简介：摘要卷积神经网络在自然语言处理中的应用是近年的研究热点。文章通过对几项典型工作的分析，研究了卷积神经网络在各项自然语言处理任务中的性能与效果。并对卷积神经网络语言模型的改进规律进行了总结。

简介：在开关磁阻电机直接转矩控制系统中，为了提高磁链观测器的性能，准确地实现磁链观测，提出基于粒子群优化的递归神经网络定子磁链观测器。利用训练样本对网络进行离线训练，通过训练过程中不断调整网络的权值和阈值，形成一个泛化能力强、结构简单的网络来实现电压、电流和磁链的非线性映射。将所建磁链观测器应用到开关磁阻电机直接转矩控制系统仿真中，仿真结果表明，对比传统递归神经网络磁链观测器，该方法不仅提高了收敛速度，而且具有很高的精确度和很强的泛化能力，证明了该方法的正确性和可行性。

简介：摘要网络性能预测是指以现有理论等为基础，来构造具有预测性的模型以实现对未来业务数据的推测和估计。本文按照电力营销系统的特殊架构，建立了基于神经网络的电力营销系统网络性能预测模型，构建了电力营销系统的网络特征信息集，并设定了网络性能预测的信息过滤规则。此外，基于构建的电力营销系统网络预测模型，进一步研发了电力营销系统流量过滤模块。通过OPNET网络仿真结果显示，基于神经网络的电力营销系统网络性能预测模型能够有效降低网络阻塞，提高网络使用效率。

简介：为解决多关节油压机械臂及手系统动态参数的时变性，应用递归神经网络（RNN）建立了油压机械臂及手的速度模型及逆模型，并用逆模型作为臂及手各关节的控制器实现了位置控制。实验结果表明，所建模型性能接近系统性能，位置控制精度也能达到控制目标的要求。

简介：摘要传统SCR脱硝控制设计及优化方法大多依赖PID控制模型，依赖大量人工经验、人工调参及模型优化，并且无法很好适应不同锅炉环境。近年来，以深度神经网络为代表的人工智能方法被广泛使用于不同领域，并且具有应用在SCR脱销控制预测的潜力。本文研究基于深度神经网络的SRC脱销控制模型，使用负荷、烟气流量、入口NOx和出口NOx作为输入，使用优化PID调节下的调门开度作为预测目标，所构建的深度神经网络可精确预测调门开度，可替代传统PID控制模块，实现SCR脱硝控制调节及优化。

简介：摘要神经网络算法是新兴起的电力负荷预测成果之一，它可以有效的对短期的负荷进行预测，模拟人脑的活动进行智能化的处理，自动地获取不准确的信息以及不明朗的规律进行适应化处理。神经网络以其独特的记忆信息和自主学习的能力，实现对知识进行优化和推理，其中最重要的是自我学习能力和自动适应能力，这是对比其他方法的最大优势。基于神经网络的非数学模型预测法，为解决传统数学模型法的不足提供了新的思路。

简介：摘要将人工神经网络（ANN）技术引入磨削加工领域，研究预测切向磨削力和法向磨削力，来提高磨削力的预测精度。以多层前反馈神经网络为基本结构，以误差逆传播算法（BP算法）为网络的训练方法。通过分析，以砂轮速度vs、工件速度vw和磨削深度ap为输入，以切向磨削力Ft和法向磨削力Fn作为网络输出，选定网络的层数、隐含层神经元个数、训练函数、传递函数等内容，建立预测磨削力的BP神经网络模型。然后比较不同网络模型，来确定最优的预测模型。

简介：对电力客户的信用进行分析评估对于供电企业将电力输送给可靠的电力用户、提高企业经济效益具有重要意义。在分析影响电力客户信用影响因素的基础上,构建了电力客户信用评价指标体系,将遗传算法和神经网络原理引入电力客户信用评价领域,提出了基于遗传算法和神经网络的电力客户信用评价模型。实证结果表明：模型具有较强的自组织、自学习和自适应能力,模型评估结果比较客观合理。

简介：摘要本文提出一种基于相似日和改进BP神经网络的光伏发电预测模型，将相似日的历史逐时发电量、温度和湿度以及预测日温度和湿度的预报信息作为改进BP神经网络输入对预测日直接预测，效果良好，值得参考。

简介：摘要：在供电公司负荷预测中，企业用户的电力需求预测精确度对整个地区的负荷预测至关重要，能使负荷预测更加细化、精确化，从而利于电能供给平衡。然而近年来，人工智能方法用于用电需求的预测上，仍存在网络参数容易陷入局部最优的问题。基于此，以璧山城区646户高压企业客户，连续23个月的用电量为数据源，对其进行数据挖掘、聚类分析、预测，根据不同企业用电习惯及特点，挖掘数据特征向量，基于RBF人工神经网络建企业日用电量的预测模型，并与BP神经网络企业日用电量预测模型进行对比测试，基于RBF神经网络算法的企业日用电量模型精确度高达90%。

简介：摘要本文提出一种基于相似日和改进BP神经网络的光伏发电预测模型，将相似日的历史逐时发电量、温度和湿度以及预测日温度和湿度的预报信息作为改进BP神经网络输入对预测日直接预测，效果良好，值得参考。

简介：摘要利用传统的单端电压、电流电气量进行故障测距时，容易受到过渡电阻的影响而导致测量距离不精确。本文以小波变换为基础，将传统的单端电气量与反向传播（BP）神经网络算法相结合，提出了一种用于故障测距的新方法，通过大量的仿真验证表明，该方法能够适应各种环境的要求，且精度高，具有一定的实用价值。

简介：摘要随着我国经济的快速发展，社会在不断的进步，针对风力发电并网时所产生的电流冲击与波动过大的问题，文中基于其运行特性与控制原理，提出了一种基于神经网络的风力发电并网控制技术。该技术结合了BP神经网络与PID控制，使得控制器能够对转子电流进行控制，具有独立于被控对象的优点。加之双馈发电机，因而可以实现空载数学模型的并网控制。通过与传统控制技术比较可知，文中所提出的技术算法简单、响应速度快且精度高，能较好地控制电网电压波动，具有一定的有效性。

简介：BP神经网络是故障诊断领域运用最为广泛的一种方法。针对BP神经网络隐含层单元数难以确定的问题，对现有以经验公式确定隐层单元数的方法进行对比分析，提出一种在经验公式基础上改进的方法，并通过风力发电机齿轮箱故障诊断实例验证。结果表明，该方法能有效地加快寻找最优隐层单元数的速度。

简介：摘要近年来风能已成为全球最重要的清洁型能源，风电场输出功率的预测也越发的成为了世界关注的焦点。但对于预测方法的研发目前还不够完善，仅仅依靠天气数值预报的预测是不够的。因此本文提出了神经网络模式下的风力发电机输出功率预测，并对风力发电机输出功率预测模型的建模过程进行了全面的阐述。经实验结果得出以下结论即在神经网络模式下，以风能作为动能的风力发电机，其输出功率的预测准确度非常高，具有可行性和有效性。

简介：提出了基于神经网络的被测量重构方法;针对神经网络中误差反向传播算法收敛速度慢的问题对目标函数等三方面进行了改进,将改进的多层前向网络、误差反向传播算法用于被测量重构。在实际的测量系统中,进行了仿真研究,结果表明,神经网络用于被测量重构,方法是可行的;解决了重构之前建立数学模型问题和多影响量情况下的被测量重构问题。

简介：摘要本文针对人工缺陷识别的缺点，提出了基于深度学习的输电设备缺陷识别方法，使用卷积神经网络进行图片的特征提取，避免了前期复杂繁琐的图片预处理，与此同时选用了ImageNet作为分类器进行缺陷判断。该方法经过实验验证，对常见的设备缺陷有较高的识别率，提高了输电线路巡检的自动化水平，降低了人工的劳动强度，便于快速准确的发现输电线路缺陷。

简介：本文研究BP神经网络PID控制算法在PLC中的具体实现方法。着重介绍了BP神经网络自整定PID控制系统结构和算法;以S7-1200PLC为控制器,采用SCL语言进行了BP神经网络自整定PID控制算法功能块的设计,给出了功能块参数的说明;试验表明,相比常规PID控制,BP神经网络自整定PID控制能获得更好的控制效果,设计的算法功能块具有一定的通用性和可移植性,为先进控制算法拓展到工程实际领域提供了应用参考。

简介：异步电动机控制系统是一个较难的工程问题。由于交流电动机机械系统具有非线性动态特性，以及交流电动机的某些状态变量无法测量，这些问题都使系统控制问题变得复杂。另外温度发生变化时，转子电阻发生很大变化，这又是一个控制系统难以克服的问题。使用神经网络的自适应控制技术来实现感应电动机的控制问题，第一种是单输入-单输出（SISO）系统，控制器使用静态多层感知器神经网络（MLP神经网络）；第二种是多输入-多输出（MIMO）系统，控制器使用递归神经网络为动态控制系统方案。本文重点讨论MIMO系统。

简介：摘要智能输电网是人工智能神经网络的典型应用。其采用数据层、通信层、应用层网络结构，采用开放式的数据网络平台。交叉学科的服务商在数据网络平台进行应用层数据发掘与实现，为用户提供相互独立的产品，实现可持续的数据挖掘与应用。