简介：摘要物联网与灰色神经网络应用于智能电网是信息通信技术发展到一定阶段的必然结果,利用物联网技术将有效整合智能电网系统基础设施资源,提出对智能电网物联网应用架构.

简介：摘要在Matlab平台下，设计了一种基于神经网络的风机振动故障在线自诊断系统。对风力发电机组中的核心部件主轴和齿轮箱进行故障诊断，根据主轴和齿轮箱振动信号故障特征，通过小波变换方法对振动信号进行分频处理，有效提取不同故障下各频段能量的故障特征；再将提取的能量故障特征输入至训练好的BP神经网络诊断系统中进行识别，实现故障的智能诊断。通过试验证明了该方法的有效性。

简介：

简介：本文针对现有砌体结构可靠度评价方法的不足之处，从实际工程角度出发，提出了用于建筑物可靠度模糊综合评定的神经网络方法，讨论了该网络各层的物理意义及各系数的取值方法，并给出了实际工程算例。

简介：摘要：本文使用了一种新型的神经网络结构(树突神经网络),对斜拉桥施工过程中使用的前支点挂篮,在受到到斜拉索索力和环境温度影响下的结构响应进行了分析,并得到了基于神经网络程序，得出输出值的预测结果。

简介：通过研究视频汉字识别问题，提出了关于视频中汉字跟踪及分割算法。首先，提取视频样本特征，采用K均值算法进行聚类作为第1次分类，之后，采用多个BP（backpropagation）神经网络进一步细分一次分类后的结果作为二次分类。最后，对以上算法进行了实验验证，结果证明这些算法是有效的，多层分类器较单一的BP神经网络分类器识别率更高。

简介：针对小电流接地系统,本文提出了一种利用BP神经网络对行波法和暂态主频法进行融合的选线方法。该方法提取各出线初始电流行波零模分量的幅值、极性以及暂态主频的幅值、相位,利用神经网络进行融合实现故障线路的选取。该方法先利用仿真软件ATP建立仿真模型,分别对各条线路设置不同故障距离、不同过渡电阻以及不同故障初相角进行仿真,得到训练样本和测试数据,然后利用训练样本对BP神经网络模型进行训练,最后利用测试数据进行故障选线验证。仿真证明本文提出的方法能够实现小电流接地系统的选线。

简介：针对人工神经网络的课程特点,提出将前沿科技引入教学内容,基于兴趣与任务驱动开发一系列课程案例,对教学内容和教学方式进行课程改革。介绍在实验教学环节基于倒立摆系统开发出的一系列实验案例。

简介：摘要灰色预测是一种运算简便、易于检验的数学预测模型方法，而神经网络依靠系统的复杂程度，通过调整内部大量节点之间相互连接的关系，从而达到处理信息的目的。本文通过将两种模型有机的结合，很好的完成了对成都市近年来的城市道路交通噪声进行的预测工作，可以为城市道路交通建设等相关工作提供一定的指导。

简介：针对传统模型参考自适应控制存在的鲁棒性问题和神经网络结构庞大因而计算量膨胀的问题。提出了一种变结构神经网络L1自适应控制方法，其中变结构神经网络用于在线辨识系统存在的未知非线性函数，该网络通过对节点进行唤醒与催眠以动态调节结构，以最少的节点数进行有效的逼近，降低计算复杂度；L1自适应控制用于网络权值学习与系统非线性补偿，反馈回路中设有一个低通滤波器，只要满足L1增益条件，就能确保系统的输入输出信号的瞬态响应和稳态跟踪性能与一个期望的线性时不变系统的响应保持一致。通过对四旋翼飞行器进行仿真，验证了该方法的有效性。

简介：影响煤与瓦斯突出的因素众多，应用神经网络进行预测时，选取突出预测指标是关键。基于经验和所谓“多多益善”原则的选择方法都有一定的不合理、不科学性。笔者应用灰色关联分析筛选突出预测指标，结合神经网络建模进行突出预测，使突出预测指标的选择由定性分析转化为定量分析，实现了灰色理论同神经网络在煤与瓦斯突出预测领域内的结合。经过实例验证，本方法是可行的。

简介：摘要随着我国科技不断创新，我国有了翻天覆地的变化，电力行业也有了新的提高，电力负荷预测作为电力企业调度工作的重要组成部分，其预测的好坏将直接决定电力供电服务的质量。但传统的神经网络属于静态网络，而电力负荷属于时间序列，随着时间的变化而不断更新。

简介：在丝绸等织物生产过程中,经常会出现织物产生非正常花纹的缺陷。目前对织物缺陷的检测主要是通过人工肉眼判别,该方法花费时间长、人工成本高,会给企业带来较大的经济负担。本文通过使用BP和SAE两种神经网络对织物进行缺陷检测,并判断是何种缺陷:首先介绍了使用BP神经网络对大量样本训练并保存,得到最佳权值,从而实现对于图像的缺陷检测和分类;训练样本通过SAE深度神经网络训练得到重构图像,再不断微调参数,获得最佳的权重数值,运用滤波器过滤噪声,最终得到结果。通过大量的实验,结果表明两种方法对织物缺陷检测均具有非常良好的效果,充分证明了深度神经网络在工业生产织物过程中运用的可行性。

简介：摘要本文针对神经网络的具体特点，分析讨论了其特征以及其信息处理的特点，同时，将经济管理在建筑过程所遇到的问题一一指出，对神经网络与建筑经济管理之间是否能互相结合做出假设，探讨其可行性。除此之外，对神经网络在建筑经济管理中所应用的领域也有所研究。

简介：多传感器数据融合是无线传感器网络中一个经常需要解决的问题.该研究运用BP神经网络设计了一个数据融合方法,探讨了其工作原理和实施步骤,并基于MATLAB平台的BP神经网络工具集和WSN原始数据进行了模型训练和验证.结果表明,BP神经网络数据融合模型具有良好的决定系数和RMSE值,具有一定的实用性.

简介：建立用以评价地球大气健康度的模型,选择AQI作为健康度的指标,采用双层网络的形式构建模型。局部网络采用经粒子群算法优化的神经网络,而全局连接通过特定传播函数定义的反馈边将节点连接起来,并以上一年的结果作为输入,本年的结果作为输出,建立起一个自治系统。从拟合效果、关键节点和节点关系变化等几个方面测试了网络的性状。选择日本、印度、匈牙利等几个典型国家在1985—2008年的相关数据进行研究。结果表明,模型具备功能上的完备性和极好的灵活性,与历史事实符合得很好,可以为决策者提供有价值的支持信息。

简介：摘要红外测温是变电站日常重要工作之一。怎样掌控设备在测温周期里温度变化情况，是我们运行人员具备的能力之一，而设备温度受多方面因素的影响，且温度曲线呈非线性，而径向基函数神经网络不受非线性模型的限制。本文就是采用径向基函数（RBF）神经网络实现对设备温度的预测。

简介：目的建立口岸鼠密度变化的动态模拟径向基函数神经网络模型,分析预测效果。方法监测鼠密度,分析鼠密度与气象因子相关性,运用多元回归方程分析气象因子对鼠密度的影响,建立鼠密度变化的动态模拟径向基函数神经网络模型,分析模型的准确性。结果建立的模型的训练准确率为91.34%,检验准确率为91.17%,测试准确率为89.03%,平均准确率为90.51%。模型认为自变量的重要性排序依次为月均最低气温、月均相对湿度、日照、降水量。结论径向基函数神经网络技术能够较好地应用到鼠密度动态预测工作中,为口岸鼠类防控提供了科学依据。

简介：摘要电气设备的故障诊断对于提高生产效率具有十分重要的意义。然而，随着设备内部复杂度的不断提高，故障诊断也成为一项越来越难的工作。因此，基于概率神经网络的高压断路器故障诊断具有重要的意义。本文首先对概率神经网络理论进行了概述，详细探讨了基于概率神经网络的高压断路器故障诊断，旨在使高压断路器始终保持最佳运行状态。

简介：通过分析象征价值的影响因素,建立基于BP神经网络的象征价值指标体系,利用MATLAB工具进行数据仿真以及实例应用。结果表明,构建基于BP神经网络的象征价值体系,为企业成功塑造产品的象征价值,进而提升竞争力有参考意义。