2013年第23卷目录
6/2013
[1] Li Liu、Xiwei Chen、Dashi Luo、Yonggang Lu、Guandong Xu、Ming Liu:HSC: 结合层次方法的谱聚类算法,499-521。
第一页 全文 内政部:10.14311/NNW.2013.23.031
文摘:大多数传统的聚类算法在聚类方面表现不佳 比凸球面样本空间更复杂的结构。 在过去 近年来,人们提出了几种谱聚类算法来进行任意聚类 在各种实际应用中塑造数据。 然而,光谱聚类依赖于 每个集群在一定程度上大致分离的数据集。 如果簇在非凸区域内有一个明显的拐点 在空间上,光谱聚类算法会错误地将一个聚类识别为 成为不同的集群。 在本文中,我们提出了一种新的光谱聚类算法 称为HSC与层次方法相结合,消除了缺点 不使用噪声的误导信息进行谱聚类 相邻数据点。 应用简单的聚类过程来消除 误导性信息,因此HSC算法可以对这两个凸点进行聚类 形状数据和任意形状数据更高效、更准确。 这个 在合成数据集和实际数据集上的实验表明,HSC的性能优于 其他流行的聚类算法。 此外,我们观察到HSC 也可以用于估计簇的数量。
[2] Chiroma H.、Abdulkareem S.、Abubakar A.、Joda Usman M.: 计算智能 2001年原油价格预测技术应用文献综述- 2012, 523-551.
第一页 全文 内政部:10.14311/NNW.2013.23.032
摘要:本文试图综述计算的应用 预测十年原油价格的智能技术。 本研究的目的是对现有的 可能有助于未来研究人员的文献。 回顾的文献包括 关于拟议模型、实验数据来源的一系列出版物, 数据收集期、出版年份和作者。 总体趋势 在过去十年内发表的这一研究领域的出版物中 演说。 对现有研究主体进行了分析,并进行了新的研究 已经列出了以前被忽略的方向。 预计 因此,可以鼓励全球的研究人员重新引导他们的注意力 和资源,以便继续寻找最佳解决方案。
[3] Sabri Kaya、Kerim Guney、Celal Yildiz、Mustafa土库曼: 开放支撑共面波导合成的ANFIS模型,553-569。
第一页 全文 内政部:10.14311/NNW.2013.23.033
文摘:基于自适应网络模糊的简单精确模型 计算开放式支架物理尺寸的推理系统(ANFIS) 提出了共面波导。 ANFIS是一类自适应网络 它们在功能上等价于模糊推理系统。 四个优化 算法、混合学习、模拟退火、最小二乘和遗传算法 用于优化确定ANFIS的设计参数。 当表演 对ANFIS模型进行了比较,得出了最佳结果 从混合学习算法训练的ANFIS模型中获得。 这个 ANFIS的结果与保角映射技术的结果进行了比较, 严格的谱域混合模式分析,改进的谱 域方法、综合公式、全波电磁模拟器 IE3D,并在本研究中实现了实验工作。
[4] Ming-Fu Hsu、Ping-Feng Pai、Wei-Shih Chung: 关联向量机与粗糙集理论模型在新经济企业生命周期分析中的应用,571-586。
第一页 全文 内政部:10.14311/NNW.2013.23.034
摘要:次贷危机和随后的金融海啸 提出了对财务风险管理和评估的相当关注。 这个 在拥有大型经济体的新经济公司(NEF)中最为明显 目标和沉重的研发费用,例如电子行业的公司。 使用 电子行业的极端增长潜力和卓越盈利能力 台湾一直是金融股市场的焦点。 最近,相关性 据报道,向量机(RVM)的计算量要少得多 复杂度比支持向量机(SVM)模型高,因为它使用更少的核 功能。 另一种新兴技术是粗糙集理论(RST),它推导出 数据中的规则。 基于企业生命周期理论(CLC),本研究开发了 使用粗糙集理论的相关向量机(RVMRS)预测 公司处于衰退阶段的状态。 为了证明 在设计的RVMRS模型中,研究使用了来自电子行业的数据 台湾经济期刊数据库、台湾证券交易所和证券 和台湾期货研究所。 实验结果表明 RVMRS模型可以很好地预测企业生命周期中的衰退阶段 准确性,并为投资者、经理、银行家和监管机构制定规则 让他们做出适当的判断。 此外,本研究证明 透明度和信息披露指数(TDI)对于预测 公司的财务衰退。
[5] Kisi O.、Aytek A.: 悬浮泥沙负荷估算中的显式神经网络,587-607。
第一页 全文 内政部:10.14311/NNW.2013.23.035
文摘:正确估计河流输沙量非常重要 许多水资源项目。 传统上,人工神经网络 (ANN)被用作黑盒模型,而不了解内部发生了什么 盒子。 问题是,任何可能不熟悉ANN的人如何能够 将这种模型应用于任何其他研究,而模型尚未制定。 本文提出了一种显式神经网络(ENN)公式,即 简单,甚至不熟悉ANN的任何人都可以使用它进行建模 日悬移质泥沙排泄关系。 每日流量和 使用了蒙大拿州舌河两个站的悬浮泥沙数据 作为案例研究。 两种不同的泥沙定额曲线(SRC),多元回归 (MLR)和非线性回归(NLR)也适用于相同的数据。 这个 ENN估计值与SRC、MLR和NLR模型的估计值进行了比较。 这个 均方根误差(RMSE)、平均绝对误差(MAE)、相关系数 (R) 和模型效率(E)统计用于评估性能 模型的。 比较结果表明,所建议的模型具有 优于传统的SRC、MLR和NLR。
[6] SchejbalováZ.、Mièunek T.、Schmidt D.: 儿童行人/骑自行车者与乘用车碰撞时假人反应的生物力学分析,609-622。
第一页 全文 内政部:10.14311/NNW.2013.23.036
文摘:行人和骑自行车的人在交通中的安全尤其合理 在预防方面。 本文讨论了载荷的生物力学分析 施加在行人和骑自行车的孩子身上。 对于骑自行车的人,影响 根据统计输出选择配置(突然输入 道路或不让路情况; 汽车前部与左侧 自行车手)。 在相同的配置和标称碰撞下进行了两次测试 速度,第一个带自行车头盔,第二个不带头盔。 行人的初始位置是相对于 自由。 在假人头部、胸部、骨盆和膝盖处使用加速计 检测到的加速度场是行人和骑自行车的儿童暴露的加速度场 在主要和次要碰撞期间。 此外,预测诊断 讨论了方法的实现,如脆弱性的一种可能解决方案 减少道路使用者的伤害。 总之,结果由值来解释 生物力学负荷和潜在损伤的严重程度,包括运动损伤和 动态比较。
[7] 目录第23卷(2013),623-625。 [8] 作者索引第23卷(2013),627-629。
5/2013
[1] Garcia-Laencina P.J.、Roca-Gonzalez J.L.、Bueno-Respo A.、J-L.Sancho-Gomez: 利用基于神经网络集成的多样性 关于极限学习机器,395-409
第一页 全文 内政部:10.14311/NNW.2013.23.024
极限学习机(ELM)是一种新兴的训练方法 具有极快速度的单隐层前馈神经网络 训练速度快,易于实现,泛化性能好。 这个 这项工作提出了利用多样性组合ELM的有效集成程序。 大量ELM最初在三种不同的场景中接受培训: 原始特征输入空间,前向选择获得的特征子集 以及不同的随机特征子集。 构建ELM的最佳组合 根据训练模型和无用网络的精确排名 被丢弃。 几个回归问题的实验结果表明 利用多样性的稳健集成方法可以有效改善 与标准ELM算法和其他最新ELM算法相比的性能 扩展名。
[2] Jagric T.、Zunko M.: 神经网络世界:优化螺旋球面SOM(OSS-SOM),411-426
第一页 全文 DOI:10.14311/NNW.2013.23.025
边界效应是问题之一,它可能出现在 自组织映射(SOM)的应用。 不同的解决方案在 文学,但每一种都有其缺点。 在本文中,我们提出了一个新的 克服边界效应优化的螺旋-球面SOM的方法。 我们 还表明不规则度的标准测量方法不合适 修正版高斯不规则度测量。 我们的模拟表明 相比之下,SOM的新变体获得了极低的不规则值 其他方法。 在论文的最后,我们为 提出的方法。
[3] TylováL.、Kukal J.、Vy¹ata O.: 阿尔茨海默病诊断中预测误差的频谱分析,427-434
第一页 全文 内政部:10.14311/NNW.2013.23.026
新方法基于非线性一步预测器,即 设计为MLP神经网络。它是一种低通非线性滤波器。 这个 原始脑电图和人工神经网络输出之间的差异是频带谱的主题 分析。 阿尔茨海默病患者和 对照组患者有统计学意义。
[4] Oladipupo O.O.、Uwadia O.C.、Ayo K.C.、Abraham A.、Sná¹el V.: 基于规则的专家系统的模糊挖掘方法 医学领域的笨拙,435-450
第一页 全文 内政部:10.14311/NNW.2013.23.027
多年来,基于规则的专家系统面临的挑战之一是 用更少的资源开发紧凑一致的知识库的可能性 与应用程序域相关的规则数量,以便增强 专家系统的可理解性。 本文中,模糊的混合 规则挖掘兴趣度和模糊专家系统被开发为 解决中笨重和维护复杂问题的方法 基于规则的专家系统。 这消极地增加了知识库空间 复杂性和降低规则访问率,这会影响系统响应时间。 收件人 验证这一概念,使用冠心病风险比测定 作为案例研究。 规则数较少的模糊专家系统的结果 为了进行比较,提出了具有大量规则的模糊专家系统。 此外,还研究了模糊语言变量风险比的影响。 这个 使专家系统推荐更接近人类感知。
[5] Jióina M.,Jiöina M.小: 带有遗传选择算法和克隆的GMDH方法,451-464
第一页 全文 内政部:10.14311/NNW.2013.23.028
GMDH MIA算法使用线性回归进行自适应。 我们 表明这里不满足Gauss-Markov条件,因此网络的估计 参数有偏差。 为了消除这种情况,我们建议使用神经元克隆 具有遗传选择和克隆(GMC)的GMDH网络中的参数 GMDH),其性能优于其他强大的方法。 在任务中演示 来自机器学习库。
[6] Garlík B.、köivan M.: 使用进化算法优化智能 建筑物供电,465-481
第一页 全文 DOI:10.14311/NNW.2013.23.029
本文提出了一个机组组合优化问题 可再生能源分布在由智能复合体构成的微网格中 办公楼和住宅楼,包括范围广泛 便利设施。 我们使用 模拟退火启发式优化技术。 实验是 在专门的计算机程序中处理。 为了进行比较 本文将拉格朗日乘子优化方法描述为传统的 替代使用的启发式技术。 概念描述 智能建筑见附录B。
[7] Bayram B.、Acar U.、Koca H.K.、Narin B.、Cavdaroglu G.C.、Celik L.、Cubuk R.: 一种有效的肿瘤自动检测算法 人工神经增强乳腺MRI 网络(NEUBREA),483-498
第一页 全文 内政部:10.14311/NNW.2013.23.030
图像处理技术的进步有助于解释 医学图像和早期诊断。 此外,可以进行各种研究 在专门研究人工神经网络(ANN)的医学期刊上发现。 在 本研究开发了一种学习和检测良性和恶性肿瘤的方法 对比增强乳腺磁共振成像(MRI)中的肿瘤类型。 采用反向传播算法作为神经网络学习算法。 这个 算法(NEUBREA)是用C#编程语言通过Fast开发的 人工神经网络库(FANN)。 经放射科医生诊断,恶性肿瘤7例,恶性肿瘤8例 以良性肿瘤和3例正常人作为训练集。 结果是 对放射科医生诊断的34例患者进行了测试。 比较之后 在结果中,算法的总准确率为92%。
4/2013
编辑,285 >
[1] 斯维特克M.: 量子子系统连接,287-298。
第一页 全文 DOI:10.14311/NNW.2013.23.018
论文介绍了量子信息学的结果,其中有两个或更多 量子子系统相互连接。 用于建模量子 子系统量子准自旋是最重要的参数。 我们推导出 量子准自旋的逻辑要求条件 波概率函数分配到量子子系统。 带着尊重 根据这些结果,我们可以定义具有整数准自旋信息的信息玻色子 半整数准自旋费米子和三重信息夸克 准自旋。 该方法可以推广到准自旋的其他变体。
[2] ©tefka D.,Holeóa M.版权所有: 动态分级系统中分级控制措施的性能,299-320。
第一页 全文 DOI:10.14311/NNW.2013.23.019
分类器组合是一种常用的改进分类的技术 质量。 可以进一步改进常用的分类器组合方法 通过使用适应当前的动态分类置信度 分类模式。 然而,对于动态分类器系统 信心指标需要在更广泛的背景下进行研究,因为我们 本文表明,整个分类器团队的共识程度起到了 过程中的关键角色。 我们讨论了应该保持良好状态的属性 置信度,我们定义了两种方法来预测 为给定的分类器团队和给定的数据指定分类置信度。 在6个人工基准数据集和20个真实基准数据集上的实验结果表明 对于这两种方法 测量的可行性和分类精度的实际提高 整个分类器系统; 因此,这两种可行性措施都可以用于 实际应用中选择最佳分类置信度。
[3] 普罗科普·L·、米查克·S·、斯纳·埃尔·V·、柏拉图·J·、克罗默·P·: 光伏发电厂输出预测模型的监督学习,321-338。
第一页 全文 内政部:10.14311/NNW.2013.23.020
本文介绍了进化模糊规则在 真实世界光伏发电厂输出功率的建模与预测 (PVPP)。 将该方法与人工神经网络和支持向量进行了比较 也用于构建预测因子以分析时间序列的回归 描述PVPP生产的类似数据。 PVPP的模型如下 使用不同的监督机器学习方法创建,以便预测 对发电厂的短期出力进行了预测,并比较了预测的准确性。
[4] 马克霍瓦德: 模糊情况下实验的熵和互信息,339-350。
第一页 全文 DOI:10.14311/NNW.2013.23.021
在我之前的论文([18],[19])中,模糊划分的熵 已定义。 模糊划分熵的概念用于定义 模糊动力系统的熵及模糊遍历理论的提出 动力系统([19],[20])。 在本文中,使用我之前的相关结果 模糊划分的熵&模糊平均互信息的度量 分区已定义。 证明了该测度的一些性质。 它是 证明了模糊划分的熵可以看作是 他们的相互信息。 我们得到了熵的次可加性和可加性 模糊划分是这些属性的简单结果。 建议 只要需要知道信息量,就可以应用度量 我们通过实验实现得到的结果是模糊事件。
[5] Khalaj G.、Pouraliakbar H.、Mamaghani K.R.、Khalaq M.-J.: 模拟热处理、化学 管线钢成分和贝氏体分数的测定 人工神经网络,351-368。
第一页 全文 内政部:10.14311/NNW.2013.23.022
在本研究中,连续冷却的贝氏体分数 采用人工神经网络对高强度低合金钢进行了建模。 这个 人工神经网络模型由16个输入参数构成,包括 化学成分(C、Mn、Nb、Mo、Ti、N、Cu、P、S、Si、Al、V)、溶液中的Nb, 奥氏体化温度、初始奥氏体晶粒尺寸和冷却速度 相变发生的温度范围。 的值 输出层为贝氏体部分。 根据中的输入参数 前馈-反向传播算法,对构建的网络进行训练, 经过验证和测试。 为决定培训流程的完成, 声明了两种终止状态:状态1(ANN-I模型)表示 当过程达到最大历元时,神经网络训练结束 (1000),而状态2(ANN-II模型)表示训练在最短时间结束 得到了网络的误差范数。 ANN-II模型的整体统计评价 具有比ANN-I更高的性能。然而,这两个模型都显示 有价值的结果和整个统计值表明,提出的ANN-I 和ANN-II模型经过适当训练,可以预测贝氏体分数值 非常接近实验结果。
[6] Mu-Yen Chen、Min-Hsuan Fan、Young-Long Chen、Hui-Mei Wei: 神经网络参数优化实验设计 对于股票市场的时间序列预测,369-393。
第一页 全文 内政部:10.14311/NNW.2013.23.023
人工神经网络(ANN)模型多年来一直用于 研究股票价格预测有三个原因。 首先,它有更高的 实证研究中的预测准确率。 其次,它不受 具有正态分布样本的假设。 第三,它可以处理 非线性问题。 然而,预测的准确性取决于参数 神经网络的设置以及问题的复杂性和 神经网络结构; 分析结果可能会更加显著 通过选择最佳参数和网络结构。 目前, 作为一种设置参数的方法,大多数研究人员采用了试错法 方法。 然而,这种方法非常耗时且劳动密集,而且 可能不会产生最佳参数。 因此,本研究利用了 用于参数优化的反向传播神经网络(BPNN) 通过构建股价预测模型,应用设计 将实验计划系统化的实验(DOE),以及主要方法 效应分析和相互作用分析。 该研究使用了两组财务数据集 台湾股市50家蓝筹股公司和40家上市公司的比率 以纽约证券交易所的美国银行为实验样本。 研究 结果表明,相关预测、均方根误差(RMSE)、, 和计算时间,可以有效提高股票价格的准确性 预测,优于传统统计方法和传统神经网络 网络模型。
3/2013
[1] Maheshkumar Y.、Ravi V.、Abraham A.(印度、美国): 粒子群优化-无约束优化的阈值接受混合算法,191-221。
第一页 全文 内政部:10.14311/NNW.2013.23.013
本文提出了一种新的混合元启发式算法 将阈值接受算法(TA)与传统粒子相结合 群优化(PSO)算法。 我们用TA作为加速的催化剂 粒子群优化算法向上收敛到最优解。 在这款混合动力车中 在PSO每次迭代结束时,以概率方式调用TA以优化 在寻找解决方案的竞赛中滞后的最差粒子 迭代。 因此,最坏的粒子将在下一个粒子中被细化 迭代。 所提出的方法的稳健性已经在34上进行了测试 无约束优化问题取自文献。 提议的 混合型在功能评估方面表现出优越的偏好 以及30次模拟的成功率。
[2] Škrinárová J.,Huraj L.,Siládi V.(斯洛伐克共和国): 使用PSO任务调度对计算网格资源进行分类的神经树模型,223-241。
第一页 全文 内政部:10.14311/NNW.2013.23.014
本文提出了一种具有概率神经元的神经树结构模型。 这些树是 用于对大量计算机网格资源进行分类。 使用第一棵树 用于数据集硬件部分的分类。 第二棵树对软件标识符的模式进行分类。 树的实现成功地将输入分为九类资源。 我们建议 计算机网格中任务调度的粒子群优化模型 在无使用和有使用的六个系列实验中创建makespan时间表和时间 神经树。 在使用神经树的实验中,我们获得了合适的计算子集 资源。 其目的是将大量任务有效映射到特定资源。 在实验的基础上,我们可以说即使在 中小批量任务。 [3] 王磊、刘神泉、曾燕军(中国): 二室模型神经元放电模式的多样性: 使用内部时间延迟作为自变量,243-254。
第一页 全文 内政部:10.14311/NNW.2013.23.015
神经系统中单个神经元的放电特性 被认为是由其内在离子通道动力学和 外部突触输入。 以前的研究表明树突 结构在体细胞放电的调节中发挥着重要作用 神经元的行为。 通过这些研究,我们发现有限的 树突和胞体之间的信息传输延迟也会影响 神经元的体细胞放电。 我们的调查基于 能够近似再现射击活动的两舱模型 皮层锥体神经元。 仿真结果表明: 在阈下刺激下,由 大的时间延迟值,而对于阈上刺激,常规 在不同条件下可以观察到爆裂、混沌放电和快速尖峰放电 时间延迟。 更重要的是,这些不同的 延迟变化的点火模式显示出周期加倍 一定刺激强度下的现象。 因此,我们的模型结果 不仅可以说明内部时间延迟在 生成了多样的神经元放电模式,也为我们提供了 使用框架调查内部时间延迟对 神经系统中许多其他神经元的放电特性。
[4] Peyghami M.R.、Khanduzi R.(伊朗): 带有混合禁忌搜索算法的新型MLP神经网络,255-270。
第一页 全文 内政部:10.14311/NNW.2013.23.016
本文提出了一种新的全局快速多层膜 可用于预测的感知器神经网络(MLP-NN) 汽车价格。 如今,基于梯度的技术, 例如反向传播,广泛用于训练神经 网络。 这些技术具有局部收敛结果, 因此,当 预测缺乏样本。 另一方面,全球搜索 禁忌搜索(TS)等算法的搜索速度很低 汇聚。 在这些事实的推动下 提出了训练MLP-NN的混合算法。 在我们的新 框架,将TS的扩展版本与一些 构建本地技术是为了训练连接的 网络权重。建议的TS扩展版本 该方案包括一个简单的TS和增强 和多样化的搜索方法,以及本地搜索方法 基于Nelder-Mead(NM)的直接战略或 Levenberg-Marquardt(LM)技术。 这种杂交使我们 拥有一个全球快速培训的网络,以便在一些 预测问题。 展示 我们提出的新网络,我们将新方案应用于预测 伊朗科德罗公司的汽车价格是最大的 伊朗汽车制造商。 相比之下,结果很有希望 当我们应用TS和其他一些预测时 技术。 我们还将结果与案例进行了比较 当我们使用基于梯度的优化技术时,例如 LM和全局搜索方法,如遗传算法(GA)和 MLP-NN与GA的混合。
[5] Garlík B.,Křivan M.(捷克共和国): 基于聚类分析的用电量类型日图识别 多维数据的神经网络,271-283。
第一页 全文 内政部:10.14311/NNW.2013.23.017
本文建立了一个数学描述 自组织神经网络用于聚类分析 其有效性抽样作为类型识别的一个示例 复杂智能电能消耗日图 微电网内的建筑物,即典型工作日和 根据其年度历史休假一天。 上述类型的日程表 可用于预测功耗。 该方法在 聚类分析常用程序的上下文。 实验 在计算机程序Artint© 2010中进行处理。
2/2013
[1] 编辑,79。
[2] Langer M.,KelemenováA.(捷克共和国): 定位生态语法系统和类型为081-91的纯语法。
第一页 全文 内政部:10.14311/NNW.2013.23.006
在本文中,我们扩展了[5]中给出的结果,其中我们比较了 具有纯调节上下文无关语法的PEG系统 (见[3])。 我们将展示由 类型0的纯语法是语言家族的一个适当的子类 由定位的生态语法系统生成。 我们提供了一种如何协调的方法 PEG系统中具有单侧上下文的代理的并行行为,以便 在由单个规则确定的0类型纯语法中模拟派生步骤 它用另一个字符串替换任意长的字符串。 相关结果 有关PEG系统和纯语言的信息,请参阅[6]。
[3] Tuček P.,Janoška Z.(捷克共和国): 分形维数作为城市增长动态的描述,93-102。
第一页 全文 内政部:10.14311/NNW.2013.23.007
本文的目的是考察奥洛穆克市城市形态的发展 自20世纪20年代以来,在分形维数方面,并将观察结果与另外两个形状-面积描述符联系起来 和周长。 利用 箱数法; 讨论了它们在城市规划中的解释和使用的可能性。 城市增长过程 对其分形性进行了观察,并对该方法的前景进行了讨论。 面积和 推导了其分形维数。
[4] Balara D.、Timko J.、Žilkov和#225 J.(斯洛伐克共和国): 神经网络模型在非线性动态系统参数辨识中的应用,103-116。
第一页 全文 内政部:10.14311/NNW.2013.23.008
一种非线性参数识别方法 动态系统,例如考虑饱和效应的感应电动机 帐户,是本文所介绍的。 具有结构的自适应标识符 类似于系统模型进行辨识。 此标识符可以 作为一种特殊的神经网络,因此其自适应是基于 关于神经网络中众所周知的梯度下降法和反向传播 网络理论。 电磁子系统的参数由 估计器自适应后的突触权重值。 在考虑测量噪声的情况下进行了模拟测试 量。 电气情况下识别参数的偏差 该系统的参数高达实际值的1%。 的参数 非线性磁化曲线的偏差高达6% 实际值。 标识符能够跟踪转子的突然变化 阻力、负载扭矩和惯性矩。
[5] Khalaj G.、Nazari A.、Pouraliakbar H.(伊朗): 用人工神经网络预测微合金钢的马氏体分数,117-130。
第一页 全文 DOI:10.14311/NNW.2013.23.009
管线管中的最终微观结构和由此产生的机械性能 钢主要由奥氏体分解决定 热机械和焊接工艺后的冷却。 本文介绍了 一些研究成果与开发新的 基于人工神经网络的马氏体预测方法 五种微合金化钢中相成分的比例 持续冷却后。 模型中的自变量为 化学成分、铌条件、奥氏体化温度、初始 奥氏体晶粒度和冷却速度 发生相变。 为了建造这些 模型,从文献中收集了104个不同的实验数据。 根据前馈反向传播算法中的输入参数, 对构建的网络进行了训练、验证和测试。 在这个模型中, 人工神经网络的训练和测试结果表明 预测化学成分和 微合金钢相变的热处理。
[6] Martinovič J.、Slaninová K.、Vojáček L.、DráždilováP.、Dvorský J.、。, Vondrák I.(捷克共和国): 基于SOM的高维稀疏数据的有效聚类算法,131-147。
第一页 全文 内政部:10.14311/NNW.2013.23.010 随着分析大型数据源的机会越来越多,我们注意到在数据挖掘中缺乏有效的处理 处理高维大型稀疏数据集的任务。 这项工作的重点是这个问题和有效的集群 使用人工智能模型。 本文作者提出了一种有效的聚类算法来利用神经网络的特性,并且 尤其是自组织映射(SOM)。 计算问题 通过使用标准SOM算法的并行化来解决复杂性。 作者重点关注了 使用适合于具有一定稀疏度的数据收集的版本来加速所提出的算法。 通过改进获胜神经元发现阶段和权重实现阶段来实现有效加速。 这里给出的输出证明了标准SOM算法的足够加速 同时保持适当的准确性。
[7] Anitha J.、Jude Hemanth D.(印度): 基于Kohonen模糊神经网络的高效异常视网膜图像分类系统,149-167。
第一页 全文 内政部:10.14311/NNW.2013.23.011
人工神经网络(ANN)是首选的主要自动化人工智能系统 用于医疗应用。 尽管ANN具有多种优势 在实际应用中,人工神经网络的收敛性并不总是得到保证的 应用程序。 这通常会导致局部极小问题,最终 产生不准确的结果。 这种收敛问题在ANN和 尤其是在采用无监督训练的Kohonen神经网络中 方法论。 在这项工作中,一种高效的Kohonen模糊神经网络(EKFN) 旨在消除传统方法的迭代依赖性 系统。 该混合自动化系统的适用性如所示 视网膜图像中病理学识别的背景。 这种疾病 识别系统包括解剖结构分割 视网膜图像,然后进行图像分类。 绩效指标 使用的是准确性、敏感性、特异性、阳性预测值和 正似然比。 实验结果显示了良好的可能性 混合动力系统的性能测量。
[8] 陈磊、耿洋、张颖洲、王传东、杨震(中国): 渐近稳定多值多对多联想记忆神经网络及其在图像检索中的应用,169-189。
第一页 全文 内政部:10.14311/NNW.2013.23.012
作为一种重要的人工神经网络,联想 记忆模型可以用来模仿人类的思维和机器 智慧。 在本文中,首先,一个多值多对多高斯 联想记忆模型(M 三 GAM)是通过引入 高斯单向联想记忆模型(GUAM)和高斯 双向联想记忆模型(GBAM)到Hattori{等人}的多模块 联想记忆模型 2 ). 其次,M 三 GAM的 在同步和 异步更新模式,确保存储的模式成为 M(M) 三 GAM的稳定点。 第三,通过替换一般相似性 以M表示的负平方欧氏距离的度量 三 GAM、 广义多值多对多高斯联想记忆模型 (克 三 GAM),这使得M 三 GAM成为其特色 案例。 最后,我们研究了M 三 GAM在中的应用 基于联想的图像检索及计算机仿真结果 验证M 三 GAM的稳健性能。
1/2013
[1] 编辑,1-2。
[2] Poláková R.,Tvrdík J.(捷克共和国): 自适应差分进化的组合方法,3-15。
第一页 全文 内政部:10.14311/NNW.2013.23.001
本文研究了差分进化算法中的自适应机制。 DE是一种简单有效的随机算法,常用于求解真实世界 全局优化问题。 算法的效率对设置其 控制参数。 最近出现了几种自适应方法,以避免 控制参数调谐。 在中提出了一种新的差分进化自适应变体 本研究。 它是基于两者的结合 之前发布的自适应方法。 新算法在众所周知的集合上进行了测试 2005年CEC2005年特别会议在四个人口水平上制定的基准问题 将其尺寸和性能与设计中应用的自适应变体进行了比较 新算法。 新的自适应DE变量在几个测试问题上优于其他变量,但其效率 平均来说,情况并没有好转。
[3] Bujok P.(捷克共和国): 自适应差分进化算法中的同步和异步迁移,17-30。
第一页 全文 内政部:10.14311/NNW.2013.23.002
同步和异步迁移对自适应性能的影响 研究了差分进化算法。 六种自适应差分进化变体 采用a~star拓扑的并行迁移模型。 同步和异步 实验比较了不同参数设置下的偏移模型与非平行偏移模型 六个维度移位基准问题的自适应算法 D类 = 30. 三种不同的方式 交换个体应用于具有固定数量岛屿的同步岛屿模型。 在异步孤岛模型中建立了三个不同数量的子种群。 这个 并行同步和异步迁移模型可以提高大多数问题的性能。
[4] Sosík P.,Patón A.,Ciencialová L.(捷克共和国): 尖峰神经P系统中的多项式时限计算,31-48。
第一页 全文 内政部:10.14311/NNW.2013.23.003
本文介绍了一个研究计算能力的形式化框架 脉冲神经(SN)P系统。 我们定义了一致的复杂性类 有输入和无输入的识别器SN P系统系列,在某种程度上 是P系统理论的标准。 然后我们研究结果的性质 复杂性类,扩展了SN P系统上的先前结果。 我们证明 汇合SN P系统的几种变体的计算能力 多项式时间限制,其特征是 P(P) 到 PSPACE公司 .
[5] Lensuchová J.(斯洛伐克共和国): 使用Autocoplas测试MSW类型的非线性,49-60。
第一页 全文 内政部:10.14311/NNW.2013.23.004
受Rakonczai等人[8]的启发,我们使用autocoplas进行测试 针对Markov开关类型的非线性和剩余非线性的线性。 他们应用这种自抽样方法来测试AR-ARCH模型中的异方差。 给定一个严格平稳的时间序列 Y(Y) t吨 ,一个 k个 -滞后自种群是一个二元联合 随机向量的分布函数( Y(Y) t吨 ,Y t-k公司 ). 我们的贡献是 扩展思路,针对Markov开关型非线性测试线性 以及保持非线性[5,6],以避免经典的耗时测试。
[6] Stoklasa J.、Jandov和#225 V.、Tala和#353ov(捷克共和国): Saaty的AHP一致性较差——评估捷克艺术学院的创作成果,61-77。
第一页 全文 内政部:10.14311/NNW.2013.23.005
AHP中使用的Saaty偏好强度矩阵的完全一致性实际上是 对于要比较的大量对象,无法实现。 有很多程序和方法 在描述如何评估Saaty矩阵是否 “足够一致”。 在这些情况下,一致性是针对已定义的矩阵进行测量的 (即事后)。 在本文中,我们提出了一个程序,确保可接受的水平 将实现有关偏好的专家信息的一致性。 建议的方法 基于将输入Saaty矩阵的过程分为两个步骤。 首先,订购 通过两两比较确定被比较对象的重要性 方法。 第二,根据 它们的排序(由第一步产生)。 本文中Saaty矩阵的弱一致性是 定义,在输入偏好强度的过程中易于检查。 几个 本文证明了关于弱一致Saaty矩阵性质的命题。 我们在一个示例中表明,弱一致性是Saaty的一个非常自然的要求 对于某些被认为“足够一致”的矩阵,没有实现偏好强度矩阵 根据文献中公布的标准。 模型中使用了设定萨蒂偏好强度矩阵的建议方法 确定特定类别艺术作品的分数,这是 目前正在捷克共和国开发的艺术成果登记册(RUV)。 注册处 包含来自捷克艺术学院和学院创意活动的艺术作品数据。 根据这些机构取得的总分,一部分国家预算补贴正在 分配给他们。