简介：摘要院本文主要通过建立Lyapunov函数在T-S模糊控制系统中的应用得到控制系统全局指数稳定性判据，得到同时具有多时滞或者时滞对时间变化的模糊控制系统的反馈控制器设计准则，并利用M矩阵确保该系统存在稳定周期解。

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：

简介：

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：古人云“以史为鉴”,说的是吸取历史的经验教训,对未来的情况做出预判或者改变。生活中,亦是存在相似的利用历史数据对未来变化趋势进行预测分析的时间序列问题。本文就时间序列一类的问题进行研究,探讨如何更好地根据历史统计数据,对未来的变化趋势进行预测分析。本文基于神经网络,以气象观测历史数据作为研究的对象,建立了气温变化时序预测模型。本模型利用大数据相关技术对数据进行特征处理,通过深度神经网络,学习特征数据和标签数据之间复杂的非线性关系,从而实现对气温变化的趋势预测。实验结果表明,相较其他模型,本文的模型能够更好地进行时序预测,同时也证明了神经网络用于气象预测的可行性。

简介：摘要基于BP模型的神经网络是一种用于前向多层神经网络的反传学习算法，目前为止应用最为广泛且最重要的一种训练前向神经网络的学习算法。本文详细介绍BP算法原理并剖析其性能不足的几个方面，简要介绍优化算法，对模型未来的发展方向进行展望。

简介：摘要混凝土抗压强度是保证混凝土工程质量最重要的检验指标，然而混凝土抗压强度的检验评定通常是在浇筑后28d进行的，即使试验结果不能满足规定强度，混凝土强度也不能提高。因此混凝土抗压强度早期预测具有重要研究意义。本文应用神经网络技术建立了混凝土强度预测模型，并将预测结果与实验室测试结果进行对比较。研究表明神经网络在预测混凝土的抗压强度方面有较高的精确度，将该技术应用于混凝土配合比设计，有助于保证混凝土工程质量。

简介：阐述了人工神经网络模型的基本原理，建立了混凝土强度人工神经网络预测模型，通过试验证实了该模型的可靠性。

简介：本文根据神经网络的基本原理，利用实测数据建立了用于大断面隧道收敛变形预测的BP神经网络模型。基于神经网络的预测模型具有预测精度高，使用方便灵活，适合于复杂系统的特点，是解决隧道变形预测问题的一种崭新途径。

简介：利用BP神经网络局部搜索快速性、自适应及自学习的优点，设计了基于BP神经网络的危机预警模型，突破传统的危机预警模式，有效克服了当前危机预警机制中缺乏智能化自我学习等缺陷，为研究智能化公共危机预警提供了一条可行的有效途径。

简介：摘要：深度学习和人工智能已成为我国当下的热门讨论话题，卷积神经网络模型作为深度学习模型中具有代表性的模型之一受到了许多研究者的关注。本文在介绍卷积神经网络模型发展历程的基础上，探讨了卷积神经网络模型在目标检测、语义分割以及自然语言处理方面的应用，以期能为该领域的研究者选择模型时提供参考。

简介：针对传统交通控制与诱导模型及算法的不足，提出了具有中心协调系统（CCOS）的交通控制与诱导协同模型。利用数据融合技术将历史数据的短时交通预测、交通事件检测结果以及实时交通流数据设计面向交通动态的信息融合，并采用神经网络技术构建基于神经网络的交通控制诱导协同模型，同时对模型的参数进行了确定。。通过典型的路网进行仿真实验和对比分析，实验验证了该模型具有可行性和有效性。

简介：以某大坝沉降监测数据为例，利用Matlab软件的BP神经网络工具箱进行建模分析和预测。结果表明，滚动BP神经网络算法能较好地应用于大坝沉降数据的预测，具有良好的应用前景。

简介：针对径流量长期变化的因果关系复杂特性,常规的中长期水文预报模型又很难满足精度要求,提出了基于BP神经网络的来水量预测模型。结合实际径流数据,验证了模型的预报精度,可用来进行中长期水文预报。

简介：BP算法是人工神经网络研究的一个常用方法,但从本质上说是属于局部寻优法,容易陷入局部极小点,且存在着学习速度与精度之间的矛盾;遗传算法是一种全局优化算法,具有并行计算能力.本文采用遗传算法来训练前向神经网络,建立一个基于遗传算法和BP算法的神经网络预测模型.试验结果表明它是一个成功较高的预测模型.

简介：精确的轧制模型是保证过程自动化系统高效、安全和稳定运行的前提。摩擦模型作为20辊轧机自适应轧制模型的子模型之一，是其重要的组成部分。本文就基于BP神经网络的摩擦模型的建立过程进行了详细的分析和阐述，为以后的生产维护工作打下良好的基础。

简介：研究了Hammerstein模型的辨识问题,并考虑了多输入多输出(MIMO)情况.提出一种混合神经网络辨识模型,该模型由一个多层前馈神经网络(MFNN)与一个线性神经网络(LNN)串联而成.给出了一个反向传播(BP)算法同步训练该混合神经网络的权值和阈值.仿真结果表明了该方法的有效性.

简介：规避道德风险的关键在于正确的授信,即根据客户的资质确定借贷金额,基于此,本文建立了基于信用评级的道德风险规避模型,根据客户的信用等级来进行消费金融借贷。在客户画像体系的建立中,数据中客户量极大,无法一一描述每一个客户的特征,本文通过筛选指标建立了合理的客户价值评估模型,并进行了仿真验证。