基于深度学习的脑微观结构重建

为了研究脑运行机制以实现类脑智能,我们引入深度学习工具系统解决突触级脑微观重建中大数据自动分析的难题,包括:密集神经元重建、单根神经元追踪、关键细胞器检测和重建.其中我们使用带有候选区域(region proposal network,RPN)的全卷积网络(fully convolutional networks,FCN)检测线粒体和突触,结合SPPUnet(spatial pyramid pooling U-net)网络框架和MultiCut算法进行神经元的重建,各部分在量化分析和视觉上取得了较好的结果.重建工作为学术界开展高通量的突触尺度脑微观结构重建提供有效支持.     

基于重置的L-M变结构BP神经网络

尝试将重置算法应用于神经网络结构的优化,研究了重置算法中最佳重置时间的性质,并提出一种基于重置的L-M(Levernberg-Marquardt)变结构BP神经网络.对比实验表明,重置算法的引入有效地解决了神经网络结构优化的问题,优化后的网络具有较好的收敛性.     

地震救援·恢复·重建的组织技术及理论模式

针对地震救援恢复重建这一开放的复杂巨系统,探究其结构、环境、功能与演化,分析系统特征、研判整体涌现;运用系统工程方法组织管理地震救援恢复重建系统,采用Hall三维结构体系从进度、逻辑与专业三个维度对地震救援恢复重建系统工程进行集成分析,应用综合集成方法及其研讨厅从微观和宏观两个层面实践地震救援恢复重建系统工程;根据震灾救援、震后恢复和灾后重建系统分别展现的应急、并行和全面的特征,从理论上构筑震灾救援的情景应对模式、震后恢复的统筹优选模式和灾后重建的综合集成模式,结合系统工程方法,指导一类专业技术手段的运用,从各专项领域有效解决地震救援恢复重建系统问题.     

地震灾后重建系统工程的综合集成模式

对比研究世界著名大地震的震前预防及震后应急措施,分析这些地震产生巨大危害的原因,对其恢复重建过程中存在的问题进行总结.在科学发展观的统领下,从和谐与均衡的角度,以综合集成体系为理论支撑,结合物理-事理-人理系统方法论和霍尔三维结构体系,构建了灾后重建系统工程的理论基础,并提出灾后重建系统工程的综合集成模式.该模式阐述了灾后重建全过程集成管理和灾后重建保障体系两个方面,其中重建全过程包括临时安置、重建准备和全面重建三个阶段,重建保障体系则从组织、资金、政策、法制、监督和信息六个方面构建,两者分别从纵向和横向两方面实现对地震灾后重建的综合集成管理.     

一个自适应的植物枝干重建方法

植物的真实感建模在真实场景绘制、3D游戏、农林业研究等方面都发挥着重要的作用.由于植物形态结构的复杂性和多样性,大部分植物的真实感模型的精确重建方法的计算复杂度较高.提出一种从植物枝干的三维扫描数据中重建植物枝干结构的方法,该方法可以依据植物枝干结构自适应的调整计算精度,从而在保证精度的同时大大降低计算复杂度.首先将植物枝干的三维扫描数据分割成长度相等的几个段,并分别对每段进行初始聚类；然后自适应的对包含分叉结构的聚类进行迭代细分以形成更符合植物枝干结构的聚类；最后,提取枝干骨架并形成最终的表面网格模型.实验结果表明,该方法具有较高的效率,并且能够重建出比较接近植物真实枝干结构的模型.     

整合神经网络的人工生命:一种脑回路研究方式

基于设计能够自动挑选出有特定功能的模拟神经回路这一设想,通过给虚拟生物体一个未连接的模拟小神经群,在与虚拟环境的相互作用下,研究其神经网络的拓扑结构的演化.具体做法是:让虚拟生物体的小神经群在最初视觉神经连接至中枢神经,中枢神经内部无相互连接,中枢神经与运动神经不相连接,运动神经元可以有一定概率的不通过中枢神经而随机激发.然后在虚拟环境中投入食物.人工生物体运动神经元自动激发造成食物与生物体相对位移的改变,进而导致Hebb学习,造成神经网络拓扑结构的变化.最后给出了仿真结果的理论意义以及模型进一步完善的可能性.     

重置变结构神经网络及其在风险投资项目评估中的应用

基于神经网络的结构直接影响到网络性能的优劣,进而影响其推广使用,尝试将重置算法应用于经典BP神经网络的结构优化,研究了重置算法中最佳重置时间的性质,提出一种重置变结构经典BP神经网络。通过实例,将重置变结构经典BP神经网络应用于风险投资的项目风险评估中,并与经典BP神经网络的实验结果进行对比。结果表明,重置算法的引入有效地解决了神经网络结构的优化问题。     

利用图象序列来重建高分辨率图象

在许多应用中,需要细节很丰富的图象.但是仅仅通过硬件设备(CCDs),通常得不到这样的高分辨率图象.所以要用图象处理的方法来重构一个高分辨率图象其中的一个做法就是通过一个低分辨率的图象序列来重构高分辨率图象.其中要解决的两个问题是图象序列中图象的配准及重建.本文给出了一种基于曲面拟合的图象配准重建算法来解决这个问题.试验结果验证了该方法的有效性.     

互联网与神经学的交叉对比研究

首先就互联网和神经学交叉对比的猜想提出过程进行介绍.然后通过神经学对互联网研究的启发,分别从互联网虚拟神经元,虚拟感觉和运动系统,虚拟自主神经系统,虚拟中枢神经系统,虚拟神经反射弧对互联网虚拟大脑的结构和功能进行阐述.利用互联网对神经学研究的启发,从路由系统,搜索引擎应用,维基百科应用,IP地址应用等方面介绍了人脑中类互联网结构功能的研究方法和实验设计.同时也对其他研究者观点以及云计算,物联网,智慧地球等相关概念进行了介绍.     

一种基于遗传算法的新型神经网络设计

神经网络的设计主要集中在网络权值的选取和神经网络结构的确定两个方面 ,与遗传算法结合是目前研究发展的趋势 .本文与一般的基于遗传算法的神经网络设计相比 ,提出一个新型算子—— BP算子 ,并对神经网络的权值和结构同时优化 .仿真结果表明该算法结果比较理想 .     

面向复杂工程系统设计的云知识平台

贯彻系统工程思想的基础是强大的知识工程能力,依据知识工程原理提出了一种云知识平台架构,尝试解决复杂工程系统设计中的“知识困境”问题。首先分析了复杂工程系统设计中执行系统工程思想时面临的知识困境的具体情况,为云知识平台的内容提供指导;然后详细论述了云知识平台的架构及相应的知识工程过程;最后对云知识平台的效用进行了较为深入的分析。分析表明,基于云知识平台的“知识工程”方案可以较为完备地支撑3大核心系统工程过程的并行工程,可以为复杂工程系统设计提供坚实的基础。     

武器装备体系需求开发的复杂性及其解决方案

针对武器装备体系需求开发中过程、环节、功能、方法、数据不规范和不明确的问题,着眼于提高武器装备体系需开发的科学化和规范化,分析了武器装备体系需求开发的复杂性特征,提出了面向工程化的武器装备体系需求开发解决方案,阐述了武器装备体系需求开发流程结构化、环节规范化、过程模型化、数据资源化、平台工具化的内容和方法,构建了基于HLA/RTI的武器装备体系需求开发工程化平台,并结合某装甲体系进行了需求开发,验证了该方案的可行性和有效性。     

基于深度学习的HRRP识别姿态敏感性分析

特征提取是基于高分辨距离像(high resolution range profile,HRRP)的雷达目标识别的关键技术之一.传统人工提取特征的算法,仅利用浅层结构特征,无法有效解决姿态敏感性问题,从而限制了目标识别方法的泛化性.对此,提出一种基于深度学习的目标识别方法,并通过详细的姿态角性能测试分析了该方法的应用边...     

基于虚拟样机的故障安全分析演示平台设计

大型复杂机电液系统的故障安全分析面临的主要障碍是历史故障数据的不足。针对该问题,提出了基于虚拟样机的机电液系统故障安全分析方法,设计并构建了其演示平台。介绍了故障安全分析演示平台所涉及的关键技术实现方法,包括虚拟样机的建立与验证、基于故障仿真的故障模式与影响分析、基于蒙特卡罗仿真的概率风险分析以及基于广义回归神经网络的关键参数预警,并采用多种软件环境集成构建了演示平台。操舵系统的案例研究结果表明,所提出的技术方法能够有效缓解历史故障数据不足的问题,演示平台能够满足机电液系统故障安全分析的需要。     

基于FLUENT/MATLAB接口的分布参数系统闭环控制仿真

在工程实际中常遇到的流动、传热和燃烧等问题中,大都为分布参数系统.针对该分布参数模型建模难的问题,结合CFD仿真软件FLUENT和系统仿真软件MATLAB各自的优点,根据WinSock网络通信原理,开发了FLUENT/MATLAB接口,建立了分布参数模型闭环控制快速原型的仿真平台,并且通过算例仿真验证了该方法的可行性与实用性.     

基于可靠性的软件构件费用分配最优模型

针对软件系统可靠性和费用分配问题,给出了一种基于可靠性的软件构件费用分配最优模型。将软件系统可靠性定义为软件构件失效率、操作剖面、构件使用矩阵以及软件无失效运行的规定任务时间的函数,详细描述了费用最优模型的建立和利用非线性规划理论求解模型的步骤。在求解过程中,将费用最优模型转化为Kuhn-Tucker方程,有效地处理了带有复杂计算的目标函数和约束条件的可靠性和费用最优分配问题。计算实例表明利用该模型进行可靠性和费用分配是可行的。     

神经网络非线性预测控制仿真软件包

介绍了神经网络非线性预测控制仿真软件包，从OOP和消息驱动机制出发研制了仿真软件结构和设计，从而为控制理论和应用提供了仿真研究平台。     

BP算法固定学习率不收敛原因分析及对策

人工神经网络BP模型是一种常用的建模方法,但仍存在很多问题.通过对BP算法的应用发现,当固定学习率η大于0～1内某一值,将导致网络算法不收敛.本文从数学理论上分析了这一现象产生的内在原因.最后提出两种有效对策:方法是第一次η取小值,随后取较大值,最后取小值;方法二是调整传递函数f(x).通过这两种方法,解决了固定学习率不收敛的问题,并对改进方法进行了实证检验.