电压跌落扰动源的小波一神经网络识别方法

对一个辐射状配电网中可能引起电压跌落的各种扰动源进行了分析和仿真，提出了一种基于小波变换与人工神经网络理论的电压跌落扰动源的自动识别方法，仿真和实验结果表明该方法具有简洁可靠、辨识准确率高等优点．     

电压跌落扰动源的小波-神经网络识别方法

对一个辐射状配电网中可能引起电压跌落的各种扰动源进行了分析和仿真,提出了一种基于小波变换与人工神经网络理论的电压跌落扰动源的自动识别方法,仿真和实验结果表明该方法具有简洁可靠、辨识准确率高等优点.     

转光农膜的荧光光谱表征及其校正方法

研究了转光农膜的荧光光谱分析方法.讨论了转光膜荧光强度与膜厚度的关系及光谱校正问题.实验表明:转光膜的荧光测试以膜厚大于560μm为宜,转光膜的蓝区发射光谱存在氙灯特征峰的干扰,采用对照膜可以进行校正.     

偏最小二乘—紫外可见分光光度法测定黑加仑色素的含量

将偏最小二乘法同紫外可见分光光度法结合，快速分析黑加仑色素的含量，讨论主成分数对ＰＬＳ定量预测能力的影响，并对校正集样品和预测集样品中黑加仑色素含量进行定量预测。     

基于相对误差D辨识的电力系统参数错误辨识方法

电力系统参数错误会严重影响状态估计的结果,从而降低能量管理系统(EMS)中先进的应用程序的实用性,因此需要有效的方法来辨识电力系统中的参数错误。本文提出包含自环网或电磁环网的典型区域电网的参数估计模型和算法,采用相对误差D指标辨识法实现典型区域电网可疑元件参数的有效辨识与校正,通过应用估计参数改善典型区域电网状态估计的精度。     

提高滇东南石漠化区域遥感反演中的大气校正精度

在充分考虑气溶胶空间分布和地表临近效应的基础上,综合考虑湿度及光谱分析确定合理的能见度,并分析研究不同校准文件对于光谱反射率的影响.将这些值应用于大气校正的计算过程,以此提高大气校正的精度.结果表明,利用该模型进行的大气校正能够有效降低大气分子、水汽、臭氧、气溶胶粒子等对卫星遥感影像造成的影响,提高遥感石漠化信息反演精度.该方法在冬季的校正效果较秋季和春季的更佳.     

PLS—近红外漫反射光谱法非破坏分析安乃近

比较了偏最小二乘法在常规和一阶导数近红外漫反射光谱法分析安乃近的定量预测能力，讨论了校正样品数和波长间隔对ＰＬＳ预测的影响。在常规光谱法中，校正样品和预测样品的预测结果的相对标准误差分别为０．９８９１％和１．４６３０％，而在一阶导数光谱法中，校正样品和预测样品的预测结果的相对标准误差分别为０．１１０２％和１．０４２９％。     

基于模糊竞争学习的模糊自校正控制

提出一种基于模糊竞争学习的模糊自校正控制方法.先通过基于模糊竞争学习确定一种在线模糊辨识算法,并给出递推模糊竞争学习算法收敛性证明.在采用此模糊辨识方法对对象进行在线估计的基础上,再用调节器实现参数的自动整定.为验证此法的有效性,还给出了非线性系统的控制结果.     

宣化盆地高光谱遥感第四纪地层分类提取初步研究

基于Hyperion高光谱遥感数据,采用像素纯度指数(PPI)和光谱角制图(SAM)等光谱分析方法对河北宣化盆地第四纪地层的分布情况进行定量提取,并对获取的结果进行实地验证和优化.同时,分析了第四纪地层的分布与宣化盆地南缘断裂带活动之间的关系.     

宣化盆地高光谱遥感第四纪地层分类提取初步研究

基于Hyperion高光谱遥感数据,采用像素纯度指数（PPI）和光谱角制图（SAM）等光谱分析方法对河北宣化盆地第四纪地层的分布情况进行定量提取,并对获取的结果进行实地验证和优化.同时,分析了第四纪地层的分布与宣化盆地南缘断裂带活动之间的关系.     

一种基于改进径向基神经网络的人脸图像识别方法

常用于径向基神经网络中心参数学习的K-均值聚类算法,易受初始参数选取的影响而收敛于局部极小值.将自动终止聚类判据的减聚类算法用于径向基网络的学习,可根据样本集确定径向基函数数目,且其计算量与数据点的数目与考虑问题的维数无关,很适合于人脸这种维数较高的模式.实验证明,应用这种算法训练径向基神经网络识别人脸,从识别精度到识别速度上都优于传统算法.     

神经网络的非平衡态热力学研究

建立了神经网络的非平衡态热力学理论，给出了神经网络熵产生率，稳定条件及应用实例，为神经网络的研究增加了一种新方法，为人工神经网络的建模与应用提供了有益的信息。     

基于混沌的模拟电路故障诊断方法

针对模拟电路故障诊断的神经网络方法中,网络易陷入局部极小、收敛速度慢等缺点,网络结构、权值难以确定等难题,提出一种利用混沌优化神经网络的模拟电路故障诊断新方法.该方法中,将混沌变量引入神经网络结构的优化搜索,使得神经网络的隐层节点数以及所有权参数处于混沌状态中,从而整个网络结构呈现为动态变化.然后从动态的神经网络结构中,根据性能指标来寻找一个全局最优或近似于全局最优的网络结构.最后利用优化的神经网络对模拟电路进行故障定位.利用该方法对模拟电路进行实例仿真,结果表明该算法可以有效、可靠地运用于模拟电路故障诊断中.     

带有两个时滞的不确定神经网络的渐近稳定性分析

研究一类具有两个时滞和不确定性神经网络的全局渐近稳定性问题,通过构造新的Lyapunov函数,运用线性矩阵不等式理论将T-S模糊模型扩展到带有两个时滞的含有不确定项模糊神经网络,并给出系统稳定的充分条件。仿真实例验证了结论的有效性。     

基于自组织特征映射的神经网络的矢量量化

本文设计了一种神经网络矢量量化编码方法－基于自组织特征映射的神经网络的矢量量化,利用Kohonen网络的自组织聚类功能,设计矢量量化器码书,实现矢量量化。该神经网络速度快,效率高,适用于语音和图象数据压缩,并对SOFM算法应用于图象矢量量化进行系统的研究。     

一种改进的Hopfield神经网络对TSP问题的求解方法

论文对Hopfield神经网络的能量函数进行重构,使得新能量函数具有参数少、表达式简洁、计算效率高等特点;并引入遗传算法中的变异算子,使得改进后的Hopfield神经网络的具有自适应调整的功能.同时,针对有效解易陷入局部极小值等问题,运用数据转换技术、贪心算法等对有效解进行优化.最后对不同规模的TSP问题仿真,结果表明这些改进方法和技巧是可行的.     

基于神经网络辨识的表面温度传感器动态标定及瞬态温度测量

针对瞬态温度测量设计了一种薄膜热电偶,提出了一套瞬态温度传感器动态标定的实验方案。     

基于神经网络股票预测的研究

利用股票市场的理论和神经网络的BP算法来预测股票价格.先对股票进行基本面的分析,再对股票进行技术面的分析.运用技术分析的技术指标和神经网络优势,对股票进行大数据量的训练,使得模型可靠,再对股票进行测试.从实验的效果来看,取得令人满意的效果.     

自底向上加快神经网络学习的算法

介绍了一种加快神经网络学习的改进算法.这种改进算法结合采用快速自底向上构造神经网络算法和动态优化学习参数算法.首先,快速自底向上构造神经网络算法自动地构建神经网络的优化结构;随后,动态优化学习参数算法动态地调整和选取优化的学习参数.实验结果显示,这种改进算法能自动有效地构造网络的优化结构,与其它算法相比,具有更好的分类性能、优化的网络结构和更快的学习速度.     

几种函数逼近方式的逼近能力比较与综合

介绍了Fourier变换、小波变换、神经网络、小波神经网络、多小波和多小波神经网络几种不同的函数逼近方式，对这几种函数逼近方式中的基函数性能作了详细比较，发现基函数的性能越好，其函数逼近效果一般来说也越好，并对这几种函数逼近方式的表达式进行了比较和综合。