用MTF-QNN模型预测水中溶解氧含量

研究水中溶解氧含量的预测问题,可为水厂生产、水产养殖业、地表水环境的管理提供科学依据。影响水中溶解氧的各因素关系复杂,很难进行数学建模,神经网络由于具有较强的非线性问题处理能力而被广泛应用于水中溶解氧的预测研究。由于传统神经网络具有陷入局部极小、收敛速度慢并且网络冗余度较大等缺陷,为提高网络的正确预测能力和泛化能力,采用多层激励函数(modulation transfer function,简称MTF)与量子神经网络(quantum neural network,简称QNN)相结合建立水中溶解氧预测模型,但若用神经网络作为前馈型网络,它的沿梯度下降的算法会使其在进行网络训练时有可能陷入局部极小,针对这一缺陷,提出一种可以使量子神经网络逃离局部极小点的算法,并将它应用到量子神经网络中进行网络误差调整。仿真结果表明,与传统BP(back propagation)神经网络预测结果相比,采用多层激励函数的量子神经网络(modulation transfer function-quantum neural network,简称MTF-QNN)预测水中溶解氧含量的预测精度更高。     

一种改进的多种群量子遗传算法

针对常规量子遗传算法(Quantum genetic algorithm,QGA)在求解连续函数优化问题时容易陷入局部极值,提出了一种改进的多种群量子遗传算法(Improved multi-population quantum genetic algorithm,IMPQGA).该算法将初始化种群划分成N个子种群,每个子种群按不同的量子旋转门策略更新,然后相互交换子种群最优个体,同时在算法进化中引入一种新的量子旋转门,随进化代数增加动态地调整染色体个体进化方向,使算法及时跳出局部最优,避免早熟收敛.仿真结果表明,该算法相比常规量子遗传算法和多种群遗传算法(Multi-population quantum genetic algorithm,MPQGA)具有更好的优化性能.     

一种新的量子行为衍生布谷鸟搜索算法

为提高布谷鸟搜索算法的优化能力,从研究布谷鸟算法的实现机制入手,提出一种量子行为衍生布谷鸟算法.算法中的鸟窝位置采用Bloch球面描述的量子比特编码,个体更新采用Bloch球面上的绕轴旋转方式,引入莱维飞行随机走动控制绕轴旋转角度大小,搜索范围限定到Bloch上半球,最后根据种群退化程度建立自适应发现概率.函数极值优化...     

基于碳量子点荧光恢复检测牛奶中多巴胺残留

[目的]本文旨在建立一种牛奶中兽药残留检测方法。[方法]选用常见粮食小麦、大米、玉米作为碳源,用水热法合成一种新型荧光探针。利用碳量子点与铁离子结合荧光猝灭,向猝灭体系中加入盐酸多巴胺,碳量子点荧光强度恢复的机理,在λex=365nm、λem=440nm处检测碳量子点荧光强度,通过观察碳量子点的荧光强度变化定量分析牛奶中的盐酸多巴胺含量。[结果]盐酸多巴胺在1～110μmol·L~(-1)浓度范围内与碳量子点荧光强度变化呈线性关系,检出限为0.3μmol·L~(-1),牛奶中的回收率为82.38%～104.2%,相对标准偏差为1.09%～2.01%。[结论]运用碳量子点荧光信号"开-关-开"原理实现对牛奶中兽药盐酸多巴胺的快速、高灵敏度检测,建立了一种新的痕量物质检测方法。     

基于遗传多层前馈神经网络的大豆脂肪酸含量近红外光谱检测

文章提出了一种利用遗传多层前馈神经网络建立数学模型的方法,建立起化学测定值与近红外光谱数据之间的定量关系。把得到的近红外光谱数据作为网络的输入,把用化学法测定的5种脂肪酸含量作为网络的输出,再利用遗传算法训练多层前馈神经网络的权值,建立大豆脂肪酸的神经网络检测模型,探索出一种能够准确、高效地完成近红外光谱检测的神经网络模型,文中设计了一种用遗传算法训练的多层前馈神经网络。通过试验证明,用遗传算法优化人工神经网络的权重,获得高于单纯用人工神经网络训练的结果。大豆5种脂肪酸的相关系数都可达到0.9左右,能够满足大豆育种的初步检测。     

基于量子神经网络和组合特征参数的玉米叶部病害识别

【目的】探索一种基于量子神经网络和组合特征参数的玉米叶部病害识别方法,以提高玉米叶部病害识别的准确率和效率。【方法】应用K_means硬聚类算法对玉米叶部病害图像进行彩色图像分割,得到彩色分割图像,分别利用提升小波变换和灰度共生矩阵从彩色分割图像中提取颜色和纹理特征参数,利用多重分形分析从灰度图像中提取病害的形状特征参数。【结果】根据提取的组合特征参数,利用量子神经网络进行玉米病害分类识别,对玉米灰斑病、玉米普通锈病和玉米小斑病的识别率分别达到92．5％、97．5％和92．5％,高于误差反向传播神经网络法的识别率（分别为90．0％、90．0％和92．5％）。【结论】设计的方法可用于玉米叶部病害识别,并为其他农作物病害的智能识别提供借鉴。     

GA-BP优化TS模糊神经网络水质监测与评价系统预测模型的应用——以太湖为例

针对水质监测与评价系统在太湖应用过程中水质数据和水质等级评价不准确的问题,建立了一种多隐含层改进型GA-BP神经网络来辨识复杂的水质模型,以均方误差MSE作为个体适应度,并在权值调整过程中加入动量因子来加快收敛速度,获取最优权阈值,提高其拟合程度和泛化能力.根据校准后水质的pH、溶解氧、浊度和氨氮数据,利用TS模糊神经网络建立了适用于当地水质评价的模型.仿真测试结果充分说明改进型GA-BP优化TS模糊神经网络对复杂水质模型的拟合程度更高,水质数据的均方误差、绝对误差更小,绝对误差保持在1.5%以内,水质等级预测精度提高14.28%.     

基于BP神经网络的成熟棉桃识别研究

在成熟棉桃识别过程中,提出一种采用BP神经网络实现棉桃识别的方法。利用图像处理的方法,分析并获得棉桃、棉叶的面积、主轴、长度和宽度4个变量,通过归一化处理,作为神经网络的输入变量,通过调节神经网络的参数值对神经网络进行优化训练,利用训练后的网络就可以对处理后的棉桃进行识别。实验结果表明,训练后的神经网络能够以较高精度进行棉桃的识别。     

基于超立方体的多目标量子行走搜索算法

提出了可以解决多目标搜索的量子行走算法。量子行走是一种通用的量子计算工具,理论上可以实现任意量子算法。当前提出的基于量子行走的无结构数据库搜索算法只能进行单目标搜索。多目标搜索是一种更常见的问题。为了求解多目标搜索算法,基于超立方体上量子行走框架提出了新的硬币算子,通过对目标节点入边的幅度扩大,增加测量到目标节点的概率,最终解决了多目标搜索问题。最后证明了算法的查询复杂度为O(N/M)。     

模糊神经网络模型参考自适应控制及其应用

提出一种模糊神经网络的自适应控制方案，给出了一种模糊神经网络模型和快速的优化学习算法（ＦＬＡ），通过网络的在线自学习不断修正模糊神经网络控制器的隶属函数和权值，实现了模糊逻辑规则的自动更新，经仿真结果和倒立摆控制表明，这类自适应控制具有良好的控制性能。     

多项式基函数神经网络模型

从函数逼近理论出发，用一组正交基函数作为三层前向神经网络各隐含单元的输出特性，以其加权和作为网络的非线性输出，构成一种单输入单输出正交基函数神经网络模型。建立了多输入的多项式基函数神经网络，并给出了非线性静态特性拟合，ＸＯＲ特性和动态特性拟合计算机仿真结果。     

基于神经网络逆复合控制器的MDF施胶系统的控制设计

根据神经网络逆控制原理,提出了一种新的中密度纤维板(MDF)施胶系统控制器设计方法。将MDF施胶系统作为被控对象,利用静态神经网络和若干积分器组成的动态神经网络构造出被控系统的逆系统,该逆系统与被控系统串接在一起所组成的系统是伪线性的。通过将PID控制器与神经网络逆系统结合在一起,构建出神经网络逆复合控制器。仿真结果表明:神经网络逆复合控制器能使系统获得优良的跟踪性和抗干扰能力,可以很好地实现对MDF施胶系统的控制目的。     

航空发动机磨损故障的智能融合诊断

运用了4种最常用的滑油分析技术——铁谱分析、光谱分析、颗粒计数分析及理化指标分析，同时结合发动机试车台监测数据，提出了运用神经网络和D—S证据理论对发动机试车状态进行融合诊断的方法。首先依据各种分析方法的标准磨损界限值，将原始数据进行了预处理，转换成故障征兆的布尔值；其次，建立了各子神经网络的拓扑结构。并依据专家经验建立各子系统的输入征兆与故障论域的映射关系，由此获得了各子神经网络的训练样本，对各网络成功训练后。利用神经网络实现各子网络的诊断并得到了中间诊断结果；然后，将每种方法的神经网络诊断结果作为各故障模式的基本概率分配值，利用改进的D—S证据理论。实现了对神经网络诊断结果的融合，由此获得了最终的融合诊断结果，最后，通过算例证明了该方法的有效性。     

改进量子遗传算法在多峰值函数寻优中的应用

针对标准量子遗传算法（QGA）在寻找多峰值最优时存在局部寻优能力较差和易早熟的缺陷,提出一种改进量子遗传算法（QQGA）,运用基于概率划分的小生境协同进化策略初始化量子种群,并采用动态量子旋转角调整策略来加快收敛速度;加入量子移民和保优选择策略,提高规划效率,避免陷入局部最优。利用复杂二元函数测试改进量子遗传算法,结果比标准量子遗传算法效率高。     

量子人工鱼群算法

为提高人工鱼群算法的搜索能力和优化效率并避免早熟收敛,将量子进化算法融合到人工鱼群算法中,提出一种求解连续空间的新的量子人工鱼群优化算法。该方法直接采用量子位的相位对人工鱼进行编码,采用人工鱼的进化方程实现人工鱼群上相位的更新,采用Pauli-Z门实现人工鱼的变异。仿真结果表明,该方法的搜索能力和优化效率明显优于基本人工鱼群算法。     

刺托竹荪菌盖碳量子点的制备及其抑菌性研究

【目的】利用废旧生物质资源制备量子点并增加细菌病害防治的资源。【方法】以刺托竹荪菌盖采用水热法合成碳量子点,并用透射电镜扫描、红外光谱、XRD和荧光分析对碳量子点进行表征。选取青枯雷尔氏菌Ralstonia solanacearum和地毯草黄单胞菌Xanthomonas axonopodis作为供试菌种,采用抑菌圈法对碳量子点的抑菌性能进行研究。【结果】该方法制得的碳量子点近似球形,粒径均匀,分散性好。其发射波长依赖于激发波长,在紫外灯的照射下,出现明亮的蓝色荧光。碳量子点对青枯雷尔氏菌和地毯草黄单胞菌均有明显的抑菌作用。【结论】获得了一种可用于防治植物细菌病害的量子点。     

改进PSO神经网络的白水苹果树腐烂病预测

准确预测苹果树腐烂病的流行程度,可以科学合理地预防苹果树腐烂病。利用陕西白水县的气象历史数据,将其提取主成分后作为预测因子,采用粒子群(PSO)神经网络建立苹果树腐烂病预测模型。与传统BP神经网络相比,改进PSO神经网络预测结果更接近于实际值,同时避免陷入局部极小的缺点,达到了很好的预测效果。可见,该方法用于预测苹果树腐烂病远优于BP算法,可作为一种新方法预测苹果树腐烂病。     

基于Sagnac环的环型量子密钥网络

目的 讨论了中国量子密钥网络的发展状况,设计一种新的量子网络拓扑结构,以避免传统量子系统中Mach-Zehnder干涉仪在波动等方面存在的缺陷。方法 采用Sagnac环代替Geneva组使用的法拉第镜（Faraday Mirror）,在环型拓扑结构中使用三对一的链接结构。结果 在传统点对点量子密钥分发协议的基础上,对比星型量子加密网络,提出了基于Sagnac环的环型量子密钥网络方案。结论 此结构稳定性好,拓展灵活,且节约成本。     

基于VGG-16卷积神经网络的水稻害虫智能识别研究

为了实现自然场景下水稻害虫实时精准被识别,构建基于VGG-16卷积神经网络的水稻害虫智能识别模型。该模型采用VGG-16卷积神经网络为核心网络结构,根据水稻害虫的个体特征和自然场景,对VGG-16网络的卷积层局部调整,优化主要模型参数,实现水稻害虫的智能识别,其识别的平均准确率是90.7%,实现对沙叶蝉、大螟、斑须蝽、点蜂缘蝽和白背飞虱的准确识别。研究结果显示,采用卷积神经网络技术可以实现自然场景下害虫图像的精准识别,代替人工辨认,提高水稻害虫防治率,实现实时、精准防治的目标。     

BP神经网络在城镇网格点地价评估中的应用研究

BP神经网络可以实现输入和输出的任意非线性映射。网格点地价是最新提出的一种地价概念,相对于基准地价与宗地地价来说,网格点地价具有许多它们无法比拟的优点。本文以兴安县为例说明BP神经网络应用于城镇网格点地价评估的可行性,并通过比较BP网络拟合的结果与指数模型模拟的结果来验证BP神经网络在网格点地价评估中的优越性,最后运用训练好的BP网络结构计算出城镇网格点地价。