简介：本文对神经网络的基本原理和应用进行了深入浅出的阐述,首先说明为何引进神经网络,然后讲述神经网络的基本原理和当前有关神经网络的前沿技术,其后对神经网络的应用情况进行了介绍,最后对神经网络有待解决的问题进行了简要说明.

简介：用计算机集成智能技术进行负荷预测的遗传算法是在综合人工神经网络（ANN）和遗传算法（GA）的基础上形成的,这种模型在ANN和GA的基础上可以对未来24h负荷做出短期预测.利用遗传算法可以求得最佳负荷和偏差,仿真结果表明这种方法是有效的.

简介：本文针对标准BP算法的不足给出了改进算法——ScaledConjugateGradient（SCG算法），利用Matlab语言编制了BP网络的应用实例仿真程序。结果表明SCG算法的学习收敛速度大大地优于标准BP算法。

简介：摘要：从神经网络算法客体判断标准出发，列举了实践中容易判断是否属于专利法保护客体的情形；并结合实际的案例， 探讨了在算法中不包含特定应用领域时，如何判断神经网络发明是否属于专利法保护客体。

简介：神经网络由于其非线性处理能力强。性能稳定等特点得到了广泛应用和研究。主要应用于模式识别、信号处理、知识工程、专家系统、优化组合、机器人控制等。神经网络中使用最为广泛的就是前馈神经网络。其网络权值学习算法中影响最大的就是误差反向传播算法(back-propagation简称BP算法)BP算法存在局部极小点。收敛速度慢等缺点。基于优化理论的Levenberg-Marquardt算法忽略了二阶项。该文讨论当误差不为零或者不为线性函数即二阶项S(W)不能忽略时的Hesse矩阵的近似计算，进而训练网络。

简介：根据典型TCSC的补偿原理和结构提出一种基于线路无功电流控制的补偿方法，即当线路发生变化时，通过TCSC的调节保持其无功电流稳定，从而提高线路的输电能力和运行稳定性。针对TCSC现有控制方法中不能有效处理系统的非线性问题，采用先进的基于DSP处理器的神经网络算法，根据实际误差利用LM算法和DFP算法结合来完成，并给出了可靠的算法流程。

简介：本文通过对人工神经网络的基本概念特点发展等加以介绍,使读者能对作为当今尖端科技的人工神经网络技术有一定的了解与认识。

简介：在传统神经网络的基础上,引入小波函数而构成的小波神经网络具有极强的函数映射能力,在图像压缩领域有着较多应用.为了进一步提高图像的压缩质量,引入了遗传算法对传统小波神经网络算法进行改进,在对小波基平移和伸缩参数系数进行寻优时,将其作为种群初始化,经过选择、交叉和变异,获得最佳染色体,最后将最佳染色体转化成对应的权值、伸缩系数和平移系数从而进行小波神经网络映射.实验结果表明,改进后的小波神经网络图像压缩方法相较传统小波神经网络法,均方误差分别降低了14.8%和16.7%,图像信噪比分别提高了9.15%和7.11%,图像压缩质量有了较大提高.

简介：人工神经网络是人工智能的重要分支，自其创始伊始便成为了人工智能领域的研究热点。本文从人工神经网络的发展历史开始，介绍了其在医学，信息，控制等方面的应用及其现状，对其中的优缺点进行了简要的分析。并对人工神经网络未来的发展作简要的展望。

简介：本文阐述了人工神经网络的生物基础、定义、模型及神经网络计算机与传统计算机的主要区别，并重点阐述了人工神经网络在控制中的应用。

简介：BP算法是人工神经网络的传统常用训练算法。遗传算法是一种新型的、随机性的、全局性的优化方法。基于MATLAB对比这两种训练方法的异同和优缺点，从而达到神经网络的最优化训练，充分发挥神经网络的作用。

简介：讨论了一类递归神经网络算法的稳定性问题。给出了增广的Lyapunov-Krasovskii泛函,考虑了更多激活函数的信息。在Lyapunov-Krasovskii导函数中引入了自由权矩阵,降低了保守性,同时结合凸组合理论,处理了时变时滞,得到了以线性矩阵不等式形式的稳定性判定准则,此判定准则易于验证和推广。数值例子和仿真验证了文中方法的可行性。

简介：摘要本文针对车牌字符识别问题进行研究。在设计过程中，分别训练了三个BP神经网络来对数字，字母和汉字进行识别，并得出结论。在识别过程中，需对图像进行预处理来降低神经网络训练的复杂度。由于是针对单个字符进行识别，对图像进行手动分割后，图像会由于缩放、裁剪等原因而产生噪声，因此在图像去噪方面，采用中值滤波。在图像字符识别中，选择了BP神经网络的方法来进行识别，与其他方法相比，该网络不仅有较强的鲁棒性，还具有较强的自学习能力。该系统的开发环境为MATLAB，能够直接调用神经网络工具箱，使设计过程降低了难度。

简介：针对传统应用于CIFIR-10数据集的基于tensor-flow神经网络算法需要对数据集进行人为预处理、容易过拟合和准确率低等缺点,改变特征维度和加入卷积层CNN以提升迭代速率,通过dropout、权重衰减和L2正则化方法改善过拟合问题,并使用梯度下降法对神经网络模型进行优化,得到了收敛速率局部波动,但准确率、迭代效率都有较好的结果,为神经网络的设计提供了理论参考。

简介：摘要：随着大数据时代的来临，复杂系统的模式识别问题变得越来越重要。BP神经网络作为一种重要的机器学习算法，已经在许多领域中得到了广泛的应用。本文主要研究基于BP神经网络的复杂系统模式识别算法，通过构建具有多层隐藏层的神经网络，实现复杂系统的模式分类和预测。实验结果表明，基于BP神经网络的模式识别算法具有良好的分类和预测性能。

简介：兵棋推演作为预测和控制现代战争的利器，正逐渐被各国重视。本文利用人工神经网络能并行处理信息和学习的特点，从理论层面研究了如何将其应用于兵棋推演实现辅助决策，使兵棋系统能自主完成方案制定、预案分析、胜率分析、结果裁定等一系列工作，达成精简指挥系统、快速决策的目的。该研究对于推动兵棋推演的发展具有一定的现实和战略意义。

简介：人工神经网络技术现已成为近年来的热点研究领域，由于神经网络具有很强的自学习性、自组织性、容错性、高度非线性、高的鲁棒性、联想记忆功能和推理意识功能等，能够实现目前基于计算理论层次上的模式识别理论所无法完成的模式信息处理工作。本文介绍了采用人工神经网络进行模式识别的方法，并给出了应用实例。

简介：面部的特征点准确定位对于表情识别和面部动画合成等应用具有重要的意义。随着网络时代自拍的盛行，人们对于实际应用场景中不同光照，角度和遮挡条件下的准确特征点定位提出了更高的要求。本文设计了一种基于级联的深度卷积神经网络的面部特征点定位算法，在初步特征点识别的基础上利用级联网络进行回归优化拟合，从而达到了精确定位的效果。

简介：基于改进的模糊神经网络算法进行微互动平台设计,调整模糊神经系统网络的结构和参数以建立信息搜索引擎模型,生成时间序列来提取校园的数据信息,提取结果作为设计微互动平台的基础,由此可以使慕课平台给用户提供个性化的服务,提高用户浏览的有效性和便利性。

简介：BP神经网络是一种按误差逆传播算法训练的多层前馈网络，其与遗传算法的结合可以得到一种拥有良好的全局优化搜索和局部时频特性的学习训练途径。针对BP网络的不足，提出了一种基于改进遗传算法的BP神经网络控制器，此方法可以克服基本遗传算法收敛速度慢，容易陷入“早熟”收敛，计算稳定性不好等一系列问题，进一步提高了BP神经网络控制器的性能。最后通过对轧制力模型的预报仿真，证明了控制器的有效性。