分享到:

基于语义神经网络的深层语义的计算

语义神经网络是一种将符号主义与联结主义两者相结合在一起来实现自然语言理解的新思想方法。它打破了传统的线性理解模式,模拟人脑的语言处理机制,把自然语言的表层语义理解过程看成是语言单位在人脑中激活相应的神经元并建立语义神经网络的过程。语义神经网络的深层语义计算则是被激活的神经元继续使用嵌入其中的深层语义知识,通过彼此通讯和内部计算来完成的处理。在整个语义神经网络上深层语义计算的结果就是自然语言理解的结果。如能实现这一思想,其意义是不言而喻的。目前我们的工作有了部分的进展,在文献[1]中给出了构思和模型,文献[28]对语义神经网络的整体模型、神经元的设计和表层语义的分析过程进行了全面的研究,并且还做了部分句型的试验,结果显示用语义神经网络进行汉语表层理解是基本可行的。基于表层语义理解的工作,我们继续进行深层语义计算的研究,真正意义上的实现语义神经网络的自然语言理解。在本文中我们完善了语义神经网络神经元的模型和结构的设计,并描述了汉语表  (本文共98页) 本文目录 | 阅读全文>>

《计算机工程与科学》2007年01期
计算机工程与科学

语义神经网络与自然语言深层语义的计算

本文依照语义神经网络、语义神经元及其上深层语义计算的形式化定义,基于深层语义计算需要分布式并行处理的特点,提...  (本文共4页) 阅读全文>>

东南大学
东南大学

基于数据挖掘的前向型神经网络在交通流时序预测中的应用

目前,数据挖掘这个名词是一个非常热门的话题,无论在科研领域还是在应用领域,数据挖掘的都代表着一种时尚。数据挖掘之所以这么炙手可热,首先得益于它能够给我们带来实在的价值,而且这种价值的得来也并不是那么的困难。其次数据挖掘在各个领域内的发展也并不平衡,关于数据挖掘,有些领域的研究非常少;有些领域内的研究比较多,但是与应用的联系不紧密;而且在为数不少的领域内,数据挖掘的应用研究甚至走在了学术研究的前面。由此种种原因,使得数据挖掘在各个领域内都有很大的发展空间,理论与实践创新相对比较容易。当一种新技术既具有很大的使用价值,又比较容易发展的时候,它的快速繁荣也就非常可以理解了。随着数据挖掘在各个领域内的展开,各种数据挖掘技术开始向深层次发展,其中比较有特色的新数据挖掘技术就是神经网络技术。神经网络技术是一种起源于仿生的技术,神经网络的构建目前尚未有比较成熟的理论来指导,一般只是用试探寻优的方法来实现,但是关于神经网络的学习训练则有比较成熟...  (本文共76页) 本文目录 | 阅读全文>>

北京化工大学
北京化工大学

工业控制系统神经网络故障诊断方法研究

基于神经网络的故障诊断是智能故障诊断理论与技术的一个重要研究方向。论文在对目前主要的神经网络诊断方法进行研究的基础上,将系统的故障诊断分为检测级故障诊断和系统级故障诊断两类来进行处理。利用系统的冗余信息,提出了基于D-S证据理论对集成神经网络的输出进行融合的方法。该方法将每个神经网络看作一个证据,对神经网络的输出在时间域、空间域上进行融合,从而提高诊断的准确率,而且可以在神经网络和模糊神经网络之间融合,并进行仿真,表明了它的可行性。论文还针对故障诊断中神经网络算法的缺点,研究了将遗传算法应用于网络权值优化的问题,提出了一种改进型GA-ANN算法。该算法将BP算法和遗传算法有机地结合在一起,吸取了二者的优点,具有较快的收敛速度和全局寻优的特点。论文通过将该算法与改进的BP算法、GA算法、普通GA-ANN算法比较,仿真结果表明该算法优于BP算法和普通GA-ANN以及GA算法。  (本文共75页) 本文目录 | 阅读全文>>

哈尔滨工程大学
哈尔滨工程大学

基于神经网络的结构损伤识别

对工程结构的损伤识别、定位及估计是近年来十分流行的研究课题,结构损伤检测技术已被广泛应用于航天、土木、机械和核工业中,是一门建立在损伤机理、传感器技术、信号分析技术、计算机技术及人工智能技术之上的多学科综合性技术。相对于传统的结构损伤检测方法,本论文主要对基于神经网络的结构损伤检测技术理论与应用进行研究。本文通过理论分析了,适合结构损伤位置和损伤程度识别的组合参数法,(此组合参数是由固有频率的变化信息和少数选定点的模态分量合成的向量。)在此理论的基础上,分别对一个框架结构和一个悬臂梁结构进行了损伤数值模拟,同时采取合适的方法构造改进型BP神经网络的输入参数,应用训练后的神经网络对结构进行损伤检测。本论文的主要工作有下面几个内容:首先,通过对神经网络的工作原理进行分析,得出在理论上它能够对结构的损伤进行识别。其次,结构的振动特性(固有频率、模态参数等)是结构物理参数(质量、刚度)的函数,即结构振动特性的变化是由结构物理参数的变化引...  (本文共78页) 本文目录 | 阅读全文>>

河海大学
河海大学

基于神经网络的模拟电路故障诊断专家系统研究

随着电子工业的迅速发展,模拟电路故障诊断技术的重要性越来越明显,它对于电子设备和系统的正常运行及可靠性设计均具有重要的意义。在传统的诊断技术和理论方法的基础上,本课题以雷达电源为研究对象,就专家系统和BP神经网络方法应用于模拟电路故障诊断作了深入的研究。本文首先综述了模拟电路故障诊断的发展、现状以及存在的问题,介绍了BP神经网络的模型结构及学习机制,对故障诊断系统所采用的BP网络存在收敛速度慢的问题,以及多种改进的BP算法进行了分析和研究,对收敛速度进行了比较,其中启发式学习算法中的弹性BP法和数值优化算法中的Levenberg-Marquardt法,能有效地解决这一问题。给出了用神经网络分解法解决模拟电路多故障问题。在理论研究和分析的基础上,利用神经网络的高度模式识别能力,设计出了基于神经网络的故障诊断专家系统,包括诊断知识的表示、获取和推理。用Matlab和Pspice这两个计算机仿真软件验证了本文所有提出的故障诊断方法的正...  (本文共83页) 本文目录 | 阅读全文>>

河北大学
河北大学

基于神经网络延迟系统控制研究

滞后环节在工业生产过程中普遍存在,大时滞的存在严重影响了系统的稳定性,导致系统的超调量变大,调节时间大大加长,甚至引起系统闭环的不稳定或根本无法对系统进行有效的控制。50年代末以来先后出现了很多关于大时滞过程的控制方法,但很难在工业中得以真正应用。由于神经网络具有非线性逼近能力、自学习和自适应能力等优点,本文将其应用于滞后系统的控制研究中。本文在大时滞过程的控制方面提出了以下一些控制方法,具体如下:基于PID神经网络的优点,将PID神经网络控制用于延迟系统控制中,并将遗传算法和BP算法相结合用于PID神经网络的权值修正,避免了BP算法有可能陷入局部极值和遗传算法精度低的缺陷,该方法设计简单,对于一般工业生产中控制品质要求不是很高的时滞系统控制可以得到令人满意的结果;将神经网络与Smith预估控制相结合,设计了基于神经网络的Smith预估控制,即用RBF神经网络来辨识被控对象的数学模型,并用BP神经网络在线调整PID控制器的参数,...  (本文共73页) 本文目录 | 阅读全文>>