一个具有一层神经元、 采用阈值激活函数的前向网络。通过对网络权值的训练,可以使感知器对一组 输人矢量的响应达到元素为0或1的目标输出,从而实现对输人矢量分类的目 的

7.1.1智能控制理论体系 模糊智能控制(Fuzzy Control)神经网络控制(Neurocontrol)模糊神经网络与神经模糊控制 遗传算法与进化控制(Genetic Algorithm/ Control)软计算(Soft Computation)

分析了小波基函数对于确定模式、混沌模式及随机模式所表现出来的不同的收敛特性,提出构造一个小波神经网络及相应学习算法.利用小波网络在学习过程中神经元的不同增长趋势来反映上述收敛性的差异,从而将3种不同的模式予以区分,并将混沌模式从中提取出来

模式识别模拟的是人类一部分智能—识别、判断能力，而人类的智能活动都是在大脑的 神经系统中完成的，如果我们能够模拟人类大脑的工作机理来实现识别系统，应该能够取得 好的效果。人工神经网络的研究证实在这方面所进行的探索

本章对目前常用的几种智能优化计算算法作简单介绍，以使读者对它们有个基本认识。内容包括神经网络、遗传算法、模拟退火算法和神经网络混合优化学习策略